CN102609909A - 一种单幅图像去雾方法及装置 - Google Patents
一种单幅图像去雾方法及装置 Download PDFInfo
- Publication number
- CN102609909A CN102609909A CN2012100113265A CN201210011326A CN102609909A CN 102609909 A CN102609909 A CN 102609909A CN 2012100113265 A CN2012100113265 A CN 2012100113265A CN 201210011326 A CN201210011326 A CN 201210011326A CN 102609909 A CN102609909 A CN 102609909A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- mist
- template
- template window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明适用于数字图像处理技术领域,提供了一种单幅图像去雾方法及装置,所述方法包括下述步骤:利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图;获取所述有雾图像的整体大气光值;根据所述有雾图像的暗像素图及整体大气光值,获取大气传输透射率的分布图;根据所述整体大气光值、所述大气传输透射率的分布图及去雾表达式,对所述有雾图像进行处理,得到去雾后的复原图像。本发明能够自适应获取每个像素点对应的模板窗口,根据最小方差对应的模板窗口获取对应像素点的暗像素,且在预设区域内估计出整体大气光值,再结合雾图成像模型、去雾表达式等,实现了在保证去雾效果的前提下,大大降低了计算量和存储量,提高图像处理效率等。
Description
技术领域
本发明属于数字图像处理技术领域,尤其涉及一种单幅图像去雾方法及装置。
背景技术
目前,图像去雾算法大致可以分成基于多幅的图像去雾算法和基于单幅图像的去雾算法。基于多幅图像的去雾算法是基于不同天气条件下的拍摄的同一场景的多幅图像来实现去雾算法,该算法需要等到天气条件发生改变才能获得两幅图像,在时间上有很大的限制,一般适合视频监控的场景。基于单幅图像的去雾算法由于对输入的要求比较低,或附加少量的信息就可以实现图像清晰化,故越来越受到人们的重视。目前,效果最好的基于单幅图像去雾的算法是何凯明等提出的基于暗原色先验知识的单一图像去雾方法,该算法提出了一种新的先验知识——暗原色(Dark channel prior)。暗原色先验来自对户外无雾图像数据库的统计规律,基于经观察得到的一个关键事实——绝大多数的户外无雾图像的每个局部区域都至少存在一个颜色通道的值很低的像素。利用该先验知识估算出光线的传输率,并通过软抠图修复算法(soft matting)对传输率进行修复,最后利用大气成像模型求解出场景辐射亮度。
虽然暗原色先验方法在单幅图像去雾方面取得了很大的进步,但是在实际使用过程中,soft matting算法使得整个处理过程比较耗时,而且需要大量的存储资源,限制了该方法的应用和推广。
发明内容
本发明实施例的目的在于提供一种单幅图像去雾方法及装置,旨在解决由于在利用现有图像去雾方法进行图像去雾处理时,花费时间长、计算量大、占用存储资源多的问题。
本发明实施例是这样实现的,一种单幅图像去雾方法,所述方法包括下述步骤:
利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图;
在预设区域内获取所述有雾图像的整体大气光值;
根据所述有雾图像的暗像素图及所述整体大气光值,获取大气传输透射率的分布图;
根据所述整体大气光值、所述大气传输透射率的分布图及去雾表达式,对所述有雾图像进行处理,得到去雾后的复原图像。
具体地,所述预设个数的模板窗口为M个N*N的模板窗口,M取大于1的整数,N取包括3以上的奇数,所述M个N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
进一步地,利用所述M个模板窗口及图像像素值,获取有雾图像的暗像素图的步骤具体包括:
判断有雾图像中的任一像素点是否位于预设范围内;
当所述任一像素点是位于该预设范围内时,利用所述M个模板窗口,获取有雾图像中所述像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
利用所述最小方差所对应的模板窗口,获取所述像素点的暗像素,进而获取有雾图像中预设范围内的所有像素点的暗像素值;
当所述任一像素点不是位于所述预设范围内时,根据有雾图像中预设范围外的所有像素点的像素值,获取所述预设范围外的所有像素点的暗像素值。
进一步地,利用所述M个模板窗口,获取有雾图像中所述像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口的步骤具体包括:
