如何去除风景照片中的雾气和薄雾：AI去雾与清晰度还原
了解如何使用AI增强工具去除风景照片中的雾气与薄雾。恢复对比度，还原褪色的色彩，锐化细节，并保持自然的深度感，获得清晰生动的风景图像。
Content Lead
审稿人 Magic Eraser Editorial ·
雾气是风景摄影中最常见的困扰。你驱车数小时到达一处观景台，找到完美的构图，等待合适的光线。然而最终的照片与你肉眼所见完全不同。那些曾经显得湛蓝而富有层次感的远山，透过一层乳白色的面纱几乎无法辨认。下方翠绿的山谷已褪为苍白、饱和度尽失的色调。原本营造出强烈深度感的重重山脊线，已融合成一片平坦的灰色平面。你的相机记录下了你的大脑所过滤掉的雾气。结果就是一张令人失望的图像，无法传达你亲历场景的壮丽。
这一问题背后的物理原理已被充分理解。雾气散射——由水汽颗粒、尘埃、污染物以及空气中的温差引起——将来自天空的光线偏转到相机与被摄物体之间的路径中。这些散射光为场景中的一切蒙上了一层白色或蓝灰色的覆盖层，且这种效果随距离增大而增强。五英里外的山峦承受中等程度的雾气覆盖；二十英里外的山峦则可能几乎不可见。相机忠实地记录了这一物理现实，尽管你在现场的大脑能够进行补偿，感知到相机无法清晰捕捉到的远处细节。
AI照片编辑工具能够以惊人的精度逆转雾气散射的效果。AI Enhance分析图像中不同景深处的雾的密度，并应用渐变校正，移除散射光覆盖层，同时保留赋予风景以尺度感的自然雾气透视。AI Filter随后精细调整雾感和色彩调性，确保去雾后的效果自然而非过度处理。本指南涵盖了为有雾的风景照片恢复清晰度的完整工作流程，同时保持使风景摄影出色的深度感和氛围。
- AI Enhance分析不同景深处的雾密度，并应用渐变校正以恢复清晰度。
- 色彩饱和度恢复带回了被大气散射所冲淡的生动绿色、蓝色和大地色调。
- 选择性去雾在深远处保留一定的雾气透视，以保持自然的深度感知。
- AI锐化恢复了因光散射而模糊的边缘定义，且不会产生人工光晕或振铃效应。
- AI Filter对去雾后的雾感进行精细调整，产生自然而非临床处理般的效果。
理解大气雾霾以及相机为何与人眼捕捉得不同
你的有雾风景照片看起来比你在现场看到的更差，这并非相机局限，而是一种大脑的局限——在最积极的意义上。你的视觉系统通过对比度适应、色彩恒常性和注意力驱动的增强，主动补偿雾气散射。当你注视远处的一座山时，你的大脑会增强感知到的该山的对比度和色彩。你感知到那座山是一个清晰、细节丰富、偏蓝色的物体。你的相机没有这样的机制。它同等记录到达传感器的每一个光子，包括镜头与山之间所有被散射的雾光。
三种雾气条件会在风景照片中产生可见的雾霾。最常见的是湿气雾，空气中的水蒸气散射光线。这会产生一层白色或淡蓝色的面纱，随距离增大而大幅增厚，在夏季高温、靠近大片水域以及热带气候中最严重。第二种是污染雾，常见于城市和工业区附近。它给散射光增添了黄褐色的色调，即使在原本晴朗的日子里也可能遮挡视线。第三种是热雾，由地面附近空气层的差异加热引起，除对比度损失外还会产生闪烁扭曲。在沙漠景观和阳光加热的路面长距离上方最为明显。
每种雾对AI增强的反应不同。湿气雾最容易校正，因为散射相当均匀，且底层场景细节保留在白纱之下。污染雾在去雾之外还需要色彩校正，因为散射粒子引入了色偏，在对比度恢复后仍然存在。热雾最具挑战性，因为它包含实际的光学畸变——闪烁、波动——这是像素位置的位移而不仅仅是一层覆盖。AI工具能处理所有三种类型，但对每种设定切合实际的期望可以避免当热雾校正无法完全逆转畸变成分时的失望。
- 你的大脑通过对比度适应主动补偿雾气；相机则忠实地记录雾气。
- 湿气雾产生蓝白色面纱，在夏季和靠近水域时最为严重——最易校正的类型。
- 污染雾引入黄褐色色偏，需要在去雾后进行色彩校正。
- 热雾在对比度损失之外还增加了光学畸变，使其成为最难完全逆转的类型。
深度感知去雾：恢复清晰度而不扁平化场景
有效去雾与粗放去雾之间的关键区别在于深度感知。简单的对比度增强或清晰度滑块对图像中的每个像素应用相同的校正。前景的岩石与远处的山峦获得同样的处理。这会产生不自然的结果，因为前景原本就没有严重起雾。增加其对比度使其看起来生硬且过度处理，而远处的背景可能仍未得到充分校正。图像最终前景校正过度而背景校正不足。
AI Enhance将去雾视为一个随深度变化的问题。模型基于多种线索估计图像中元素的相对距离：随距离增加的雾亮度、向蓝白色的色偏移、细节的损失以及场景几何结构。凭借这一深度图，AI对远处元素应用更强的去雾处理，对靠近相机的元素逐渐应用较轻的校正。二十英里外的山脊获得激进的对比度和饱和度恢复。五英里外的山丘获得中等校正。前景的巨石和树木获得最小调整，因为它们几乎未受雾气散射的影响。
这种深度渐变的方式保留了雾气透视所提供的自然尺度感。在物理世界中，更远的物体自然显得更亮、对比度更低。这是我们的视觉系统在大尺度景观中感知深度的方式。一种完全平坦的去雾使所有深度平面具有相同的对比度，实际上破坏了深度感知，使图像看起来像是一幅不同比例的剪裁元素拼贴画，而非一片逐渐退远的景观。AI的深度感知校正恢复了清晰度，同时不消除那些赋予风景摄影三维空间感的深度线索。
- 简单的对比度增强导致前景校正过度而背景校正不足。
- AI Enhance根据大气线索估计场景深度，并相应地应用渐变校正。
- 对远处元素应用更强的校正；前景元素获得最小调整。
- 深度渐变去雾保留了营造三维空间感的大气透视。
色彩恢复：找回被雾气冲走的调色板
雾气不仅降低对比度——它还通过向场景中的每种颜色添加白光来降低饱和度。一片翠绿的森林变成苍白褪色的绿色。深蓝色的山脉变成浅灰蓝色。裸露岩层的温暖大地色调褪为柔和的棕褐色。随着雾气随距离增强，色彩逐渐失去饱和度，直到最远的元素几乎成为单色——各种白色和灰色的色调，仅带有原色的痕迹。恢复这种色彩是AI去雾最令人满意的方面之一，因为从褪色的灰色场景到生动、全调色板的景观的变化是戏剧性的。
AI Enhance通过去除雾气引入的附加白光成分来恢复色彩。不是简单地均匀提升饱和度——这会将色彩推向不自然的过度饱和——AI计算每个深度层级存在多少散射白光并将其减去。这在数学上比任何手动色彩调整都更接近于逆转物理散射过程。恢复后的色彩相对于场景是准确的，而非任意提升：在秋日光照下实际呈黄绿色的森林不会被推向原始场景中从未存在的人工翠绿色。
一个重要的细微差别是，雾气对短波长的散射比长波长更严重。这与使天空呈现蓝色的瑞利散射是同一原理。因此，远处物体首先失去暖色调并呈现蓝色偏。AI去雾在纠正整体去饱和的同时也纠正了这种波长相关的偏移，恢复了远处岩面的温暖大地色调和森林覆盖的山坡上的自然绿色变化。校正后的图像拥有跨越暖色到冷色范围的完整自然调色板，而非有雾原片所呈现的偏向蓝色的狭窄范围。
- 雾气通过添加散射白光降低色彩饱和度；远处元素几乎变成单色。
- AI色彩恢复减去散射光成分，而非简单地提升饱和度。
- 瑞利散射导致远处物体出现蓝色偏移，AI校正可逆转这一现象。
- 恢复的色彩是对场景准确的，而非任意提升，保留了自然调色板的变化。
保留雾感：去雾与过度处理的区别
成功去雾后的诱惑是将校正推到极致——让每一个远处的山峰都锐利无比，每一种色彩都像明信片一样鲜艳。这会产生技术上令人印象深刻但情感上空洞的图像。风景照片不是地形图。让山川远景引人入胜的部分原因，是你与远处山脊线之间的广阔空间感，而雾气——适度存在时——正是我们感知那种距离的一部分。去除每一丝雾气透视可能使二十英里的视野感觉像是一个缩微模型。
