户外空气中经常会有大量的水蒸气和微尘等颗粒物,这些颗粒物会导致光在传输过程中被折射、散射、吸收从而损失大量能量。自然界中的雾、灰霾等天气现象就是由于这种原因而产生的。户外拍摄的图像经常由于雾、灰霾等天气导致场景光在传输过程中能量衰减,图像对比度下降。对有雾图像进行去雾处理提高图像质量是对图像进行进一步处理和利用的必需步骤,具有非常重要的价值。目前已有的图像去雾算法可以分为两类,一类采用多幅图像或者需要人为提供场景深度信息,这类方法由于需要大量人为提供信息而不具有广泛使用的价值。另一部分去雾算法首先基于暗通道先验知识得到一幅粗糙的图像深度信息图,然后通过进一步滤波来得到精确的深度信息。这类算法能得到较好的去雾效果,但是由于对整幅图像进行滤波,所以耗费时间较长,不能进行实时去雾。本文主要分析了基于暗通道先验知识的去雾算法,并和其他去雾算法进行对比,在此基础上提出了一种基于暗通道先验知识的实时图像去雾算法。通过分析,我们发现粗糙雾浓度信息图的平滑部分是不需要滤波处理的,只有边缘部分的值由于误差太大而需要滤波处理。在此基础上,本论文提出了一种通过分析粗糙雾浓度信息图和单点暗通道信息图绝对差方法来得到粗糙信息图中需要进一步处理区域的位置信息,然后对这些位置的雾浓度信息重新估计,该方法大大减少了滤波计算量。跟已有算法比较,在保证去雾效果的前提下,该算法比已有算法速度提高28倍以上。