这一季我们讲过人脸识别、结构光，也讲过 SLAM、OCR 等计算机视觉的应用分支，接下来我们会谈谈计算机视觉的相关有趣应用，比如……“去雾霾”。
光穿过雾霾会发生散射，只有一部分能量能到达镜头，因此拍出的照片会呈现出“雾蒙蒙”的效果。想要去掉图片中的雾霾，就要精确估计出雾霾的透射率，再对图像进行恢复。
暗通道先验是图像去雾霾的经典方法，它基于这样的假设：在没有雾的图像中，一定有某个通道的某个局部非常暗，暗到数值几近于零。这部分可能是阴影、纯色，也可能是黑色的东西。
有了雾霾，本来应该很暗的部分就会变得灰白。通过这部分的数值计算出雾霾的透射率，找到有雾图像和无雾图像的对应关系，就能去掉图片中的雾霾。
除了暗通道先验，也有人尝试利用对比度的降低或颜色的衰减来估计雾霾的透射率。还有人尝试使用深度学习，将雾霾作为一种特征进行学习，端到端的完成图像去雾。
有了图像去雾，雾霾天自动驾驶系统也能准确识别交通标志，添加了自动去雾霾功能的手机，雾霾天也能拍出清晰的照片。
PS：这种计算机视觉技术（应用）的正式名称为：图像去雾（Haze Removal）。经典方法暗通道先验来自计算机视觉顶级会议 CVPR 2009年的“Best Paper”《Single Image Haze Removal Using Dark Channel Prior》，作者何恺明现任 FAIR 研究科学家。
顺便一提，CVPR 2016年“Best Paper”《Deep Residual Learning for Image Recognition》的作者也是他。