图像去雾：
在雾天拍摄的图像容易受雾或霾的影响，导致图片细节模糊、对比度低以至于丢失图像重要信息，为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法。
图像去雾主要包括基于图像增强的去雾算法，基于图像复原的去雾算法（基于卷积神经网络的去雾算法）。
暗通道先验去雾算法：
所谓暗通道是一个基本的假设，这个假设认为，在绝大多数的非天空的局部区域中，存在一些像素点（暗像素）在至少一个颜色通道中具有非常低的值，趋近于0。暗通道实际上是在rgb三个通道中取最小值组成灰度图，然后再进行一个最小值滤波得到的。
可以发现，有雾的时候会呈现一定的灰色，而无雾的时候咋会呈现大量的黑色（像素为接近0），作者统计了5000多副图像的特征，基本都符合这样一条先验定理。
其实，实际生活中造成这个假设的原因有很多，比如汽车，建筑物或者城市中的阴影，或者说色彩鲜艳的物体或表面(比如绿色的树叶，各种鲜艳的花，或者蓝色绿色的水面)，颜色较暗的物体或者表面 。
在计算机视觉中，描述有雾图像的模型可以表示为
I ( x ) = J ( x ) t ( x ) + A ( 1 − t ( x ) ) （1）
I(x)为观察到的有雾图像，J(x)为无雾图像，A是大气光值，t(x)为透射率，表示能够到达计算机系统的没有被散射掉的一部分光。
基于暗通道先验去雾算法的缺陷：
暗通道先验是一种统计的结果，是对大量户外无雾照片的统计结果，如果目标场景内存在和大气光类似，比如雪地、白色背景墙、大海，太阳光等，那么由于前提条件就不成立，此时将无法获得满意的效果，但是对于一般的风景照片该算法处理效果会不错。