除了图像识别、图像分类，计算机视觉还有很多有意思应用于！比如……去雾霾。这一季我们谈过人脸识别、结构光，也谈过SLAM、OCR等计算机视觉的应用于分支，接下来我们不会谈谈CV涉及的有意思应用于，比如……去雾霾。

光穿越雾霾不会再次发生衍射，只有一部分能量能抵达镜头，因此拍得的照片不会呈现「雾蒙蒙」的效果。想去除图片中的雾霾，就要准确估算出有雾霾的透射率，再对图像展开完全恢复。亮地下通道先验是图像去雾霾的经典方法，它基于这样的假设：在没雾的图像中，一定有某个地下通道的某个局部十分亮，暗到数值几近于零。

这部分有可能是阴影、纯色，也有可能是黑色的东西。有了雾霾，本来应当很暗的部分就不会显得灰白。通过这部分的数值计算出来出有雾霾的透射率，寻找有雾图像和无雾图像的对应关系，就能去除图片中的雾霾。除了亮地下通道先验，也有人尝试利用对比度的减少或颜色的波动来估算雾霾的透射率。

还有人尝试用于深度自学，将雾霾作为一种特征展开自学，末端到端的已完成图像去雾。有了图像去雾，雾霾天自动驾驶系统也能精确辨识交通标志，加到了自动去雾霾功能的手机，雾霾天也能拍得明晰的照片。PS：这种计算机视觉技术（应用于）的月名称为：图像去雾（HazeRemoval）。

经典方法「亮地下通道先验」来自计算机视觉顶级会议CVPR2009年的「BestPaper」《SingleImageHazeRemovalUsingDarkChannelPrior》，作者何恺明现任FAIR研究科学家。偷偷地一托，CVPR2016年「BestPaper」《DeepResidualLearningforImageRecognition》的作者也是他。

本文来源：best365官方网站登录入口-www.sjxsd.com