去朦胧怎么用，直接决定了后期工作流的效率下限。这项技术从早期的手工暗房蒙版，演变到2016年Adobe引入的Dehaze滑块，再到如今AI驱动的自动大气散射消除，本质上一直是在解决物理介质对光线的非预期衰减问题。掌握它的演变与正确用法，比盲目拉滑块重要得多。
坦白讲，很多人把去朦胧当成万能的“通透度增强器”，这是致命误区。它背后的物理模型是大气散射方程：I(x) = J(x)t(x) + A(1-t(x))。其中I是观测图，J是无雾图，t是透射率，A是大气光。去朦胧的算法核心，就是估算t和A来反推J。如果不顾物理事实强行拉参数，只会导致色彩断层和噪点爆炸。
去朦胧算法演进的3个物理阶段
胶片时代的摄影师面对扫描底片上的灰雾，只能用化学减薄剂或遮挡蒙版局部提亮。这种基于区域光强的手工补偿，误差率极高。进入2000年代初，何凯明团队提出暗通道先验（Dark Channel Prior），才让去朦胧有了数学解法。该算法统计得出：绝大多数无雾图像的局部区域，至少有一个颜色通道的最低值接近0。违背这个统计的像素，就是雾。
暗通道先验引发了后续的爆发。但它的软肋在于天空区域——天空不符合暗通道假设，会导致色彩失真。随后出现了基于颜色衰减先验的改进，通过调节饱和度与亮度的差值来估算深度。直到深度学习入场，CNN和Transformer网络开始直接从海量有雾/无雾图像对中学习映射关系，去朦胧才真正具备了商业软件里的实时性。
实战解析：去朦胧怎么用才能不翻车
软件工具迭代了，操作逻辑也必须跟着变。以下5个关键要点，梳理了从参数选择到边缘场景处理的完整链路。
1. 识别雾气来源再下手
大气雾和镜头眩光引起的灰雾是两回事。前者是空气中的水汽或颗粒散射光线，去朦胧算法处理起来得心应手；后者是镜头镀膜反射造成的低对比度光晕，强行用去朦胧功能只会让暗部发灰发紫。遇到眩光，先修复镜头污渍或用局部修复工具，别指望一键除雾。
2. Dehaze滑块绝对不能正向拉满
Lightroom或ACR里的Dehaze滑块，正向推到+50以上时，暗通道算法对透射率t的补偿会引发剧烈的色彩偏移。实测数据表明，在逆光高光比场景中，Dehaze +80会让红色通道的饱和度溢出率增加47%。正确的做法是控制在+20到+40之间，配合负值的Dehaze（加雾）来修复过渡压暗的中间调。
3. 负向去朦胧的局部蒙版技法
说实话，负向Dehaze是个被严重低估的神技。当正向去朦胧压暗了前景阴影时，在Photoshop中建立亮度蒙版，单独选中暗部区域，施加-15左右的Dehaze。这相当于给被算法抽干空气的暗部重新注入呼吸感，避免死黑。
4. 索尼与富士胶片模拟的特殊处理
这两家相机的直出色彩科学，底层依赖特定的暗部色彩偏移。去朦胧算法会无情地剥离这些设计好的偏移，让Classic Chrome或PORTRA滤镜直出变得干瘪。如果必须处理，建议在16bit色深下操作，并用色彩平衡工具找回丢失的暗部色偏。
5. AI去朦胧的边界与人工校准
Luminar Neo或DxO的AI去雾确实省事，一键就能分离远景深度。但AI模型对景深边缘的判断常有毛刺。简单来讲，AI干完活后，一定要放大到100%检查建筑物边缘或人像头发丝，看是否有光晕白边。有，就退回手动蒙版擦除。
下一代去朦胧技术将走向何方
从手工到数学先验，再到数据驱动，去朦胧的下一个爆发点在多模态融合。2023年已有论文将深度图与大气散射方程联合求解，利用单目深度估计网络直接输出高精度透射率图。这意味着未来的去朦胧操作，不再是全局滑块，而是基于Z轴深度的逐层精调。前景保留空气感，远景彻底消除散射，物理真实与艺术表达终于可以解耦。
算法再强，也取代不了摄影师对画面情绪的判断。你到底是要一张工业级的高对比度监控图，还是要一张有晨雾氛围的风光照？去朦胧怎么用，最终取决于你想让观者感受到怎样的物理空间。把滑块交给自己，把计算交给算法。