图片是人们获取信息的重要途径。由于工业化排放废气,燃烧秸秆和未经处理的煤取暖等造成了严重的空气污染,雾霾天数越来越多,使得人们在户外环境中拍的照片中的雾影响了关注焦点的目标物的观察,导致视觉效果大大降低。因此将有雾图转化为高清晰度的图像就成为了非常迫切的实际需求,经过许多研究人员在图像清晰化算法领域做的大量研究后,图像去雾算法的处理效果达到了相当好的水平。目前在所有的去雾算法中,He的DCP算法去雾效果是最好的,但是又发现该算法在处理照片中有大片的类雾区域时,图像会出现不连续的区域和色块,而且在天空区域等景物边缘处景深距离突变的区域会出现halo效应。由于人的眼睛对图像场景边缘和轮廓的失真更敏感,所以出现halo效应的图片视觉感受较差。同时在去雾处理速度上较慢,严重限制该算法的实际应用。针对这些问题,本文先深入研究了雾天图像的退化机理,对已有算法进行分析其优缺点,并做出了主要改进如下:(1)首先对从图像采集设备获取的有雾图像进行金字塔降采样,缩小为有雾图的四分之一,对缩小后的图像进行去雾操作,最后再用线性插值算法恢复到原图大小。在DCP算法中A(A是估计的大气光值)取的是原始像素中的亮度前1%的点的像素平均值,由此各个颜色通道的A值很有可能会逼近灰度级的最大值,会造成处理后的图像的色彩偏差太大和在天空水面等图像出现很多色块区域以及不连续的现象,对此采用canny算法分割图像,对不同块区域分别求取大气光和透射率,再用引导滤波对透射率进行细化,并引入调整因子对透射率进行优化,并且使用四叉树递归地比较不同块区域图像灰度均值,从而得到A,显著减少算法执行时间。(2)针对大气光A值在去雾处理时对去雾效果的影响,本章提出了一种改良的方案,按照原图的一维像素值的比值和灰度均值的大小,把原图进行分为几个不同的类,然后再选取合适的比例对每种分类的A值进行分别设置,从而使得图像去雾后呈现的效果变得更清晰。