目标不是零雾气，而是正确的雾气。即你大脑在现场会感知到的量，而非相机记录的量。这意味着在最深的背景中保留一些雾的光亮，同时恢复前景和中景的完全清晰度。AI Filter通过让你在技术去雾校正之后应用雾感调整来帮助实现这一平衡。为傍晚拍摄的场景增加一丝暖色调，为清晨山景增添冷蓝色调，或为最深的背景加一层柔和的淡出，承认广阔距离的存在而不遮挡细节。
将你去雾后的结果与你对场景的记忆进行比较，而非与技术理想进行比较。如果远处的山峦看起来和前景的巨石一样近且对比度相当，那么你可能校正过度了。如果你仍然能检测到从前景到背景微妙的亮度渐变，最远端的细节逐渐柔和，那么结果很可能是自然的。AI工具赋予你去除雾气的能力；艺术判断告诉你该去除多少。最好的风景照片位于技术校正与情感真实感的交汇处。
- 最大程度的去雾产生技术上清晰但情感上扁平的图像，缺乏广阔距离感。
- 目标是感知上正确的雾气——你的大脑所感知到的，而非相机记录的或零雾气。
- AI Filter在技术去雾后应用雾感调整，以恢复氛围而不遮挡细节。
- 最佳效果保留从前景到背景的微妙渐变，自然地承认距离的存在。
锐化被雾气柔化了的场景细节
除了对比度和色彩之外，雾气通过散射相机与被摄物体之间的光线来物理柔化图像细节。到达传感器的每一个光子都有一定的概率被雾气粒子散射偏离原路径。这意味着来自远处岩面锋利边缘的一个光点，到达传感器时已成为略微扩散的模糊斑。将这一效果乘以数百万个光子和数英里的空气，那些在洁净空气中本应锐利无比的远处细节变得柔和而模糊。即使在通过去雾恢复了对比度和色彩之后，这种柔化仍然存在。图像可能有正确的亮度和色彩，但仍缺乏在晴朗天气拍摄的照片的清晰感。
AI Enhance通过内容感知锐化来解决这种柔化问题，该锐化在去雾校正之后应用。AI识别图像中边缘和纹理的类型——岩面、树冠、水面、建筑线条——并应用针对每种材质类型优化的锐化算法。岩石边缘沿其天然裂缝线锐化。树冠接受纹理恢复，带回个别的枝干和叶片细节。水面被锐化以恢复涟漪的清晰度，同时不引入涟漪之间平滑色调渐变中的噪点。
应用于前景与背景的锐化强度应有所不同。AI Enhance通过与去雾所使用的相同的深度估计来自动处理这一问题。前景元素获得完全锐化，因为它们仅被雾气轻微柔化。中景元素获得中等锐化。背景元素获得最轻柔的锐化处理——足以恢复一些定义，但不过度以在极远处产生不自然的清晰感。这种渐变锐化与渐变去雾相结合，产生从背景到前景自然改善的清晰度，仿佛同一场景在洁净空气中的真实呈现。
- 大气散射通过偏转光子物理柔化细节，这种柔化在对比度恢复后仍然存在。
- 内容感知锐化对岩石、植被、水面和建筑应用不同的算法。
- 渐变锐化与渐变去雾相匹配——背景轻触，前景完全校正。
- 最终效果模拟同一场景在洁净空气中的呈现方式，而非看起来经过数字处理。
参考资料
- Single Image Haze Removal Using Dark Channel Prior — IEEE Transactions on Pattern Analysis and Machine Intelligence
- Atmospheric Scattering and Its Effects on Landscape Photography — Cambridge in Colour
- Color Theory in Landscape Photography: Managing Atmospheric Perspective — B&H Explora