CN106157270A - 一种单幅图像快速去雾方法及*** - Google Patents
一种单幅图像快速去雾方法及*** Download PDFInfo
- Publication number
- CN106157270A CN106157270A CN201610751487.6A CN201610751487A CN106157270A CN 106157270 A CN106157270 A CN 106157270A CN 201610751487 A CN201610751487 A CN 201610751487A CN 106157270 A CN106157270 A CN 106157270A
- Authority
- CN
- China
- Prior art keywords
- image
- dark primary
- value
- module
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000003595 mist Substances 0.000 claims abstract description 60
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000002834 transmittance Methods 0.000 claims description 39
- 238000012937 correction Methods 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000009738 saturating Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000011084 recovery Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 41
- 238000002835 absorbance Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000008030 elimination Effects 0.000 description 7
- 238000003379 elimination reaction Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 101800000164 FMRF-amide Proteins 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,提供一种单幅图像快速去雾方法及***,所述方法包括:对输入的有雾图像I(x)进行最小值滤波,计算得到初始暗原色图像M(x);根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x),以及结合投影法计算大气光值A;根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x),从而实现对有雾图像的快速去雾,同时去雾效果细节清晰、色彩真实自然,且具有较为广泛的适用性,保证了图像恢复质量和速度的平衡,能够应用于实时运行的场合。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种单幅图像快速去雾方法及***。
背景技术
雾霾场景中,大气粒子的散射作用会导致光学传感器捕获到的信息严重降质,图像中对比度和色彩保真度方面都会发生不同程度的衰减,直接影响到人类视觉的感受和机器视觉***的正常工作,因此研究图像去雾方法具有重要意义。
目前,基于假设或先验知识的单幅图像去雾算法成为研究的热点,例如Tan基于无雾图像相对于雾化图像具有较高对比度的先验知识,通过最大化恢复图像的对比度来实现图像去雾,但该算法容易造成去雾图像过饱和使颜色失真;Fattal假设物体表面色度与介质传播具有局部统计不相关性,利用独立成分分析来估计场景反照率。该方法在雾气较薄时可以产生良好的去雾效果,但是对于浓雾图像由于颜色信息不足将导致估计失效;He等人基于对户外无雾图像数据库的统计规律,提出了一种基于暗通道先验的去雾方法,该算法利用最小值滤波估算出介质传播函数并进行优化估计达到了较好的去雾效果;Tarel等人利用中值滤波的方法对大气耗散函数进行估计,然后应用色调映射得到去雾图像,该算法恢复得到的图像清晰逼真,但在景深突变处易引起Halo效应;Kratz和Nishino假设有雾图像是由场景反照率和场景深度两个独立的层组成的,并利用FMRF思想建模,最终得到了较准确的深度信息,但是该方法处理得到的图像中一些像素点色彩过于饱和。
在以上算法中,He等提出的单幅图像快速去雾方法因原理简单、效果出色而被更多人继续研究,但是该方法采用Softmatting对透射率进行细化导致运算速度慢。虽然后来出现了多种加快透射率细化的方法,如引导滤波、双边滤波、各向异性滤波、保边滤波、中值滤波等,在一定程度上提高了运算速度,但是仍然无法运用到实时***中。此外,由于天空区域和白色物体不满足暗原色假设,而造成复原图像中存在方块效应或者色彩严重失真现象,影响了图像的整体视觉效果。
发明内容
本发明的目的在于提供一种实时且保证图像恢复速度和质量相互平衡的单幅图像快速去雾方法。
本发明是这样实现的,一种单幅图像快速去雾方法,所述方法包括下述步骤:
对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);
根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x),以及结合投影法计算大气光值A;
根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