根据预设的模板均值表达式及所述M个模板窗口,获取所述任一像素点在所述M个模板窗口中所对应的M个模板均值;
根据所述任一像素点的M个模板均值及预设的模板方差表达式,获取所述任一像素点的M个方差;
获取所述M个方差中最小方差所对应的模板窗口。
具体地,所述预设区域是指从所述有雾图像中预设的一行像素至图像的最上方一行像素的区域范围,所述去雾表达式为:
其中,x表示图像中的任一像素点,I(x)表示有雾图像,J(x)为复原图像,t(x)表示大气传输透射率,A表示整体大气光值,t0取值为0.1。
本发明实施例的另一目的在于提供一种单幅图像去雾装置,所述装置包括:
暗像素图获取单元,用于利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图;
大气光值获取单元,用于在预设区域内获取所述有雾图像的整体大气光值;
透射率分布图获取单元,用于根据所述有雾图像的暗像素图及所述整体大气光值,获取大气传输透射率的分布图;以及
图像复原单元,用于根据所述整体大气光值、所述大气传输透射率的分布图及去雾表达式,对所述有雾图像进行处理,得到去雾后的复原图像。
具体地,所述预设个数的模板窗口为M个不同的N*N的模板窗口,M取大于1的整数,N取包括3以上的奇数,所述M个不同的N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
进一步地,所述暗像素图获取单元具体包括:
判断单元,用于判断有雾图像中的任一像素点是否位于该预设范围内;
模板获取单元,用于当所述判断单元输出结果为是时,利用所述M个模板窗口,获取有雾图像中预设范围内的任一像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
第一暗像素值获取单元,用于利用所述最小方差所对应的模板窗口,获取所述像素点的暗像素,进而获取有雾图像中预设范围内的所有像素点的暗像素值;以及
第二暗像素值获取单元,用于当所述判断单元输出结果为否时,根据有雾图像中预设范围外的所有像素点的像素值,获取所述预设范围外的所有像素点的暗像素值。
进一步地,所述模板获取单元具体包括:
均值获取单元,用于根据预设的模板均值表达式及所述M个模板窗口,获取所述任一像素点在所述M个模板窗口中所对应的M个模板均值;
方差获取单元,用于根据所述任一像素点的M个模板均值及预设的模板方差表达式,获取所述任一像素点的M个方差;以及
模板获取单元,用于获取所述M个方差中最小方差所对应的模板窗口。
具体地,所述预设区域是指从所述有雾图像中预设的一行像素至图像的最上方一行像素的区域范围,所述去雾表达式为:
其中,x表示图像中的任一像素点,I(x)表示有雾图像,J(x)为复原图像,t(x)表示大气传输透射率,A表示整体大气光值,t0取值为0.1。
本发明实施例通过利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图,获取该有雾图像的整体大气光值,根据该有雾图像的暗像素图和该整体大气光值,获取大气传输透射率的分布图,最终根据该整体大气光值、该大气传输透射率的分布图及去雾表达式,对该有雾图像进行处理,得到去雾后的复原图像,解决了现有利用图像去雾方法进行图像去雾处理时,花费时间长、计算量大、占用存储资源多的问题,从而有效地减少了计算量与存储量,减少了去雾处理时间,且保证了对有雾图像的去雾效果。
附图说明
图1是本发明第一实施例提供的单幅图像去雾方法的实现流程图;
图2是本发明第一实施例提供的获取最小方差所对应的模板窗口实现流程图;
图3是本发明实施例提供的单幅图像去雾方法中9种模板窗口的示意图;
图4是本发明第二实施例提供的单幅图像去雾装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例根据获取到的模板窗口及图像的像素值,得到需要处理的有雾图像的暗像素图,并获取该有雾图像的整体大气光值、大气传输透射率的分布图等,根据去雾表达式得到去雾后的复原图像。本发明能在保证去雾效果的前提下,使得图像去雾处理所花费的时间减少、计算量及占用存储资源降低。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明第一实施例提供的单幅图像去雾方法的实现流程,详述如下:
在步骤S101中,利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图。
其中,该预设个数的模板窗口为M个不同的N*N的模板窗口,该模板窗口中的值由0、1组成,M取大于1的整数,N取包括3以上的奇数,该M个不同的N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
该步骤S101具体包括:
判断有雾图像中的任一像素点是否位于预设范围内;
