暗通道最早是由He提出的，并且也发展得很快，具体的在这里不说，这篇文章，只是谈一下暗通道去雾的实现过程
1.该方法最原始的模型是I=Jt+A(1-t)，这个模型在我的其他文章中有详细介绍，这里不详细讲解。
可以看出带有雾的图像的I是由没有散射的原图像J和大气光(air light)共同组成的。这里刚好看到t，1-t和为1，实则不然，只是凑巧这样，原作者有详细的推导，这个是推导而来并非为了凑和为1。
2.看了上面的模型进一步会想，要是我们把t变为1，不就I=J，完事了么……理论上是这样的，不过一般给你的图像都是拍好的，你要想t=1，那你得找没有雾的图，没有雾的图你去啥雾。在这里我们不是改变t的值，而是对t进行求解。
3.为了求t，He老大的暗通道出现了，他发现一个规律，在没有雾的图像中，图像的RGB通道，总会有一个通道的值偏低。该区域的最小值是一个很小的值。颜色鲜艳和阴影都会表现出暗通道极小的值。下图是选了三通道最小值后又做了个最小值滤波。
4.J=0，你有没有看出点什么。我们未知参数就只有一个t了。
通过上面的公式我们的t就求出来了，t出来了我们真实的J就可以求解出来了。
5.这里说明几个问题
①求出的t咋用？这里说明一点，在图像中，不同点的t是不同的，因此每个区域都有一个t，把t的矩阵带入到最上面即可。
②大气光A怎么求？首先从暗通道图像中按照亮度的大小提取最亮的前0.1%像素。然后，在原始有雾图像II中寻找对应位置上的具有最高亮度的点的值，并以此作为AA的值。
③三个通道怎么处理呢？一个一个处理，t是一样的，只是不同的Ic和Ac……（c：R、G、B）
④网上提到了soft matting和导向图是用来干啥的？咱们用最小滤波出来的暗通道会是一块一块的，那么咱们的t估计也好不到哪去…………为了得到更好地t，我们就要优化我们的暗通道图。He最初用soft matting……网上的评论一致认为很慢，我没试，也就不说了。导向图是用来替代soft matting的，也是听他们说很快。