作为一种改进的方案,所述根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x)的步骤具体包括下述步骤:
根据所述初始暗原色图像M(x),计算初始大气透射率函数
对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)。
作为一种改进的方案,所述根据所述初始暗原色图像M(x),计算初始大气透射率函数的步骤具体包括下述步骤:
对所述初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x);
对所述平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x);
对所述暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
作为一种改进的方案,所述对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)的步骤具体包括下述步骤:
在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x);
根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域;
当图像区域为非天空区域时,计算得到的所述初始大气透射率函数即为大气透射率函数t(x);
当图像区域为天空区域时,对所述初始大气透射率函数进行修正。
作为一种改进的方案,根据计算得到的所述初始暗原色图像M(x),以及结合投影法计算大气光值A的步骤具体包括下述步骤:
对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y);
对初始暗原色图像M(x)的水平方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,b为常数;
对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x);
对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,裁剪最大区域图像记为R(x,y);
在所述最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
作为一种改进的方案,所述根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)的步骤之后还包括下述步骤:
对所述无雾图像J(x)进行亮度补偿。
本发明的另一目的在于提供一种单幅图像快速去雾***,所述***包括:
最小值滤波模块,用于对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);
大气透射率函数计算模块,用于根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x);
大气光值计算模块,用于根据计算得到的所述初始暗原色图像M(x),结合投影法计算大气光值A;
无雾图像恢复模块,用于根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
作为一种改进的方案,所述大气透射率函数计算模块具体包括:
初始大气透射率函数计算模块,用于根据所述初始暗原色图像M(x),计算初始大气透射率函数
自适应修正模块,用于对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x);
所述初始大气透射率函数计算模块具体包括:
平均滤波处理模块,用于对所述初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x);
灰度补偿模块,用于对所述平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x);
深度修正模块,用于对所述暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
所述自适应修正模块具体包括:
像素点最大值计算模块,用于在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x);
判断模块,用于根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域;
天空区域修正模块,用于当图像区域为天空区域时,对所述初始大气透射率函数进行修正;
当图像区域为非天空区域时,计算得到的所述初始大气透射率函数即为大气透射率函数t(x)。
作为一种改进的方案,所述大气光值计算模块具体包括:
水平方向灰度积分投影模块,用于对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y);
第一求和运算模块,用于对初始暗原色图像M(x)的水平方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,b为常数;
垂直方向灰度积分投影模块,用于对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x);
第二求和运算模块,用于对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,裁剪最大区域图像记为R(x,y);
像素选取模块,用于在所述最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
作为一种改进的方案,所述***还包括:
亮度补偿模块,用于对所述无雾图像J(x)进行亮度补偿。