当该任一像素点是位于该预设范围内时,利用该M个模板窗口,获取有雾图像中该任一像素点在该M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
利用该最小方差所对应的模板窗口,获取该像素点的暗像素,进而获取有雾图像中该预设范围内的所有像素点的暗像素值;
当该任一像素点不是位于该预设范围内时,根据该有雾图像中预设范围外的所有像素点的像素值,获取该预设范围外的所有像素点的暗像素值。
其中,该预设范围内是指该模板窗口能够完全位于该有雾图像内时,该模板窗口中心点所处位置的范围,该预设范围外是指在该有雾图像中,除该预设范围外的范围。
在本发明实施例中,暗像素的提出是基于以下对清晰的户外图像观察的事实来实现:在不包括天空及灰白物体的绝大部分局部区域,至少有一个颜色通道具备很低的强度值,对于一幅无雾彩色的景物图像J,定义:
其中,c为R、G、B中的一个色彩通道,Ω(x)是中心在像素点x处的一个局部图像模块窗口,如N*N的模板窗口,Jc(y)是景物图像J中像素点y处、c为通道的亮度值,y处于该Ω(x)范围内。对于一幅没有雾霾的户外景物图像J,除了天空等灰白区域,Jdark的亮度非常小,经常趋于零,因此,称Jdark为图像J的暗像素,该公式(1)的物理意义在于获取在以x为中心的区域Ω(x)中,取所有像素点的R值、G值及B值中最小的值,该最小的值即为像素点x的暗像素值Jdark(x)。而暗像素与透射率存在一一对应关系,该透射率表示大气传输率,当景物深度突变时,透射率也将发生很大变化,所以,透射率在一个局部区域Ω(x)内并不总是恒定的,从而现有的利用固定模板窗口获取暗像素值计算出的透射率与实际值的偏差可能太大。
在本发明实施例中,该步骤S101中获取最小方差所对应的模板窗口的具体步骤可以称为自适应选择局部区域模板,能够很好地解决上述现有的利用固定模板窗口获取暗像素值从而得到的透射率与实际值偏大的问题。
如图2所示,当该任一像素点是位于该预设范围内时,利用该M个模板窗口,获取有雾图像中该任一像素点在该M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口步骤包括以下步骤S201、步骤S202及步骤S203,具体为:
在步骤S201中,根据预设的模板均值表达式及该M个模板窗口,获取该任一像素点在该M个模板窗口中所对应的M个模板均值。
在步骤S202中,根据该任一像素点的M个模板均值及预设的模板方差表达式,获取该任一像素点的M个方差。
具体地,可以预先设置多个或者说M个不同的N*N的模板窗口,此时N可以取包括3以上的奇数,以取M为9、N为5,也即取9个5*5的模板窗口为例,但不限于该模板窗口,则制作9种不同的窗口,此时不同的窗口的个数也可以根据用户实际需要设定。如图3(a)~图3(i)所示的该共9种不同的模板窗口,该9种不同形状的模板窗口中包括由值为1的点组成的4个五边形、4个六边形、1个边长为3的正方形,分别获取原有雾图像中预设范围内每个像素点的模板均值Mm及对应的方差δm,该获取方法分别如表达式(2)、(3),其中在该多个模板窗口内值为1的点以k表示,k=1,2,3,…,P,该P为每一模板窗口中值为1的个数,该值为1的点k在有雾图像中对应位置的像素值以I(i,j)表示,且若该有雾图像为灰度图像,则I(i,j)即为该k点对应灰度图像的亮度值,且若该有雾图像为彩色图像,则需要把该彩色图像转换为灰度图像,再获取该k点对应灰度图像的亮度值I(i,j):
从而,对于每一个像素点,根据均值表达式(2)、方差表达式(3)都可以获取该任一像素点的M个方差值。
在步骤S203中,获取该M个方差中最小方差所对应的模板窗口。
具体地,根据公式(2)、(3),对于每一个预设范围内的像素点,都可以获取多个方差,由于含有尖锐边沿的区域,方差必定较平缓区域大,因此,可以采用方差最小且该最小方差小于预设阈值thred_δ时的模板窗口Ω′(x)来计算图像的像素点x处的暗像素值,则该有雾图像中预设范围内的每一个像素点都对应着的该多个预设模板窗口中的一个较合适的模板窗口,即最佳模板窗口。如果实际处理过程中,出现多个相同的、且满足小于预设阈值的最小方差值,则可以随机选取任意满足该条件的一个最小方差所对应的模板窗口,从而利用该模板窗口Ω′(x)以及公式(1),将该模板窗口Ω′(x)在有雾图像上逐个像素滑动,就可以获取该有雾图像预设范围内每一点的暗像素值。
具体地,以Ω′(x)为图3(a)所示的模板窗口为例,在获取原有雾图像中像素点x处的暗像素值时,先将该模板窗口的中心点位置对应放置于该x处,则该模板窗口所覆盖的该有雾图像中的25个像素点组成中心点在x处的一个局部区域,也即Ω′(x),利用公式(1)求出该Ω′(x)范围内所有值为1的点所对应的原有雾图像的像素点在三个通道中最小的像素值,则以该最小的像素值表示x的暗像素值。根据该理论,利用该有雾图像中预设范围内的每一像素点对应的最佳模板窗口,可以得到有雾图像中预设范围内的所有像素点的暗像素值。该自适应选择最佳局部区域模板或称最佳模板窗口的方法能够避免复原图像时存在晕影,提高模板选取的灵活性,保证计算结果的准确性。
