1.背景介绍
基于暗通道先验的单幅图像去雾算法来自于何凯明博士2009年的CVPR论文：《Single Image Haze Removal Using Dark Channel Prior》，2009年的CVPR共收到约1450篇投稿，其中393篇文章被接收，接收率为26%。只有一篇文章被选为那年的最佳论文。这是CVPR创立25年以来首次由中国人获得这个奖项。他根据Dark Object Subtraction原理通过大量实验发现局部找最暗点进行均匀去雾有很好的效果。由此得到对于一个无雾图像，每个局部区域都很有可能有一些暗的地方，换言之，至少一个颜色通道会有很低的值、或黑色东西。
这篇论文研究的问题是图像的去雾技术，它可以还原图像的颜色和能见度，同时也能利用雾的浓度来估计物体的距离，这些在计算机视觉上都有重要应用（例如三维重建，物体识别）。但是之前人们还没找到简单有效的方法来达到这个目的。在这篇论文里，他们找到了一个非常简单的，甚至说令人惊讶统计规律，并提出了有效的去雾方法。
2.去雾算法详述
2.1 有雾图片表达公式
有雾图像散射模型：
2.2暗通道定义
作者根据对5000多幅无雾图像的暗通道图数据观察发现：约75%的像素值为0，且90%的像素点具有非常低的值，且集中在[0,16]。由此提出暗通道先验理论，即对于一副无雾图像，其暗通道可以表示为：
2.3 透射率公式
2.4 求解全球大气光值
上述推论中都是假设全球达气光A值时已知的，在实际中，我们可以借助于暗通道图来从有雾图像中获取该值。具体步骤如下：
1） 求出有雾图像的暗通道图，从暗通道图中按照亮度的大小取前0.1%最亮的的像素。
2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值。
2.5获得更精确的透射率图
要获得更为精细的透射率图，何博士在文章中提出了了soft matting方法，能得到非常细腻的结果。但是这一方法弱点就是速度特慢，不使用于实际使用。在2011年，何博士又发表了一片论文，其中提到了导向滤波的方式来获得较好的透射率图。该方法的主要过程集中于简单的方框模糊，而方框模糊有多重和半径无关的快速算法。这个导向滤波算法除了在去雾方面外，还有着其他多方面的应用。
后续会更新softmatting和引导滤波
2.6 最终结果输出
全局大气光值和透射率都已经求出，就可以进行去雾了，当投射图t 的值很小时，会导致J的值偏大，从而使图像整体向白场过度，因此一般可设置一阈值t0，当t值小于t0时，令t=t0，即：