在本发明实施例中,对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x),以及结合投影法计算大气光值A;根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x),从而实现对有雾图像的快速去雾,同时去雾效果细节清晰、色彩真实自然,且具有较为广泛的适用性,保证了图像恢复质量和速度的平衡,能够应用于实时运行的场合。
附图说明
图1是本发明提供的单幅图像快速去雾方法的实现流程图;
图2是根据计算得到的初始暗原色图像M(x),计算大气透射率函数t(x)的步骤的实现流程图;
图3是本发明提供的根据初始暗原色图像M(x),计算初始大气透射率函数的实现流程图;
图4(a)和图4(b)是本发明提供的积分图像计算的示意图;
图5是本发明提供的对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)的具体实现流程图;
图6是本发明提供的根据计算得到的初始暗原色图像M(x),以及结合投影法计算大气光值A的实现流程图;
图7是本发明提供的单幅图像快速去雾***的结构示意图;
图8是本发明提供的大气透射率函数计算模块的结构示意图;
图9是本发明提供的大气光值计算模块的结构示意图。
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。
图1示出了本发明提供的单幅图像快速去雾方法的实现流程图,其具体包括下述步骤:
在步骤S101中,对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x)。
在该步骤中,对有雾图像I(x)中的任意像素点三通道进行最小值滤波,其计算式为:
其中,x为图像中的像素点,c为彩色图像的三色通道。
在步骤S102中,根据计算得到的初始暗原色图像M(x),计算大气透射率函数t(x),以及结合投影法计算大气光值A。
在步骤S103中,根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
在该步骤中,在求的在求得透射率t(x)和大气光值A的基础上,可以直接恢复出场景在理想条件下的无雾图像;
但当t(x)趋近于0时,直接衰减项趋近于0,导致去雾图像像素值被过度放大,此时复原的图像可能包含噪音,所以,对透射率t(x)设定一个下限t0,用于是的图像去雾效果更佳自然,于是可以得到最终去雾后图像J(x)的表达式为:
其中,t0取值为0.1。
其中,大气散射模型的具体估算过程为:
根据大气散射理论,大气粒子的散射主要分为两类:一类是指场景中物体表面反射的光能在到达传感器的过程中受大气粒子的散射而衰减的过程;另一类是指太阳光能被大气中的悬浮粒子散射后到达传感器的过程。景物在雾天成像时大气散射模型中衰减模型和大气光成像模型同时存在且起主导作用,它们是雾天图像呈现模糊、低对比度等特点的理论基础;
在计算机视觉和计算机图形学中,描述有雾图像的散射模型可表示为:
I(x)=J(x)t(x)+A(1-t(x)),其中,x为空间坐标,I(x)为有雾图像,J(x)为场景辐射照度或清晰无雾的图像,A为整体大气光值,t(x)为大气透射率函数(参数)。
图2示出了根据计算得到的初始暗原色图像M(x),计算大气透射率函数t(x)的步骤的实现流程图,其具体包括下述步骤:
在步骤S201中,根据初始暗原色图像M(x),计算初始大气透射率函数
在步骤S202中,对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)。
在该步骤中,上述步骤S201中计算得到的初始大气透射率函数偏小,在一定程度上出现明显的颜色失真,通过步骤S202的自适应修正,使图像失真现象消失。
图3示出了本发明提供的根据初始暗原色图像M(x),计算初始大气透射率函数的实现流程图,其具体包括下述步骤:
在步骤S301中,对初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x)。
为了使M(x)整体变化平滑,避免相邻像素之间的灰度跳动,需要进行平均滤波处理,其计算式为:
Mave(x)=averageλ(M(x)),其中,λ为平均滤波器窗口的尺寸,λ取值范围为图像宽度的1/20。
在该步骤中,为了提升运算速度,采用了积分图,对于输入图像i,像素点(x,y)处的积分图ii(x,y)定义如下:
ii(x,y)=∑∑i(x',y'),其中,i(x',y')为图像在点(x',y')处的像素值;
通过以下运算可以快速获得图像内任意矩形内像素点的和:
ii(x,y)=ii(x-1,y)+ii(x,y-1)-ii(x-1,y-1)+i(x,y);
如图4(a)所示,积分图ii(x,y)等于图像中阴影部分的所有像素值的和;
如图4(b)所示,图中,矩阵D内所有像素灰度积分为:
sum(D)=ii4+ii1-(ii2+ii3)。
在步骤S302中,对平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x)。
在该步骤中,均值滤波后的结果能够大致反映图像中暗原色的变化趋势,但是与真实的值还有一定差距,因此,需要进行补偿,其具体计算方式为:
D(x)=min(A×Mavg(x),M(x))。
在步骤S303中,对暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
在该步骤中,如果大气光A已知,为了保留一部分残雾,使得图像具有深度感,引入修正系数ω,其中,0<ω≤1,初始大气透射率函数的计算式为:
如图5所示,对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)的具体实现流程如下述步骤:
在步骤S501中,在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x),其中:
在步骤S502中,根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域。
预先设定一比较阈值T,若δmax(x)<T,则判定该区域为明亮区域,反之为非明亮区域。