另外,对应原有雾图像中预设范围外的所有像素点,则可以将该预设范围外的每一像素点的R、G、B三个值中最小的值作为该像素点的暗像素值,从而获取到该预设范围外的所有像素点的暗像素值。
在步骤S102中,在预设区域内获取该有雾图像的整体大气光值。
其中,该预设区域是指从该有雾图像中预设的一行像素至图像的最上方一行像素的区域范围。
在具体实施过程中,该整体大气光值以A表示,为无穷远处的大气光,大气光的估计一般都将图像中最亮的像素值作为整体大气光值。然而在真实图像中,最亮像素所对应的物体可能是一辆白色的轿车或者是一栋白色的建筑等,在该有雾图像中,该整体大气光值一般用天空区域或雾浓度最大的点来估计,而天空区域一般位于图像的顶部,所以,可以用图像顶部具有最大亮度的像素值作为大气光值,具体地,对于一张拍摄得端正的雾天图像,天空区域一般位于图像的顶部,所以在实际估计整体大气光值时,通常选取图像顶部最大亮度值作为大气光值,这样能够排除图像中白色物体的干扰,可以更为准确地估计出整体大气光值A。
在步骤S103中,根据该有雾图像的暗像素图及该整体大气光值,获取大气传输透射率的分布图。
在具体实施过程中,雾图成像模型如方程(4)所示:
I(x)=J(x)t(x)+A(1-t(x)); (4)
其中,I(x)是指有雾图像,A是指整体大气光值,t用来描述光线通过媒介透射到照相机过程中没有被散射的部分,该强度包括像素R、G、B值,去雾的目标就是从有雾图像I中复原出无雾的景物图像J(x),理想情况下,J(x)也可以说是代表真实的、不存在雾干扰的景物光线的强度。
对上述方程(4)使用现有的最小运算法并进行简单的转换得到如下方程(5):
其中,c为R、G、B中的一个色彩通道,Ic(y)为有雾图像中像素点y在c通道下的值。因为对于无雾的景物图像J,其局部区域Ω′(x)内至少存在一个值趋向于0,也即:
而由于A(A是大于0、小于255)恒为正,得如下公式(7):
将公式(7)式代入方程(5),得到透射率t(x)的计算公式:
其中,是规格化的有雾图像Ic(y)的暗像素值。因此,可以利用有雾图像直接对大气传输透射率,也即透射率t(x)进行估计,同时为使目标图像具有一定的透视深度感,在上式(7)中加入一个参数ω(0<ω≤1),以保留少量的雾存在,如下公式(9):
具体地,利用上述公式可以获取整个大气传输透射率的分布图。
在步骤S104中,根据该整体大气光值、该大气传输透射率的分布图及去雾表达式,对该原有雾图像进行处理,得到去雾后的复原图像。
在具体实施过程中,在获取整体大气光值及大气传输透射率的分布图以后,利用去雾表达式可以获得去雾后的复原图像,该去雾表达式如公式(10)所示:
其中,x表示图像中的任一像素点,I(x)表示有雾图像,J(x)为复原的景物图像,t(x)表示大气传输透射率,A表示整体大气光值,t0取值为0.1。
在本发明实施例中,该单幅图像去雾方法通过预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图,根据获取到的该有雾图像的整体大气光值及暗像素图,获取大气传输透射率的分布图,最后根据该整体大气光值、该大气传输透射率的分布图及去雾表达式,达到获得清晰图像的目的,从而在保证去雾效果的前提下,省略了现有技术当中的计算量和存储量都很庞大的软抠图修复方法,并有效地降低了计算量,减少了存储资源及去雾处理所花费的时间,提高了图像去雾处理效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取的存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
实施例二:
图4示出了本发明第二实施例提供的单幅图像去雾装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
该单幅图像去雾装置包括暗像素图获取单元41、大气光值获取单元42、透射率分布图获取单元43以及图像复原单元44,其中:
暗像素图获取单元41,用于利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图。
其中,该预设个数的模板窗口为M个不同的N*N的模板窗口,该模板窗口中的值由0、1组成,M取大于1的整数,N取包括3以上的奇数,该M个不同的N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
在本发明实施例中,该暗像素图获取单元41具体包括:
判断单元411,用于判断有雾图像中的任一像素点是否位于该预设范围内;
模板获取单元412,用于当该判断单元411输出结果为是时,利用该M个模板窗口,获取该有雾图像中该任一像素点在该M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
第一暗像素值获取单元413,用于利用该最小方差所对应的模板窗口,获取该像素点的暗像素,进而获取有雾图像中预设范围内的所有像素点的暗像素值;以及
