企业官网建设流程全解析

Pytorch图像去噪实战（四十四）：图像去雾增强实战，解决雾天图像低对比度和细节丢失问题

一、问题场景：雾天图像不是脏，而是对比度被整体压低

图像去雾和图像去噪经常被放在图像恢复任务里一起讨论。

但两者有明显不同：

• 去噪主要处理随机扰动
• 去雾主要恢复对比度、颜色和远处细节

我在处理户外监控图片时遇到过：

• 远处目标看不清
• 画面整体泛白
• 对比度低
• 颜色发灰
• 目标检测准确率下降

直接用去噪模型处理，基本没用。

因为雾不是随机噪声，而是一种大气散射退化。

二、去雾任务的特点

雾天图像通常表现为：

低对比度 + 偏白 + 远处细节缺失

它的问题不是简单噪点，而是：

• 全局亮度变化
• 局部对比度下降
• 深度相关退化
• 颜色饱和度降低

所以去雾模型要更关注全局结构和颜色恢复。

三、整体方案

本文实现一个轻量 DehazeUNet：

h