在步骤S503中,当图像区域为天空区域时,对初始大气透射率函数进行修正。
对于明亮区域,初始大气透射率函数进行如下修正:
即,当图像区域为非天空区域时,计算得到的初始大气透射率函数即为大气透射率函数;
在该实施例中,大气透射率函数t(x)为经过平均滤波处理后的透射率图像,上述阈值T的取值是根据实际测试确定的一个固定数值,其具体为:
其中,Im=mean(I(x)),Im为整幅图像的平均灰度值,mean为平均运算。
该对计算得到的初始透射率函数进行自适应修正,能够更好地处理含有大面积高明亮区域的雾霾图像,同时又符合暗通道先验的假设。
图6示出了本发明提供的根据计算得到的初始暗原色图像M(x),以及结合投影法计算大气光值A的实现流程图,具体包括下述步骤:
在步骤S601中,对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y)。
在该步骤中,水平方向灰度积分投影的公式表达为:
其中,大小为m*n像素,1≤x≤n。
在步骤S602中,对初始暗原色图像M(x)的水平方向灰度积分投影值依次在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,t、b均为常数。
在该步骤中,最大值区域其中,b+1≤s≤n-b;裁剪最大值区域保存为K(x,y),大小为(2b+1)*n像素。
其中,窗口宽度为奇数,大小为2b+1,-b和+b为一个像素点左右两两边的宽度,s为2b+1宽度范围内的任一点。
在步骤S603中,对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x)。
在该步骤中,垂直方向灰度积分投影的计算式为:
在步骤S604中,对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,最大区域图像记为R(x,y)。
在该步骤中,最大值区域其中,b+1≤s≤m-b,裁剪最大区域R(x,y)的大小为(2b+1)*(2b+1)像素。
在步骤S605中,在最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
在该步骤中,将属于填空区域的像素值提取出来,然后对该填空区域的像素值进行降序排列,选取亮度大于一定数值的像素的平均灰度值作为大气光值,该一定数量可以是10%,即A=mean(max0.1R(x))。
在本发明实施例中,由于雾天呈现受环境和光照的不同影响,部分图像本身亮度偏低,基于暗原色先验方法复原后的图像整体亮度和色调更暗,所以有必要进行调整。根据韦伯-费希纳定律,人眼的主观亮度是物体反射的光线照射到人眼的视网膜上视神经受到刺激获取的,主观亮度感觉Jd和客观亮度J呈对数线性关系,即:Jd=βlg(J)+β0;
其中,β和β0为常数,利用该曲线对获取到的无雾图像进行色调调整,实现对无雾图像J(x)进行亮度补偿;
进一步的,可以对上述计算式进行拟合处理,即:
其中,k为调整系数,常数,取值越小表示调整程度越大,在实际计算中,k的数值可以自动获取,即自适应的取值k=2*Im。
经过该亮度补偿后,整体亮度和对比度明显提高,视觉效果更加逼近和晴天条件下的真实场景。
图7示出了本发明提供的单幅图像快速去雾***的结构示意图,为了便于说明,图中仅给出了与本发明实施例相关的部分。
最小值滤波模块11用于对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);大气透射率函数计算模块12用于根据计算得到的初始暗原色图像M(x),计算大气透射率函数t(x);大气光值计算模块13用于根据计算得到的初始暗原色图像M(x),结合投影法计算大气光值A;无雾图像恢复模块14用于根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
其中,亮度补偿模块28用于对无雾图像J(x)进行亮度补偿
在本发明实施例中,如图8所示,大气透射率函数计算模块12具体包括:
初始大气透射率函数计算模块15用于根据初始暗原色图像M(x),计算初始大气透射率函数自适应修正模块16用于对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x);
初始大气透射率函数计算模块15具体包括:
平均滤波处理模块17用于对初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x);灰度补偿模块18用于对平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x);深度修正模块19用于对暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
自适应修正模块16具体包括:
像素点最大值计算模块20用于在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x);判断模块21用于根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域;天空区域修正模块22用于当图像区域为天空区域时,对初始大气透射率函数进行修正;当图像区域为非天空区域时,计算得到的初始大气透射率函数即为大气透射率函数t(x)。
如图9所示,大气光值计算模块13具体包括:
水平方向灰度积分投影模块23用于对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y);第一求和运算模块24用于对初始暗原色图像M(x)的水平方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,b为常数;垂直方向灰度积分投影模块25用于对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x);第二求和运算模块26用于对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,裁剪最大区域图像记为R(x,y);像素选取模块27用于在最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
