去雾增强
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_783c668f/dehaze。
技能介绍
问题:雾化图像的对比度坍塌
雾霾天、水下或远距离拍摄时,大气散射让光线在到达传感器前就被削弱,图像表现为整体灰蒙、对比度下降、色彩饱和度不足。这类退化直接影响风景摄影、航拍监控、水下成像等场景的可用性。常规的对比度拉伸或直方图均衡化只能缓解表象,无法还原被散射过程抹掉的场景辐射。
工作原理:暗通道先验去雾
本技能实现了何恺明等人提出的暗通道先验算法(CVPR 2009 Best Paper)。核心假设是:在无雾图像的任意局部窗口内,至少存在一个颜色通道的像素值非常低(接近于零)。基于这一先验,处理流程分为三步:
- 暗通道计算:对输入图像的每个局部窗口取最小值,得到暗通道图;
- 大气光与透射率估计:从暗通道图中选取最亮的 0.1% 像素,在原图对应位置取亮度最高者作为大气光
A,再估计透射率图。其中--omega(默认 0.95)控制去雾强度,保留少量残余雾霾以维持自然观感和景深提示; - 引导滤波与场景恢复:使用引导滤波对透射率图做边缘保持平滑,消除暗通道计算带来的块效应,最后按透射率恢复出清晰图像。
--radius(默认 15)决定暗通道最小滤波窗口的半径,--t0(默认 0.1)作为透射率下限防止除零过曝。
使用时以命令行传入图片路径即可,输出文件默认在原文件名后追加 _dehazed。
适用边界与调参注意
- 暗通道先验依赖"局部区域存在暗像素(阴影、深色物体)"这一前提。大面积纯亮区域(如无云天空、雪地)先验较弱,恢复后可能出现色斑或 Halo 效应,可增大
--radius至 25~35; - 细节密集的场景应减小
--radius至 7~10,避免过度平滑丢失纹理; - 输出偏暗时优先降低
--omega至 0.8~0.9,雾霾残留明显时提高到 0.98~1.0; - 算法面向真实物理散射模型,对非雾化成因的低对比度(如欠曝、白平衡错误)效果有限,需先排查成像本身的问题;
- 运行环境需要 Python 环境及 numpy、
opencv-python-headless绘图库支持。
使用场景
- 摄影师手里有雾霾天拍的户外风光片,需要后期去雾恢复对比度后再向客户交付。
- 安防或航拍数据分析人员拿到浓雾天气的监控截图或航拍画面,需要增强远处目标可见度用于判读取证。
- 水下影像工作者处理偏灰偏雾的水下拍摄素材,需要去雾恢复画面对比度与色彩后再出图。
- 自媒体编辑整理雾霾天拍的风景素材准备发布,需要逐张快速去雾后存档或推送。
适合人员
- 风光摄影后期修图师,手里常积压雾霾天气素材,需要快速去雾恢复通透感后交付客户。
- 安防监控或航拍数据分析师,需要从浓雾导致的低可见度画面中增强远处目标细节用于报告和取证。
- 水下摄影或渔业科研工作者,需要去雾并还原水下图像的真实色彩,用于成果展示与分析。
- 遥感影像处理工程师,需要修复受大气散射影响而偏灰的图片细节,用于研究或数据存档。