这篇基于暗通道先验的去雾算法，是何恺明大神 2011 年左右的一篇论文。
在计算机视觉和图形学中，会用如下公式来描述模糊图片（hazy image）：
I 表示为获得的图片或者强度，或者说是待去雾的图片；J 表示场景光辉，或者说是要恢复的无雾的图片；A 表示地球大气中光的成分；t 表示非散射光到达相机部分的介质传输。而去雾的目的就是从 I 中恢复 J，A 和 t。
在大多数非天空的图像块中，至少有一个颜色通道具有一些这样的像素：像素的亮度非常低，接近于零。也就是说，在这样的一个块（patch）中，最小的强度接近于零。
下面是数学方面关于暗通道（dark channel）的定义，对于任意的图像 J，其暗通道 Jdark 的公式如下所示：
Jc 表示 J 的其中一个颜色通道；Ω(x) 表示是 x 中的一个局部图像块。暗通道的结果就是两个最小操作：首先求出每个像素 r，g，b 分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定。
利用暗通道的概念，观察表明，如果 J 是室外无雾图像，除了天空区域，J 的暗通道强度较低，趋于零:
所以称这个观察发现为暗通道先验。
为了证明暗通道先验。作者随机收集了 5000 张室外和城市景观的图片（考虑到雾霾大部分发生在室外），并裁掉了包含天空的部分，然后调整成 500x500 大小，并使用 patch size = 15 来计算其暗通道。
上图是验证的结果，可以说明暗通道先验具有普遍性。
有了暗通道先验的理论知识，下面就是利用该理论来进行去雾处理。
此时，假设 A 是给定的，具体的 A 的取值会在后面说明。接下来对公式 (1) 进行整理转换可以得到：
需要注意的是，该公式是针对每个颜色通道的，所以用 Ic 表示。
然后再假设 Ω(x) 是一个常数，并将 t(x) 用 t̄(x) 来表示。然后在公式 (7) 两边计算计算暗通道，最后两边进行最小值操作：
因为 t̄(x) 是常数，所以可以将其提取出来。
因为 J 为无灰度图像，即待求的图像，根据之前的暗通道理论，J 的暗通道接近于零:
又因为 Ac 总是为正，所以有：
将公式 (10) 代入到 公式 (8)，可以得到：
这样就可以根据已知的 I 和给定的 A 来求得 t(x)，继而就可以求得 J 了。
In practice, even on clear days the atmosphere is not absolutely free of any particle. So the haze still exists when we look at distant objects. Moreover, the presence of haze is a fundamental cue for human to perceive depth [13], [14]. This phenomenon is called aerial perspective. If we remove the haze thoroughly, the image may seem unnatural and we may lose the feeling of depth.
实际上，即使在晴朗的日子，大气中也并非完全没有任何粒子。所以当我们看远处的物体时，雾气仍然存在。此外，雾气的存在是人类感知深度的基本线索。这种现象被称为空中透视。如果彻底去除雾气，图像反而可能会看起来不自然，而且也会有失去深度的感觉。
所以在公式 (11) 中加入一个范围在 [0, 1] 的因子 ω：