1.3 程序实现

为进行图像去雾实验，本案例采用全局直方图均衡化、局部直方图均衡化算法进行图像去雾实验，并选择Retinex增强算法作为直方图去雾算法的延伸。在本案例中采用GUI设计软件并通过菜单关联不同的去雾算法，通过显示处理前后的图像直方图进行去雾效果的对比。

1.3.1 设计GUI界面

为增加软件交互的易用性，这里调用MATLAB的GUI（Graphical User Interface，图形用户接口）来生成软件框架，演示去雾图像载入、处理和对比的过程。GUI界面设计如图1-5所示。

该软件通过菜单关联的方式进行功能设计并实现模块化编程。其中，文件菜单主要用于载入待处理图像等基本操作，图像去雾菜单用于关联不同的去雾算法并显示结果，帮助菜单则弹出独立窗口用于介绍软件操作流程。GUI主窗口加入坐标轴控件用于图像显示，通过原图像与结果图像的显示可以简捷地演示算法的去雾效果。

1.3.2 全局直方图处理

MATLAB通过函数imread读取RGB图像，并通过维数为m× n×3的矩阵来表示。其中，维数m×n表示图像的行数、列数信息，维数3表示图像的R、G、B三层通道数据。因此，全局直方图处理通过对RGB图像的R、G、B三层通道分别进行直方图均衡化，再整合到新的图像的方式进行。核心代码如下：

关联到菜单“图像去雾/全局直方图算法”，执行图像的全局直方图处理并进行显示，效果如图1-6～图1-7所示。

运行结果表明，全局直方图去雾算法可以实现含雾图像的增强效果，处理前后的直方图在分布上具有明显变化，但在图像整体上容易出现某些色彩失真的现象。

1.3.3 局部直方图处理

全局直方图均衡化增强只是将原图像的直方图进行了均衡化，未能有效保持原始图像的局部特征，容易出现色彩失真问题。通过选择固定大小的滑动窗口作用于原始图像进行局部直方图处理，可以在一定程度上保持原始图像的局部特征，提高图像增强的效果。因此，局部直方图处理通过对RGB图像的R、G、B三层通道分别进行局部直方图均衡化，再整合到新的图像的方式进行。核心代码如下：

关联到菜单“图像去雾/局部直方图算法”，执行图像的局部直方图处理并进行显示，效果如图1-8～图1-9所示。

局部直方图的处理结果表明该算法能有效保持原始图像的局部特征，未出现明显的色彩失真现象，同时得到了去雾增强的效果。但是，该算法的处理结果在整体亮度上偏暗，依然存在某些模糊区域。

1.3.4 Retinex增强处理

基于全局直方图、局部直方图的图像去雾算法在理论及实现上比较简单，能起到一定的去雾处理效果。为了进行对比，本次实验采用了Retinex图像增强算法进行对比，该算法可以平衡图像灰度动态范围压缩、图像增强和图像颜色恒常三个指标，能够实现对含雾图像的自适应性增强。因此，Retinex增强处理通过对RGB图像的R、G、B三层通道分别应用Retinex算法进行处理，再整合到新的图像的方式进行。为了提高程序的普适性，我们对部分参数的赋值方式进行了改进，采用随机数取值的方式来生成参数。核心代码如下：

关联到菜单“图像去雾/Retinex算法去雾”，执行图像的Retinex算法进行去雾处理并显示，效果如图1-10～图1-11所示。

去雾处理前后的直方图分布表明，Retinex图像增强可以在一定程度上保持原始图像的局部特征，处理结果较为平滑，颜色特征也较为自然，具有良好的去雾效果。