CN105023256B - 一种图像去雾方法及*** - Google Patents
一种图像去雾方法及*** Download PDFInfo
- Publication number
- CN105023256B CN105023256B CN201510495589.1A CN201510495589A CN105023256B CN 105023256 B CN105023256 B CN 105023256B CN 201510495589 A CN201510495589 A CN 201510495589A CN 105023256 B CN105023256 B CN 105023256B
- Authority
- CN
- China
- Prior art keywords
- mrow
- passage
- image
- basic image
- fogless
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种图像去雾方法和***,包括以下步骤:输入原图，即一幅彩色有雾图像；分别提取所述彩色有雾图像的基图像和细节层；获取所述基图像的R、G、B三个通道的图像数据；分别求取所述基图像每一个通道的全局大气光和透射率；根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；对无雾基图像添加细节层信息；对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像。本发明能够满足实时性要求又能达到好的去雾效果。
Description
技术领域
本发明涉及图像去雾方法及***。
背景技术
在实际生活中,经常会遇到有雾天气,而在有雾天气下拍摄的有雾图片由于可见度低而不能正常使用,因此,出现了很多的去雾算法。
目前，现有技术中有很多对有雾图像进行去雾处理的算法，这种去雾方法虽然有优点，但也有缺点，有的实时性好，但去雾效果并不好，有的去雾效果好，但实时性又满足不了要求。
发明内容
本发明所要解决的技术问题是提供一种图像去雾方法及***，既能满足实时性要求又能达到好的去雾效果。
本发明解决上述技术问题的技术方案如下：一种图像去雾方法,包括以下步骤:
步骤1,输入原图，即一幅彩色有雾图像；
步骤2,分别提取所述彩色有雾图像的基图像和细节层；
步骤3，获取所述基图像的R、G、B三个通道的图像数据；
步骤4，分别求取所述基图像每一个通道的全局大气光和透射率；
步骤5，根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；
步骤6，对无雾基图像添加细节层信息；
步骤7，对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步，所述所述步骤4中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。
进一步，所述步骤4中按照以下方法计算透射率：
其中，t(x)为透射率；Ω(x)表示以像素点x为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
进一步，所述步骤5中根据以下方法获取无雾基图像J(x)：
其中，I(x)为输入的原图；t0＝0.3。
本发明的有益效果是：通过对全局大气光和透射率进行优化，既满足实时性要求又能达到好的去雾效果。
本发明解决上述技术问题的另一种技术方案如下：一种图像去雾***，包括：
输入模块,用于输入原图，即一幅彩色有雾图像；
提取模块,用于分别提取所述彩色有雾图像的基图像和细节层；
获取模块，用于获取所述基图像的R、G、B三个通道的图像数据；
计算模块，用于分别求取所述基图像每一个通道的全局大气光和透射率；
恢复模块，用于根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；
添加模块，用于对无雾基图像添加细节层信息；
增强处理模块，用于对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像。
在上述技术方案的基础上，本发明还可以做如下改进：
所述获取模块中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。
进一步，所述获取模块中按照以下方法计算透射率：
其中，t(x)为透射率；Ω(x)表示以像素点x为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
进一步，所述恢复模块根据以下方法获取无雾基图像J(x)：
其中，I(x)为输入的原图；t0＝0.3。
本发明的有益效果是：通过对全局大气光和透射率进行优化，既满足实时性要求又能达到好的去雾效果。
附图说明
图1为本发明一种图像去雾方法的流程示意图；
图2为本发明一种图像去雾***的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种图像去雾方法,其特征在于,包括以下步骤:
步骤1,输入原图，即一幅彩色有雾图像；
步骤2,分别提取所述彩色有雾图像的基图像和细节层；
步骤3，获取所述基图像的R、G、B三个通道的图像数据；
步骤4，分别求取所述基图像每一个通道的全局大气光和透射率；
所述步骤4中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。
所述步骤4中按照以下方法计算透射率：
其中，t(x)为透射率；Ω(x)表示以像素点x
为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)
为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
步骤5，根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；所述步骤5中根据以下方法获取无雾基图像J(x)：
其中，I(x)为输入的原图；t0＝0.3。
步骤6，对无雾基图像添加细节层信息；
步骤7，对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像。
如图2所示，一种图像去雾***，包括：
输入模块,用于输入原图，即一幅彩色有雾图像；
提取模块,用于分别提取所述彩色有雾图像的基图像和细节层；
获取模块，用于获取所述基图像的R、G、B三个通道的图像数据；
所述获取模块中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。计算模块，用于分别求取所述基图像每一个通道的全局大气光和透射率；
所述获取模块中按照以下方法计算透射率：
其中，t(x)为透射率；Ω(x)表示以像素点x为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
恢复模块，用于根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；所述恢复模块根据以下方法获取无雾基图像J(x)：
其中，I(x)为输入的原图；t0＝0.3。
添加模块，用于对无雾基图像添加细节层信息；