第二暗像素值获取单元414,用于当该判断单元411输出结果为否时,根据有雾图像中预设范围外的所有像素点的像素值,获取该预设范围外的所有像素点的暗像素值。
其中,该预设范围内是指该模板窗口能够完全位于该有雾图像内时,该模板窗口中心点所处位置的范围,该预设范围外是指在该有雾图像中,除该预设范围外的范围。
该模板获取单元412具体包括:
均值获取单元,用于根据预设的模板均值表达式及该M个模板窗口,获取该任一像素点在该M个模板窗口中所对应的M个模板均值;
方差获取单元,用于根据该任一像素点的该M个模板均值及预设的模板方差表达式,获取该任一像素点的M个方差;以及
模板获取单元,用于获取该M个方差中最小方差所对应的模板窗口。
在本发明实施例中,可以预先设置多个或者说M个不同的N*N的模板窗口,此时N可以取包括3以上的奇数,以取M为9、N为5,也即取9个5*5的模板窗口为例,但不限于该模板窗口,则制作9种不同的窗口,此时不同的窗口的个数用户可以根据实际需要设定,如图3(a)~图3(i)所示的该共9种不同的模板窗口,该9种不同形状的模板窗口中包括由值为1的点组成的4个五边形、4个六边形、1个边长为3的正方形,分别利用均值获取单元获取有雾图像中预设范围内每个像素点的M个模板均值Mm,m=1,2,...,9,利用方差获取单元获取与模板均值Mm对应的M个方差δm,该获取方法分别如表达式(2)、(3),则对于每一个像素点,根据公式(2)、(3)都可以获取M个方差值。
进一步地,根据公式(2)、(3)获取多个方差后,由于含有尖锐边沿的区域,方差必定较平缓区域大,因此,可以采用方差最小且该最小方差小于预设阈值thred_δ时的模板窗口Ω′(x)来计算图像的像素点x处的暗像素值,根据模板获取单元412获取该有雾图像中预设范围内的每一个像素点都对应的多个预设模板窗口中的其中最佳的模板窗口。如果实际处理过程中,出现多个相同的、且满足小于预设阈值的最小方差值,则可以随机选取任意满足该条件的一个最小方差所对应的模板窗口,从而利用该模板窗口Ω′(x)以及公式(1),将该Ω′(x)在有雾图像上逐个像素滑动,可以获取该有雾图像中每一点的暗像素值,具体地,以Ω′(x)为图3(a)所示的模板窗口为例,在获取有雾图像中像素点x处的暗像素值时,先将该模板窗口的中心点位置对应放置于该x处,则该模板窗口所覆盖的该有雾图像中的25个像素点组成中心点在x处的一个局部区域,也即Ω′(x),利用公式(1)求出该Ω′(x)范围内的所有值为1的点所对应的原图中像素点的三个通道中最小的像素值,则以该最小的像素值表示x的暗像素值,根据该理论,第一暗像素值获取单元413利用该有雾图像中预设范围内的每一像素点对应的最佳模板窗口,可以得到有雾图像中预设范围内的所有像素点的暗像素值。当最小方差大于预设阈值thred_δ时,则可以将该像素点的R、G、B三个值中最小的值作为其暗像素值。该自适应选择局部区域模板或称模板窗口的方法能够避免恢复图像时存在晕影,提高模板选取的灵活性,保证计算结果的准确性。
另外,对有雾图像中预设范围外的所有像素点,则可以将该预设范围外的每一像素点的R、G、B三个值中最小的值作为该像素点的暗像素值,从而根据第二暗像素值获取单元414获取到该预设范围外的所有像素点的暗像素值,进而根据该预设范围外的所有像素点的暗像素值,及有雾图像中预设范围内的所有像素点的暗像素值,获取该整幅有雾图像的暗像素图。
大气光值获取单元42,用于在预设区域内获取该有雾图像的整体大气光值。
其中,该预设区域是指从该有雾图像中预设的一行像素至图像的最上方一行像素的区域范围。
在本发明实施例中,该整体大气光值以A表示,为无穷远处的大气光,大气光的估计一般都将图像中最亮的像素点的像素值作为整体大气光值。然而在真实图像中,最亮像素所对应的物体可能是一辆白色的轿车或者是一栋白色的建筑等,在该有雾图像中,该整体大气光值一般用天空区域或雾浓度最大的点来估计,而天空区域一般位于图像的顶部,所以,可以用图像顶部具有最大亮度的像素值作为大气光值。具体地,在有雾图像中预设一区域作为图像的顶部区域,由大气光值获取单元42获取该顶部区域中具有最大亮度值的像素值作为大气光值,使得获取的整体大气光值的方法更方便,获取的数值更准确。
透射率分布图获取单元43,用于根据该有雾图像的暗像素图及该整体大气光值,获取大气传输透射率的分布图。
在本发明实施例中,根据上述公式(4)~(9)来获取有雾图像的大气传输透射率的分布图,在此不再赘述。
图像复原单元44,用于根据该整体大气光值、该大气传输透射率的分布图及去雾表达式,对该有雾图像进行处理,得到去雾后的复原图像。
在本发明实施例中,在获取整体大气光值及大气传输透射率的分布图以后,利用该去雾表达式可以获得去雾后的复原图像,该去雾表达式如公式(10)所示:
其中,x表示图像中的任一像素点,I(x)表示原有雾图像,J(x)为复原的景物图像,t(x)表示大气传输透射率的分布图,A表示整体大气光值,t0取值为0.1。
