Las imágenes capturadas bajo condiciones climáticas adversas a menudo sufren de texturas borrosas y colores apagados, lo que puede afectar la extracción de información confiable. El desempañado de imágenes ha surgido como una solución crítica en visión por computadora para mejorar la calidad visual de dichas imágenes con neblina. Sin embargo, aún falta realizar estudios exhaustivos que consoliden tanto técnicas de desempañado basadas en algoritmos tradicionales como en aprendizaje profundo. Este artículo presenta una encuesta exhaustiva de las técnicas de desempañado actualmente propuestas. Específicamente, primero proporcionamos una clasificación fundamental de los métodos de desempañado: técnicas tradicionales (incluyendo enfoques de mejora de imagen y desempañado basado en modelos físicos) y algoritmos de aprendizaje profundo (como modelos basados en redes y modelos basados en estrategias de entrenamiento). Luego nos adentramos en una discusión detallada de cada clasificación, presentando varios métodos representativos de eliminación de niebla en imágenes. Finalmente, resumimos sus principios subyacentes, ventajas, desventajas y damos las perspectivas para el desarrollo futuro.