在雾天环境下,因为空气中大气的散射作用,拍摄到的图像会发生降质而变得模糊不清,造成图片的对比度降低,很多细节信息都无法获取,从而影响监控系统等各类依赖于光学成像仪器的系统工作。为了去除雾气产生的影响,复原出图像的细节信息,使用图像去雾技术来增强或修复图像具有深刻的研究意义。随着技术的不断进步和图像清晰度的提高,在PC机使用软件实现图像去雾已经不能满足要求,FPGA的发展为其注入了新的活力。然而在FPGA上对图像去雾进行实现时仍然存在着效果上的瓶颈以及实现复杂等问题。本文对去雾算法和FPGA设计进行了深入研究,对去雾算法进行改进,最终在FPGA上实现了改进后的算法。首先,本文介绍了基于图像增强的图像去雾方法与基于物理模型的图像去雾方法,分析了两者的优点和瓶颈,最终选择了基于物理模型的暗通道先验图像去雾算法来恢复得到清晰图像。由于该算法存在着使用的软抠图算法过于复杂,以及有些步骤不适合在FPGA上实现的问题,在具体实现时会限制处理的速度并且浪费珍贵的硬件资源,因此本文在对原算法充分研究的基础上进行了进一步的改进。在保证去雾效果的前提下,本文对其中的某些步骤和操作进行了优化和简化。其中,为了使透射率计算和大气光估计在硬件上实现起来更加快速方便,同时节约硬件资源,对它们的计算过程分别进行了简化;针对光晕现象以及用于去除光晕的软抠图算法过于复杂的问题,着重对其它细化透射率的方法进行了研究,最终确定了导向滤波和结合边缘检测两种方法进行进一步的选择。在软件平台上对以上两种方案进行了实现和仿真,并通过主观感受和客观评价的方法对它们的去雾结果进行了比较。最后选择利用导向滤波的方法细化透射率,进而对图像进行恢复。通过以上过程确定了本文中图像去雾算法的基本流程。最后,本文在FPGA上实现了改进后的图像去雾算法。以FPGA芯片作为核心处理器,在保持去雾效果的前提下,针对FPGA的特点,充分发挥其优势,使用基于FPGA的实现优化方法,实现了暗通道获取、透射率计算、大气光估计以及最终图像恢复等多个模块的硬件逻辑,尽可能地减少了计算复杂度并节省了资源。其中重点对暗通道获取中的最小值滤波部分与细化透射率中的导向滤波部分的实现进行了讨论和分析,并对图像的边界部分进行了设计。然后对各模块的功能进行了验证,并对实际的有雾图像进行了去雾处理。