透射率粗估计：

利用暗通道先验知识，根据雾天退化模型。

对雾天退化方程进行局部最小处理，三个通道独立执行，利用暗通道先验知识对三个通道之间进行最小值操作：

无雾图像的暗通道趋于零，大气光值Ac为常数：

可看作含雾图像暗通道的归一化，即透射率取值范围在0-1之间。

暗通道模块设计：首先对输入图像的三个颜色通道取最小值，然后在局部窗口进行最小值滤波处理得到暗通道图像。

最小值图像：通过RGB通道分离，逐点像素进行三通道最小值比较。该过程只需两个选择器就可以完成。

暗通道图像:对最小值图像进行最小值滤波，行缓存，窗口的行最小，列最小。最终输出窗口最小值得到暗通道图像。

透射率的细估计：

引导滤波的方法来细化透射率，该方法能够有效缩短算法时间。

引导滤波器与将灰度图像作为向导，使滤波输出更加凸显细节，并且与双边滤波器类似，具有良好的保边平滑特性，不存在梯度反转现象。

引导滤波方法以边缘细节较为突出的灰度图像作为引导图像I，p代表需要进行滤波的输入图像，q为经滤波后输出的图像。

在优化透射率时，粗估计的透射率为t，优化后的透射率为q。

引导滤波存在一个基本假设，即滤波后的输出是引导图像的局部线性变换：

ak和bk两个系数由I和p所决定，由引导图像和输入图像决定。 a决定梯度信息，b决定平滑权重。

输出图像的梯度信息和引导图像的梯度信息存在密不可分的联系

为了确定系数(ak,bk)，需要对输入p进行约束，减去干扰分量n可得：

为尽量减小q和p之间的差异，并且保持线性模型，构建带有正则项的岭回归

求解上式a，b在局部的值可得：

计算一个窗口的均值和方差，以及输入图像在局部窗口的均值。

对于引导滤波而言，共有两个输入端，其一为待滤波图像粗估计透射率t，其二为输入灰度图像I。

在计算引导图像均值、粗透射率均值、平方均值、引导系数a均值和引导系数b均值时都用到了均值滤波，因此需要在FPGA设计六个均值滤波处理。

需要设计6个均值滤波电路。整个引导滤波的数据存在小数，因此，需要对数据进行移位处理，当结束运算后再通过移位调整到原数值大小。

引导滤波大致可以分为两步进行设计：均值滤波的硬件电路设计以及求取引导参数a、b

均值滤波通过行数据求和列数据求和平均运算做输出，通过行缓存实现流水线设计思想。