054、雾霾、烟尘天气图像不清楚？暗通道先验 + 深度学习去雾的工程对比方案去年冬天，我在一个户外监控项目里被雾霾折腾得够呛。摄像头装在化工厂烟囱附近，每天早晚雾气混着烟尘，画面白茫茫一片，连车牌都看不清。甲方要求“至少能分辨出是哪个工人经过”，我试了三种去雾方案，踩了无数坑，最后才摸清暗通道先验和深度学习各自的脾气。今天这篇笔记，就把这些实战经验摊开来讲。暗通道先验：老派但管用的“物理模型”先说暗通道先验。这个理论是He Kaiming在2009年提出的，核心观察很简单：在无雾的户外图像里，每个局部区域至少有一个颜色通道的像素值非常低，接近0。雾霾区域则相反，因为大气光散射，所有通道的亮度都被抬高了。基于这个先验，我们可以反推出雾的浓度和大气光值，然后逆推恢复清晰图像。代码实现时，第一步是计算暗通道。别直接用min函数遍历每个像素，那样太慢。我习惯用滑动窗口加最小值滤波，OpenCV的erode函数就能干这事。这里踩过坑：窗口大小选15x15比较稳，太小了暗通道里会出现大量噪声，太大了边缘细节全糊掉。窗口大小直接影响透射率图的精度，调试时我试过从5x5到31x31，15是个经验值。importcv2importnumpyasnp