第一流图像去雾算法效果讨论

*图像去雾算法效果讨论
最近在看去雾相关的算法，最典型的是09年CVPR上最佳论文“Single Image Haze Removal Using Dark Channel Prior”
首先给出论文中的效果图，做了一段时间了，始终与论文处理的结果有差异，主要是里面有关软抠图的部分目前还没有深刻理解，不知论坛是否有大牛对此有过研究

想了解的朋友可以直接在csdn资源里面搜索“去雾”有很多与之相关的代码，不过对于软抠图这一部分都做的不好，该文的作者后来用导向滤波取代了拉普拉斯软抠图，效果比较好，但是对于上面给去的这幅图依然达不到论文中给去的效果
------解决方案--------------------
不懂。。。我顶
------解决方案--------------------
既然有论文，那么算法过程和数学公式什么应该都有吧。每个模块都对照着，好好测测。

或者可以尝试大量样本的效果。
如果其中有几幅，画面解错了，那是代码逻辑有问题。
如果都是这样效果不佳，那说明可能是算法的可定系数没有设定好，比如说，原来可能是像素的rgb各提升10，现在提升15是否效果会好一点。原来迭代检测可能是5000次，那么可以增加为10000次，更精确的测量雾的范围。


------解决方案--------------------
无法获得和他一模一样的效果有多个方面的原因，比如那个全局大气光A的选择就有很多种方式，论文中也没有完全讲死， 还比如他最后有这样一段话：

Since the scene radiance is usually not as bright as the atmospheric light, the image after haze removal looks dim. So we increase the exposure of J(x) for display. 

但是怎么样增加这个exposure 也没有讲明白。

恰好我最近也研究了这篇论文，可参考其中的一些结论。

《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他

------解决方案--------------------

引用:

无法获得和他一模一样的效果有多个方面的原因，比如那个全局大气光A的选择就有很多种方式，论文中也没有完全讲死， 还比如他最后有这样一段话：

Since the scene radiance is usually not as bright as the atmospheric light, the image after haze removal looks dim. So we increase the exposure of J(x) for display. 

但是怎么样增加这个exposure 也没有讲明白。

恰好我最近也研究了这篇论文，可参考其中的一些结论。

《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他

楼上好心人++
------解决方案--------------------
我觉得那片文章讲的原理是很有理论依据的，但是实践起来再后期还是需要一些其他的算法去补充才能获淂更好的效果。