增强处理模块，用于对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种图像去雾方法,其特征在于,包括以下步骤:
步骤1,输入一幅彩色有雾图像；
步骤2,分别提取所述彩色有雾图像的基图像和细节层；
步骤3，获取所述基图像的R、G、B三个通道的图像数据；
步骤4，分别求取所述基图像每一个通道的全局大气光和透射率；
步骤5，根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；
步骤6，对无雾基图像添加细节层信息；
步骤7，对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像；
所述步骤4中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。
2.根据权利要求1所述一种图像去雾方法，其特征在于，所述步骤4中按照以下方法计算透射率：
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，t(x)为透射率；Ω(x)表示以像素点x为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
3.根据权利要求2所述一种图像去雾方法，其特征在于，所述步骤5中根据以下方法获取无雾基图像J(x)：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<mo>-</mo>
<mfrac>
<mrow>
<mi>A</mi>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中，I(x)为输入的原图；t0＝0.3。
4.一种图像去雾***，其特征在于，包括：
输入模块,用于输入一幅彩色有雾图像；
提取模块,用于分别提取所述彩色有雾图像的基图像和细节层；
获取模块，用于获取所述基图像的R、G、B三个通道的图像数据；
计算模块，用于分别求取所述基图像每一个通道的全局大气光和透射率；
恢复模块，用于根据所述基图像每一个通道的全局大气光和透射率恢复出每一个通道的无雾图像，从而获取无雾基图像；
添加模块，用于对无雾基图像添加细节层信息；
增强处理模块，用于对添加了细节层信息的无雾基图像进行平滑处理以及亮度和对比度增强处理，得到无雾原图像；
所述计算模块中获取每一个通道的全局大气光按照以下方法计算：求取每一个通道的暗通道数据，并将每一个通道的暗通道数据与阈值t进行比较，当所述暗通道数据大于所述阈值t时，则将所述暗通道数据与所述原图对应位置上的像素值比较，当所述暗通道数据大于原图对应位置上的数据时，则将所述原图对应位置上的像素值作为所述该通道的全局大气光值；否则将所述阈值t作为全局大气光值，分别求取每一个通道中所有暗通道的全局大气光值的平均值作为该通道的全局大气光值。
5.据权利要求4所述一种图像去雾***，其特征在于，所述计算模块中按照以下方法计算透射率：
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，t(x)为透射率；Ω(x)表示以像素点x为中心的模板窗口；A为全局大气光值，c表示R、G、B三个通道，I(y)为去雾后的目标值；G(x)为高斯卷积模板，模板大小为13×13。
6.根据权利要求5所述一种图像去雾***，其特征在于，所述恢复模块根据以下方法获取无雾基图像J(x)：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<mo>-</mo>
<mfrac>
<mrow>
<mi>A</mi>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中，I(x)为输入的原图；t0＝0.3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510495589.1A CN105023256B (zh) | 2015-08-13 | 2015-08-13 | 一种图像去雾方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510495589.1A CN105023256B (zh) | 2015-08-13 | 2015-08-13 | 一种图像去雾方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105023256A CN105023256A (zh) | 2015-11-04 |
| CN105023256B true CN105023256B (zh) | 2018-02-13 |
Family
ID=54413200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510495589.1A Active CN105023256B (zh) | 2015-08-13 | 2015-08-13 | 一种图像去雾方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105023256B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105825483B (zh) * | 2016-03-21 | 2018-10-16 | 电子科技大学 | 一种图像去雾霾及沙尘的方法 |
| CN106023092B (zh) * | 2016-05-04 | 2020-12-11 | 中国农业大学 | 一种图像去雾方法及装置 |
| CN105898111B (zh) * | 2016-05-06 | 2018-11-27 | 西安理工大学 | 一种基于谱聚类的视频去雾方法 |
| JP6463512B2 (ja) * | 2016-05-24 | 2019-02-06 | オリンパス株式会社 | 画像信号処理装置、画像信号処理方法および画像信号処理プログラム |
| CN105979120B (zh) * | 2016-06-03 | 2019-03-12 | 华南农业大学 | 基于分布式计算的视频去雾***及视频去雾方法 |
| CN107451975B (zh) * | 2017-04-25 | 2019-06-07 | 中国人民解放军空军工程大学 | 一种基于视觉加权相似的图像质量清晰化方法 |
| CN107392871B (zh) * | 2017-07-27 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像去雾方法、装置、移动终端及计算机可读存储介质 |
| CN107392870B (zh) * | 2017-07-27 | 2020-07-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN108810506B (zh) * | 2018-06-13 | 2021-09-07 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于fpga的透雾增强图像处理方法及*** |