在本发明实施例中,该单幅图像去雾装置通过使用自适应选取地图像像素点的最佳模板窗口,进而根据该模板窗口及图像的像素值来获取有雾图像的暗像素图,根据用预设区域内的最亮值来表示整体大气光值,在基于获取到的雾图成像模型、去雾表达式等,对有雾图像进行处理,得到去雾后的复原图像,相对于现有的去雾装置,节省了计算量和存储量,且保证了去雾效果等。
本发明实施例通过预设个数的模板窗口获取有雾图像中预设范围内任一像素点最小方差对应的模板窗口,及根据预设范围外的所有像素点的像素值,获取该预设范围外的所有像素点的暗像素值,从而能够获取整个有雾图像的暗像素图,且结合获取该有雾图像的整体大气光值能够获取大气传输透射率的分布图,再根据去雾表达式,能够有效地实现对原有雾图像的去雾处理,解决了现有去雾方法花费时间长、计算量大、占用存储资源多的问题,使得计算量与存储量得到降低,去雾处理时间减少,处理效率得到提高,且保证了去雾效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种单幅图像去雾方法,其特征在于,所述方法包括下述步骤:
利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图;
在预设区域内获取所述有雾图像的整体大气光值;
根据所述有雾图像的暗像素图及所述整体大气光值,获取大气传输透射率的分布图;
根据所述整体大气光值、所述大气传输透射率的分布图及去雾表达式,对所述有雾图像进行处理,得到去雾后的复原图像。
2.如权利要求1所述的方法,其特征在于,所述预设个数的模板窗口为M个N*N的模板窗口,M取大于1的整数,N取包括3以上的奇数,所述M个N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
3.如权利要求2所述的方法,其特征在于,利用所述M个模板窗口及图像像素值,获取有雾图像的暗像素图的步骤具体包括:
判断有雾图像中的任一像素点是否位于预设范围内;
当所述任一像素点是位于该预设范围内时,利用所述M个模板窗口,获取有雾图像中所述像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
利用所述最小方差所对应的模板窗口,获取所述像素点的暗像素,进而获取有雾图像中预设范围内的所有像素点的暗像素值;
当所述任一像素点不是位于所述预设范围内时,根据有雾图像中预设范围外的所有像素点的像素值,获取所述预设范围外的所有像素点的暗像素值。
4.如权利要求3所述的方法,其特征在于,利用所述M个模板窗口,获取有雾图像中所述像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口的步骤具体包括:
根据预设的模板均值表达式及所述M个模板窗口,获取所述任一像素点在所述M个模板窗口中所对应的M个模板均值;
根据所述任一像素点的M个模板均值及预设的模板方差表达式,获取所述任一像素点的M个方差;
获取所述M个方差中最小方差所对应的模板窗口。
5.如权利要求1所述的方法,其特征在于,所述预设区域是指从所述有雾图像中预设的一行像素至图像的最上方一行像素的区域范围,所述去雾表达式为:
其中,x表示图像中的任一像素点,I(x)表示有雾图像,J(x)为复原图像,t(x)表示大气传输透射率,A表示整体大气光值,t0取值为0.1。
6.一种单幅图像去雾装置,其特征在于,所述装置包括:
暗像素图获取单元,用于利用预设个数的模板窗口及图像像素值,获取有雾图像的暗像素图;
大气光值获取单元,用于在预设区域内获取所述有雾图像的整体大气光值;
透射率分布图获取单元,用于根据所述有雾图像的暗像素图及所述整体大气光值,获取大气传输透射率的分布图;以及
图像复原单元,用于根据所述整体大气光值、所述大气传输透射率的分布图及去雾表达式,对所述有雾图像进行处理,得到去雾后的复原图像。
7.如权利要求6所述的装置,其特征在于,所述预设个数的模板窗口为M个不同的N*N的模板窗口,M取大于1的整数,N取包括3以上的奇数,所述M个不同的N*N的模板窗口中由值为1的点组成的多边形形状各不相同。
8.如权利要求7所述的装置,其特征在于,所述暗像素图获取单元具体包括:
判断单元,用于判断有雾图像中的任一像素点是否位于该预设范围内;
模板获取单元,用于当所述判断单元输出结果为是时,利用所述M个模板窗口,获取有雾图像中预设范围内的任一像素点在所述M个模板窗口中所对应的M个方差,并确定最小方差所对应的模板窗口;
第一暗像素值获取单元,用于利用所述最小方差所对应的模板窗口,获取所述像素点的暗像素,进而获取有雾图像中预设范围内的所有像素点的暗像素值;以及
第二暗像素值获取单元,用于当所述判断单元输出结果为否时,根据有雾图像中预设范围外的所有像素点的像素值,获取所述预设范围外的所有像素点的暗像素值。
9.如权利要求8所述的装置,其特征在于,所述模板获取单元具体包括:
均值获取单元,用于根据预设的模板均值表达式及所述M个模板窗口,获取所述任一像素点在所述M个模板窗口中所对应的M个模板均值;
