图像去雾算法优化：改进的对比度增强方法

图像去雾是计算机视觉领域中一个重要的任务，旨在从雾化图像中恢复出清晰的场景细节。对比度增强是一种常用的图像增强技术，它可以改善图像的视觉感知和细节信息。本文将介绍一种改进的对比度增强算法，用于图像去雾，并提供相应的源代码。

算法步骤如下：

步骤1：输入雾化图像
首先，我们需要输入一张雾化的图像，该图像包含了被大气雾霾影响的场景。

步骤2：估计全局大气光照
为了去除图像中的雾气，首先需要估计全局大气光照。这可以通过计算图像中最亮区域的像素值来实现。我们可以使用以下公式进行估计：

A = max(p(x, y)), (x, y) ∈ Ω

其中，A表示估计得到的全局大气光照值，p(x, y)表示图像中像素点(x, y)的值，Ω表示图像中的所有像素点。

步骤3：计算透射率
接下来，我们需要计算每个像素点的透射率，它表示该像素点受雾气影响的程度。透射率可以使用以下公式计算：

t(x, y) = 1 - w * min{r(p(x, y))/A, t_max} 

其中，t(x, y)表示像素点(x, y)处的透射率，r(p(x, y))表示像素点(x, y)处的原始值，w是一个权重参数，t_max是透射率的最大值。

步骤4：恢复原始图像
最后，我们可以通过将透射率应用于原始图像来恢复去雾图像。可以使用以下公式来计算去雾后的像素值：

q(x, y) = (p(x, y) - A) / max(t(x, y), t_min) + A

其中，q(x, y)表示去雾后的像素值，