除了图像识别和图像分类之外，计算机视觉还有很多有趣的应用！例如……摆脱雾霾。
这一季我们聊了人脸识别、结构光以及SLAM、OCR等计算机视觉应用分支。
接下来，我们将讨论与 CV 相关的有趣应用，例如……除雾。
光线在穿过雾霾时会发生散射，只有部分能量能够到达镜头，因此拍出的照片会有“雾气”的效果。
如果想要去除图像中的雾霾，就必须准确估计雾霾的透过率，然后恢复图像。
暗通道先验是图像去雾的经典方法。
它基于这样的假设：在没有雾霾的图像中，一定有某个通道的某个部分非常暗，暗到值几乎为零。
这可以是阴影、纯色或黑色。
有了雾霾，本来应该是黑色的部分就会变成灰色。
利用这部分值计算雾霾的透过率，找到有雾图像和无雾图像的对应关系，就可以去除图片中的雾霾。
除了暗通道先验之外，也有人尝试利用对比度的降低或颜色的衰减来估计雾度的透过率。
其他人正在尝试使用深度学习来学习雾霾作为特征并完成端到端的图像去雾。
通过图像去雾，自动驾驶系统即使在雾霾天也能准确识别交通标志。
具有自动去雾功能的手机即使在雾霾天也能拍出清晰的照片。
PS：这项计算机视觉技术（应用）的正式名称是：图像去除（Haze Removal）。
经典方法“暗通道先验”来自计算机视觉顶级会议CVPR的“最佳论文”《Single Image Haze Removal Using Dark Channel Prior》。
作者何凯明现为FAIR研究科学家。
对了，他也是 CVPR“最佳论文”的作者《Deep Residual Learning for Image Recognition》。