方差获取单元,用于根据所述任一像素点的M个模板均值及预设的模板方差表达式,获取所述任一像素点的M个方差;以及
模板获取单元,用于获取所述M个方差中最小方差所对应的模板窗口。
10.如权利要求6所述的装置,其特征在于,所述预设区域是指从所述有雾图像中预设的一行像素至图像的最上方一行像素的区域范围,所述去雾表达式为:
其中,x表示图像中的任一像素点,I(x)表示有雾图像,J(x)为复原图像,t(x)表示大气传输透射率,A表示整体大气光值,t0取值为0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210011326.5A CN102609909B (zh) | 2012-01-13 | 2012-01-13 | 一种单幅图像去雾方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210011326.5A CN102609909B (zh) | 2012-01-13 | 2012-01-13 | 一种单幅图像去雾方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102609909A true CN102609909A (zh) | 2012-07-25 |
CN102609909B CN102609909B (zh) | 2014-03-12 |
Family
ID=46527255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210011326.5A Expired - Fee Related CN102609909B (zh) | 2012-01-13 | 2012-01-13 | 一种单幅图像去雾方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102609909B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
CN103578083A (zh) * | 2013-09-07 | 2014-02-12 | 西安电子科技大学 | 基于联合均值漂移的单幅图像去雾方法 |
CN104008527A (zh) * | 2014-04-16 | 2014-08-27 | 南京航空航天大学 | 一种单幅图像去雾方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104253930A (zh) * | 2014-04-10 | 2014-12-31 | 西南科技大学 | 一种实时视频去雾方法 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN104599240A (zh) * | 2014-06-30 | 2015-05-06 | 中国海洋大学 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
CN104713526A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 输电线路上异物种类检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102254306A (zh) * | 2011-07-14 | 2011-11-23 | 北京邮电大学 | 一种基于图像简化分层模型的实时图像去雾方法 |
-
2012
- 2012-01-13 CN CN201210011326.5A patent/CN102609909B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN102254306A (zh) * | 2011-07-14 | 2011-11-23 | 北京邮电大学 | 一种基于图像简化分层模型的实时图像去雾方法 |
Non-Patent Citations (2)
Title |
---|
KAIMING HE ET AL.: "Single Image Haze Removal Using Dark Channel Prior", 《IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
王燕等: "一种单幅图像去雾方法", 《电光与控制》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116876B (zh) * | 2013-02-22 | 2014-04-16 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
CN103578083A (zh) * | 2013-09-07 | 2014-02-12 | 西安电子科技大学 | 基于联合均值漂移的单幅图像去雾方法 |
CN103578083B (zh) * | 2013-09-07 | 2016-06-29 | 西安电子科技大学 | 基于联合均值漂移的单幅图像去雾方法 |
CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
CN104634784B (zh) * | 2013-11-08 | 2018-01-05 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
CN104253930A (zh) * | 2014-04-10 | 2014-12-31 | 西南科技大学 | 一种实时视频去雾方法 |
CN104253930B (zh) * | 2014-04-10 | 2017-04-05 | 西南科技大学 | 一种实时视频去雾方法 |
CN104008527B (zh) * | 2014-04-16 | 2017-02-01 | 南京航空航天大学 | 一种单幅图像去雾方法 |
CN104008527A (zh) * | 2014-04-16 | 2014-08-27 | 南京航空航天大学 | 一种单幅图像去雾方法 |
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104599240A (zh) * | 2014-06-30 | 2015-05-06 | 中国海洋大学 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN104713526B (zh) * | 2015-04-01 | 2017-01-25 | 国网山东省电力公司沂源县供电公司 | 输电线路上异物种类检测方法 |
CN104713526A (zh) * | 2015-04-01 | 2015-06-17 | 无锡桑尼安科技有限公司 | 输电线路上异物种类检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102609909B (zh) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102609909B (zh) | 一种单幅图像去雾方法及装置 | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
CN102411774B (zh) | 一种基于单幅图像去雾的处理方法、装置及*** | |
CN106251301B (zh) | 一种基于暗原色先验的单幅图像去雾方法 | |
CN102063706B (zh) | 一种快速去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
EP2568438A2 (en) | Image defogging method and system | |
CN103150708B (zh) | 基于黑色通道的图像快速去雾优化方法 | |
CN102663721B (zh) | 动态场景的散焦深度估计和全聚焦图像获取方法 | |
CN107451966B (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN105118027B (zh) | 一种图像的去雾方法 | |
CN103426151B (zh) | 一种图像去雾方法及装置 | |
CN104166968A (zh) | 一种图像去雾的方法、装置及移动终端 | |
CN104217404A (zh) | 雾霾天视频图像清晰化处理方法及其装置 | |
CN109584188B (zh) | 一种基于卷积神经网络的图像去雾方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN102768760A (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN104091310A (zh) | 一种图像去雾方法和装置 | |
CN110544213A (zh) | 一种基于全局和局部特征融合的图像去雾方法 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN104867122A (zh) | 一种红外自适应非均匀性校正及细节增强级联处理方法 | |
CN104281999A (zh) | 基于结构信息的单幅图像去雾方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140312 Termination date: 20180113 |
|
CF01 | Termination of patent right due to non-payment of annual fee |