CN103426151B - 一种图像去雾方法及装置 - Google Patents
一种图像去雾方法及装置 Download PDFInfo
- Publication number
- CN103426151B CN103426151B CN201310349564.1A CN201310349564A CN103426151B CN 103426151 B CN103426151 B CN 103426151B CN 201310349564 A CN201310349564 A CN 201310349564A CN 103426151 B CN103426151 B CN 103426151B
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- dark
- image
- present image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像去雾方法及装置。该方法包括:计算当前图像的各个像素点的暗通道值;其中,取所述暗通道值的最小值作为全局环境光值;以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。采用本发明,可以反应了“雾霾”浓淡的渐变规律,参考每个像素点周围像素的浓淡情况来避免暗原色先验信息失效,从而获得更好的图像处理效果,而且运算量少,处理效率高。
Description
技术领域
本发明涉及图像处理技术,特别是涉及一种图像去雾方法及装置。
背景技术
目前,对雾图进行清晰化处理的方法大体上有两类:基于模型的和非模型的算法。其中,基于模型的算法通过了解图像退化的内在原因而进行逆运算来改善图像的对比度;非模型的算法并不要求知道图像退化原因的信息。用非模型的方法处理图像我们称之为图像增强;用基于模型的方法处理图像我们称之为图像恢复,这类算法更加可靠,因为它们利用了图像退化的物理机理,其目的在于提高退化图像的保真度。
近年来,上述两个方面的研究都取得了较大的进展,特别是基于物理模型的复原问题,吸引了越来越多研究者的注意,以下分别就其研究现状做简要的介绍。
图像增强是图像处理的基本手段,是指按特定的需要突出一幅图像中的某些信息,同时,削弱或去除某些不需要的信息的处理方法。图像对比度增强是图像处理领域中的一个传统的话题,同时又一直是较为活跃的研究领域,但是,现有的技术计算量庞大,运算复杂,获得的图像处理效果也不佳。
发明内容
基于此,有必要针对上述问题,提供一种图像去雾方法及装置,能够通过少量的运算快速地获得较为清晰的图像。
一种图像去雾方法,包括:
计算当前图像的各个像素点的暗通道值;其中,取所述暗通道值的最小值作为全局环境光值;
以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。
相应地,一种图像去雾装置,包括:
暗通道计算单元,用于计算当前图像的各个像素点的暗通道值;
环境光获取单元,用于取所述暗通道值的最小值作为全局环境光值;
环境通道获取单元,用于以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
与所述环境光获取单元、所述环境通道获取单元分别相连的去雾处理单元,用于根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。
本发明具有如下有益效果:
本发明首先计算图像上各个像素点的暗通道值,然后标定景深基准线,所述景深基准线反应了“雾霾”浓淡的渐变规律,参考每个像素点周围像素的浓淡情况来避免暗原色先验信息失效,从而获得更好的图像处理效果。本发明的运算量少,处理效率高,能够广泛地应用于雾霾天气下的图片、雨天图片,甚至是水下摄影图片,以及上述任一环境下的视频图像处理,用以提高图像的清晰度。
附图说明
图1为本发明图像去雾方法的流程图;
图2为本发明图像去雾方法的实施例流程图;
图3为本发明图像去雾装置的示意图;
图4为本发明图像去雾方法的实施例示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
图1为本发明图像去雾方法的流程图,包括:
S101:计算当前图像的各个像素点的暗通道值;其中,取所述暗通道值的最小值作为全局环境光值;
S102:以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
S103:根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。
本发明是在物理模型的理论基础上,对恶劣大气条件下的成像机理进行了深入的分析,并提出的一种的雾天图像处理的增强方法。与传统图像增强相比,本方法是建立在雾天成像的物理过程之上的,因此更具有针对性,处理效果也较为理想。
基于先验信息的单一图像去雾技术通过收集大量不受雾气影响的图像,发现了一套能识别雾气浓度的暗原色统计规律。即把图像分成多个子块,每个子块中都有一些亮度很低的像素。这些“黑点”通常存于物体阴影、黑色物体以及具有鲜艳颜色的物体中。根据这一规律,只需按雾气浓度局部修复图像各部分的颜色,就能有效地达到很好的去雾效果,但当场景目标的亮度与大气光相似时,暗原色先验信息将失效。这也是现有技术的难题,其不良后果是会导致图像局部过曝,或者去雾后的图像发生变色。本发明借助标定的景深基准线去雾,在一定程度上避免了暗原色先验信息失效情况的发生。其原理是雾霾天气下的相片里景深的远近刚好和雾的浓度成正相关,在相片中选出雾霾最浓和最淡的两点,以这两点画一条景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,之后根据预设的物理模型进行去雾处理。
相比于,一些沿图中对象边缘勾勒的复杂的处理方法而言,本发明用很少的计算量就能取得较好的去雾效果,处理效率高,速度快。能够广泛地应用于雾霾天气下的图片、雨天图片,甚至是水下摄影图片,以及上述任一环境下的视频图像处理,用以提高图像的清晰度。
图2为本发明图像去雾方法的实施例流程图,与图1相比,图2为本发明优选实施例的示意图。
S201:计算当前图像的各个像素点的暗通道值;
S202:按照预设顺序遍历各个像素点,根据包含当前检测的像素点的预设局部块中各个像素点的所述暗通道值,选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值;
S203:取所述暗通道值的最小值作为全局环境光值;
S204:以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
S205:根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。
计算各像素的暗通道值,按照预设的至上而下或者自左向右的顺序进行遍历,根据包含当前检测的像素点的预设局部块中各个像素点的所述暗通道值,选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值Idark(x)。所述局部块可以是以当前检测的像素点作为中心的圆形区域,矩形区域,特别地为正方形区域;也可以是以当前检测的像素点为首(位于第一行第一列,坐标为[1,1]),组成的矩阵点或九宫格。
在其中一个实施例当中,选取以所述当前检测的像素点为中心,预设长、预设宽的矩形区域,作为所述局部块。本实施例以当前检测的像素点为中心,充分考虑到该像素周围的“雾霾”浓度。
具体地,以当前像素的暗通道值Idark(x)取以当前像素为中心,半径为R(R默认为6)的窗口内所有像素中的最小暗通道值,即:
其中,IC(y)为像素点的暗影通道(DarkChannel)主要基于对晴天(haze-free)的室外图像的观察:对于非天空区域的大部分像素,至少有一个颜色通道有非常低的亮度值。换一种说法,就是这些像素的最小亮度值非常低,可以根据一个颜色通道RGB中最小的值而确定的,Ω(x)为中心位于x的一个局部块。
在图像中找到雾霾最浓和最淡的两点,其中,所述暗通道值越小,代表浓度越大。以这两点画一条直线作为景深基准线,这条直线上预设角度的相交线上像素的暗通道值取该相交线上所有像素的暗通道均值,作为环境通道值。另外,取雾霾最浓的那点像素值设为全局环境光AC,它是指大气中的环境光。所述预设角度,包括30°、60°、90°等等,不做限定。
在其中一个实施例中,选取所述景深基准线的垂线上各个像素点的暗通道值的均值,作为所述垂线上各个像素点的环境通道值。实施本实施例,可以更好地反应“雾霾”浓度的渐变规律。有利于获得更清晰的图像。
至此,当前图像上各个像素点均被赋予了环境通道值,按照式(2)计算获得透射率t(x);
其中,0<ω≤1,默认值为0.95;Ω(x)为图像块x的一个局部块。
根据所述全局环境光值AC和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率,结合(3)式对当前图像进行去雾处理。
其中,I(x)为一预设的物理模型。
在其中一个实施例当中,利用所述透射率,选取预设的大气散射物理模型对当前图像进行去雾处理。即I(x)=J(x)t(x)+A(1-t(x)),I(x)为雾天情况下传感器实际接收到的图像,A(1-t(x))为环境光,A为全局环境光,t0=0.1。
在计算机视觉和计算机图像学领域,雾天的大气散射模型通常如下表示:
I(x)=J(x)t(x)+A(1-t(x))(1-1)
第一项为直接衰减分量,第二项A(1-t(x))为环境光。I(x)为雾天情况下传感器实际接收到的图像,J(x)为场景辐射度,A为全局环境光,t(x)为透射率,表示场景中没有被粒子散射最终到达传感器的辐射度的比例。
当大气均匀的假设下,透射率t(x)可以表示为:
t(x)=e-βd(x)(1-2)
其中,β表示大气的散射系数,d表示景深,t(x)表示场景辐射度随着景深的增加而指数衰减。
雾天图像的去雾主要就是从降质图像I(x)恢复场景辐射度J(x)。
综上,本发明并不限定某一物理模型或某一透射率计算方式。
图3为本发明图像去雾装置的示意图,包括:
暗通道计算单元,用于计算当前图像的各个像素点的暗通道值;
环境光获取单元,用于取所述暗通道值的最小值作为全局环境光值;
环境通道获取单元,用于以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
与所述环境光获取单元、所述环境通道获取单元分别相连的去雾处理单元,用于根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理。
图3与图1相对应,图中各个单元的运行方式与方法中的相同。
图4为本发明图像去雾方法的实施例示意图。
如图4所述,本发明,包括:
与所述暗通道计算单元相连的暗通道修正单元,用于按照预设顺序遍历各个像素点,根据包含当前检测的像素点的预设局部块中各个像素点的所述暗通道值,选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值。
在其中一个实施例当中,所述通道修正单元,包括:
区域选取单元,用于选取以所述当前检测的像素点为中心,预设长、预设宽的矩形区域,作为所述局部块。
在其中一个实施例当中,所述环境通道获取单元,包括:
相交线选取单元,用于选取所述景深基准线的垂线上各个像素点的暗通道值的均值,作为所述垂线上各个像素点的环境通道值。
在其中一个实施例当中,所述去雾处理单元,包括:
模型选取单元,用于利用所述透射率,选取预设的大气散射物理模型对当前图像进行去雾处理。
图4与图2相对应,图中各个单元的运行方式与方法中的相同。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像去雾方法,其特征在于,包括:
计算当前图像的各个像素点的暗通道值;其中,取所述暗通道值的最小值作为全局环境光值;
以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理;
根据表达式计算透射率t(x),其中0<ω≤1,c∈{r,g,b},Ω(x)为图像块x的一个局部块,Ac为全局环境光值。
2.根据权利要求1所述的图像去雾方法,其特征在于,计算当前图像的各个像素点的暗通道值的步骤之后,取所述暗通道值的最小值作为全局环境光值的步骤之前,包括:
按照预设顺序遍历各个像素点,根据包含当前检测的像素点的预设局部块中各个像素点的所述暗通道值,选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值。
3.根据权利要求2所述的图像去雾方法,其特征在于:
选取以所述当前检测的像素点为中心,预设长、预设宽的矩形区域,作为所述局部块。
4.根据权利要求1至3任一项所述的图像去雾方法,其特征在于,所述根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值的步骤,包括:
选取所述景深基准线的垂线上各个像素点的暗通道值的均值,作为所述垂线上各个像素点的环境通道值。
5.根据权利要求1所述的图像去雾方法,其特征在于,按照获得的所述透射率对当前图像进行去雾处理的步骤,包括:
利用所述透射率,选取预设的大气散射物理模型对当前图像进行去雾处理。
6.一种图像去雾装置,其特征在于,包括:
暗通道计算单元,用于计算当前图像的各个像素点的暗通道值;
环境光获取单元,用于取所述暗通道值的最小值作为全局环境光值;
环境通道获取单元,用于以当前图像内所述暗通道值最大和最小的两个像素点所在的直线为景深基准线,根据与所述景深基准线形成预设角度的相交线上各个像素点的暗通道值的均值,作为所述相交线上各个像素点的环境通道值;
与所述环境光获取单元、所述环境通道获取单元分别相连的去雾处理单元,用于根据所述全局环境光值和当前图像上各个像素点的环境通道值计算透射率,按照获得的所述透射率对当前图像进行去雾处理;
所述去雾处理单元根据表达式计算透射率t(x),其中0<ω≤1,c∈{r,g,b},Ω(x)为图像块x的一个局部块,Ac为全局环境光值。
7.根据权利要求6所述的图像去雾装置,其特征在于,包括:
与所述暗通道计算单元相连的暗通道修正单元,用于在所述暗通道计算单元计算当前图像的各个像素点的暗通道值后,按照预设顺序遍历各个像素点,根据包含当前检测的像素点的预设局部块中各个像素点的所述暗通道值,选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值;
所述环境光获取单元,用于在所述暗通道修正单元选取最小的暗通道值作为所述当前检测的像素点修正的暗通道值后,取所述暗通道值的最小值作为全局环境光值。
8.根据权利要求7所述的图像去雾装置,其特征在于,所述暗通道修正单元,包括:
区域选取单元,用于选取以所述当前检测的像素点为中心,预设长、预设宽的矩形区域,作为所述局部块。
9.根据权利要求6至8任一项所述的图像去雾装置,其特征在于,所述环境通道获取单元,包括:
相交线选取单元,用于选取所述景深基准线的垂线上各个像素点的暗通道值的均值,作为所述垂线上各个像素点的环境通道值。
10.根据权利要求6所述的图像去雾装置,其特征在于,所述去雾处理单元,包括:
模型选取单元,用于利用所述透射率,选取预设的大气散射物理模型对当前图像进行去雾处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310349564.1A CN103426151B (zh) | 2013-08-12 | 2013-08-12 | 一种图像去雾方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310349564.1A CN103426151B (zh) | 2013-08-12 | 2013-08-12 | 一种图像去雾方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103426151A CN103426151A (zh) | 2013-12-04 |
CN103426151B true CN103426151B (zh) | 2016-06-29 |
Family
ID=49650845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310349564.1A Expired - Fee Related CN103426151B (zh) | 2013-08-12 | 2013-08-12 | 一种图像去雾方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103426151B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824260A (zh) * | 2013-12-20 | 2014-05-28 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感图像薄雾快速去除技术 |
CN103745438A (zh) * | 2013-12-31 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 大面积背景光含雾图像的去雾方法 |
CN104182943B (zh) * | 2014-08-27 | 2015-12-02 | 湖南大学 | 一种融合人眼视觉特性的单幅图像去雾方法 |
CN104331866A (zh) * | 2014-10-29 | 2015-02-04 | 中国科学院深圳先进技术研究院 | 一种图像去雾的处理方法及装置 |
CN104766284B (zh) * | 2015-04-17 | 2018-11-23 | 河海大学常州校区 | 水下彩色模糊图像的复原方法 |
CN108681990B (zh) * | 2018-04-04 | 2022-05-24 | 高明合 | 一种实时雾霾预警方法及*** |
