除了图像识别、图像分类，计算机视觉还有很多有趣应用！比如……去雾霾。
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 CV 相关的有趣应用，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。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