| CN112330568A (zh) * | 2020-11-27 | 2021-02-05 | 云南省烟草农业科学研究院 | 一种不均匀光照烟叶图像的亮度补偿方法 |
| CN112465033B (zh) * | 2020-11-30 | 2021-08-03 | 哈尔滨市科佳通用机电股份有限公司 | 基于深度学习的闸片开口销丢失检测方法、***及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7876974B2 (en) * | 2003-08-29 | 2011-01-25 | Vladimir Brajovic | Method for improving digital images and an image sensor for sensing the same |
| CN102243758A (zh) * | 2011-07-14 | 2011-11-16 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
| CN103034983A (zh) * | 2013-01-10 | 2013-04-10 | 厦门大学 | 一种基于各向异性滤波的去雾方法 |
-
2015
- 2015-08-13 CN CN201510495589.1A patent/CN105023256B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7876974B2 (en) * | 2003-08-29 | 2011-01-25 | Vladimir Brajovic | Method for improving digital images and an image sensor for sensing the same |
| CN102243758A (zh) * | 2011-07-14 | 2011-11-16 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
| CN103034983A (zh) * | 2013-01-10 | 2013-04-10 | 厦门大学 | 一种基于各向异性滤波的去雾方法 |
Non-Patent Citations (2)
| Title |
|---|
| "一种改进的单幅图像快速去雾方法与实验";肖钟捷等;《地球信息科学》;20150430;第17卷(第4期);第497页第6-17段 * |
| "实时域变换图像去雾";吴金亮;《计算机与网络》;20150630(第10期);第44页第4.1节及图1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105023256A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105023256B (zh) | 一种图像去雾方法及*** | |
| CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及*** | |
| CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
| 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*** | |
| CN104537615B (zh) | 一种基于HSV色彩空间的局部Retinex增强方法 | |
| CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
| CN103747213B (zh) | 一种基于运动目标的交通监控视频实时去雾方法 | |
| CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
| CN106530237A (zh) | 一种图像增强方法 | |
| CN105608456A (zh) | 一种基于全卷积网络的多方向文本检测方法 | |
| CN103942758A (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
| CN104318524A (zh) | 一种基于YCbCr色彩空间的图像增强方法、装置及*** | |
| CN103996178A (zh) | 一种沙尘天气彩色图像增强方法 | |
| CN104182943B (zh) | 一种融合人眼视觉特性的单幅图像去雾方法 | |
| CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
| CN106780380A (zh) | 一种图像去雾方法及*** | |
| CN105513105A (zh) | 基于显著图的图像背景虚化方法 | |
| CN103034983A (zh) | 一种基于各向异性滤波的去雾方法 | |
| CN103413311A (zh) | 一种基于边缘的模糊检测方法 | |
| CN103020914A (zh) | 基于空间连续性原理的快速图像去雾方法 | |
| CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
| CN103914820A (zh) | 一种基于图像分层增强的图像去雾方法及*** | |
| CN104318535A (zh) | 图像去雾的方法、装置及移动终端 | |
| CN107481211B (zh) | 一种基于梯度域融合的夜间交通监控增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Shi Jian Inventor after: Zhang Leilei Inventor after: Liu Jingdong Inventor after: Song Bo Inventor after: Zhong Zhaoyu Inventor after: Na Yongrui Inventor before: Qiu Xuan |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180116 Address after: 150000 Heilongjiang Province, Harbin city Nangang District Fuhua four Street No. 6 Applicant after: HARBIN SUPER-RESOLUTION FX TECHNOLOGY CO., LTD. Address before: 541002 No. 102, Zhongshan South Road, Xiangshan District, Guilin City, Guangxi Zhuang Autonomous Region Applicant before: Qiu Xuan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |