### 暗通道图像生成代码 以下是基于 Python 的暗通道图像生成代码实现： ```python import cv2 import numpy as np def dark_channel_prior(image, window_size=15): """ 计算给定图像的暗通道图。 参数: image (numpy.ndarray): 输入RGB图像。 window_size (int): 滑动窗口大小，默认为15。 返回: numpy.ndarray: 暗通道图。 """ # 将输入图像转换为浮点数并归一化到[0, 1] img = np.float32(image / 255.0) # 获取三个颜色通道中的最小值 min_channels = np.min(img, axis=2) # 使用滑动窗口计算局部最小值 kernel = np.ones((window_size, window_size), dtype=np.uint8) dark_channel = cv2.erode(min_channels, kernel) return dark_channel # 测试代码 if __name__ == "__main__": input_image_path = "input.jpg" output_dark_channel_path = "dark_channel.png" # 读取输入图像 image = cv2.imread(input_image_path) # 如果图像为空，则退出程序 if image is None: raise ValueError(f"无法加载图像 {input_image_path}") # 调用函数生成暗通道图 dark_channel = dark_channel_prior(image) # 显示和保存结果 cv2.imshow("Dark Channel", dark_channel) cv2.imwrite(output_dark_channel_path, dark_channel * 255) # 存储前重新缩放到[0, 255] cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码实现了暗通道先验理论的核心部分，即通过计算 RGB 图像中每个像素位置上的最小值来构建暗通道图[^3]。具体来说，该方法利用了一个滑动窗口，在局部区域内找到最小值以模拟大气散射模型下的暗通道效果。 对于 MATLAB 用户，可以参考以下简单实现： ```matlab function dc = DarkChannelPrior(im, w) % DARKCHANNELPRIOR Computes the dark channel prior of an image. % % Inputs: % im - Input RGB image (MxNx3). % w - Sliding window size. im = double(im) / 255; minChannels = min(min(im(:, :, 1), im(:, :, 2)), im(:, :, 3)); dc = zeros(size(minChannels)); for i = ceil(w/2)+1:size(minChannels, 1)-floor(w/2), for j = ceil(w/2)+1:size(minChannels, 2)-floor(w/2), patch = minChannels(i-floor(w/2):i+ceil(w/2)-1, ... j-floor(w/2):j+ceil(w/2)-1); dc(i,j) = min(patch(:)); end end end ``` 以上 MATLAB 函数同样遵循了类似的逻辑流程，逐区域提取最小值形成最终的暗通道图。 #### 注意事项 - 上述两种实现均假设输入为标准三通道彩色图像（RGB）。如果是灰度或其他特殊格式的数据集，请提前调整预处理阶段。 - 当涉及更复杂的场景如缺陷检测时，可能还需要额外引入分割技术辅助分析[^4]。