CN110493509B (zh) * | 2019-06-26 | 2021-03-19 | 盐城华昱光电技术有限公司 | 一种激光模组的图像信息处理***及处理方法 |
CN110544213B (zh) * | 2019-08-06 | 2023-06-13 | 天津大学 | 一种基于全局和局部特征融合的图像去雾方法 |
CN112864947B (zh) * | 2021-03-02 | 2022-07-05 | 山东鲁软数字科技有限公司智慧能源分公司 | 一种可视化监拍***及方法 |
CN113014773B (zh) * | 2021-03-02 | 2023-08-01 | 山东鲁软数字科技有限公司智慧能源分公司 | 一种架空线路视频可视化监拍***及方法 |
CN113030638B (zh) * | 2021-03-02 | 2022-06-14 | 山东鲁软数字科技有限公司智慧能源分公司 | 一种架空线路图像可视化监拍***及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
-
2013
- 2013-08-12 CN CN201310349564.1A patent/CN103426151B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063706A (zh) * | 2010-12-23 | 2011-05-18 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
Non-Patent Citations (2)
Title |
---|
Image Dehazing Algorithm Based on Atmosphere Scatters Approximation Model;Zhongyi Hu等;《Neural Information Processing》;20121231;第7667卷;159-168 * |
基于单幅图像景深和大气散射模型的去雾方法;郭珈等;《中国图象图形学报》;20120131;第17卷(第1期);27-32 * |
Also Published As
Publication number | Publication date |
---|---|
CN103426151A (zh) | 2013-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426151B (zh) | 一种图像去雾方法及装置 | |
CN102411774B (zh) | 一种基于单幅图像去雾的处理方法、装置及*** | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN102063706B (zh) | 一种快速去雾方法 | |
CN104036466B (zh) | 一种视频去雾方法与*** | |
CN103150708B (zh) | 基于黑色通道的图像快速去雾优化方法 | |
CN105023256B (zh) | 一种图像去雾方法及*** | |
CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN102768760B (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN105913390B (zh) | 一种图像去雾方法及*** | |
CN107578386A (zh) | 一种无人机拍摄图像的优化去雾处理方法 | |
CN102750674A (zh) | 基于自适应容差的视频图像去雾方法 | |
CN104616258B (zh) | 一种针对道路图像的快速去雾方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
CN103971337A (zh) | 一种利用大气传输特征的红外图像去雾霾方法 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN105354806A (zh) | 基于暗通道的快速去雾方法及*** | |
CN103198459A (zh) | 雾霾图像快速去雾方法 | |
CN102436643A (zh) | 面向大气散射邻近效应的图像去雾方法 | |
CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN104299192A (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
CN105139347A (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
CN103020914A (zh) | 基于空间连续性原理的快速图像去雾方法 | |
CN106780380A (zh) | 一种图像去雾方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 510670 Guangdong Province, Guangzhou high tech Industrial Development Zone Kezhu Road No. 233 Patentee after: VTRON GROUP Co.,Ltd. Address before: 510663 Guangzhou province high tech Industrial Development Zone, Guangdong, Cai road, No. 6, No. Patentee before: VTRON TECHNOLOGIES Ltd. |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20210812 |