作者原创，转载请注出处。有问题欢迎留言讨论。
本篇是图像去雾方面的一份文章。
文章出处：http://medialab.sjtu.edu.cn/teaching/DIP/Lectures/Dehaze_CVPR2009.pdf
作者在2009年在计算视觉和模式识别上（IEEE Conference On Computer Version and Pattern Recogintion，CVPR）发的一篇论文。主要是通过统计方面得出暗通道先验知识进行图像去雾。
文章分为五部分：
- 暗通道先验（Dark Channel Prior）；
- 使用暗通道先验估算透射率（Estimate the transmition）；
- 软映射（Soft Matting）；
- 估算大气层光线强度（Estimate the Atmospheric Light）；
- 恢复场景辐射（Recover the Scene Radiance）。
文章的实现的去雾流程图如下图所示。
图1 去雾流程图
暗通道先验：一般晴朗或者无雾的天气下，至少在一个通道中存在最低值（甚至趋近于零），他们所构成的灰度图构成“暗通道”图像。
使用暗通道先验估算透射率：在暗通道先验的基础上，可以估算出一个大概的透射率。
软映射：将透射率进行一个优化，边缘信息更加明显。（后续再讨论）
估算大气层光线强度：在生成的“暗通道”图像中，获取图片大小的0.1%的像素位置，该位置代表了大部分大气层场景光线强度。累加求平均值获得相对稳定值。
恢复场景辐射：通过有雾图像的一般模型，就可以恢复出来初步的去雾图像。
附实验结果图：