其中,上述各个模块的实现功能如上述方法实施例所记载,在此不再赘述。
在本发明实施例中,对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);根据计算得到的初始暗原色图像M(x),计算大气透射率函数t(x),以及结合投影法计算大气光值A;根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x),从而实现对有雾图像的快速去雾,同时去雾效果细节清晰、色彩真实自然,且具有较为广泛的适用性,保证了图像恢复质量和速度的平衡,能够应用于实时运行的场合。
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)
1.一种单幅图像快速去雾方法,其特征在于,所述方法包括下述步骤:
对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);
根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x),以及结合灰度积分投影法计算大气光值A;
根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
2.根据权利要求1所述的单幅图像快速去雾方法,其特征在于,所述根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x)的步骤具体包括下述步骤:
根据所述初始暗原色图像M(x),计算初始大气透射率函数
对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)。
3.根据权利要求2所述的单幅图像快速去雾方法,其特征在于,所述根据所述初始暗原色图像M(x),计算初始大气透射率函数的步骤具体包括下述步骤:
对所述初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x);
对所述平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x);
对所述暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
4.根据权利要求3所述的单幅图像快速去雾方法,其特征在于,所述对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x)的步骤具体包括下述步骤:
在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x);
根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域;
当图像区域为非天空区域时,计算得到的所述初始大气透射率函数即为大气透射率函数t(x);
当图像区域为天空区域时,对所述初始大气透射率函数进行修正。
5.根据权利要求1所述的单幅图像快速去雾方法,其特征在于,根据计算得到的所述初始暗原色图像M(x),以及结合投影法计算大气光值A的步骤具体包括下述步骤:
对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y);
对初始暗原色图像M(x)的水平方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,b为常数;
对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x);
对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,裁剪最大区域图像记为R(x,y);
在所述最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
6.根据权利要求1所述的单幅图像快速去雾方法,其特征在于,所述根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)的步骤之后还包括下述步骤:
对所述无雾图像J(x)进行亮度补偿。
7.一种单幅图像快速去雾***,其特征在于,所述***包括:
最小值滤波模块,用于对输入的有雾图像I(x)的三色通道值进行最小值滤波,计算得到初始暗原色图像M(x);
大气透射率函数计算模块,用于根据计算得到的所述初始暗原色图像M(x),计算大气透射率函数t(x);
大气光值计算模块,用于根据计算得到的所述初始暗原色图像M(x),结合灰度积分投影法计算大气光值A;
无雾图像恢复模块,用于根据有雾图像的大气散射模型以及计算得到的大气光值A和大气透射率参数,恢复无雾图像J(x)。
8.根据权利要求7所述的单幅图像快速去雾***,其特征在于,所述大气透射率函数计算模块具体包括:
初始大气透射率函数计算模块,用于根据所述初始暗原色图像M(x),计算初始大气透射率函数
自适应修正模块,用于对计算得到的初始透射率函数进行自适应修正,获取大气透射率函数t(x);
所述初始大气透射率函数计算模块具体包括:
平均滤波处理模块,用于对所述初始暗原色图像M(x)进行平均滤波处理,获取平滑图像Mave(x);
灰度补偿模块,用于对所述平滑图像Mave(x)进行灰度补偿,获取暗原色图像D(x);
深度修正模块,用于对所述暗原色图像D(x)进行深度修正,并结合大气光值A计算初始大气透射率函数
所述自适应修正模块具体包括:
像素点最大值计算模块,用于在深度修正后的暗原色图像D(x)中,计算每个像素点RGB三通道与大气光值A的距离的最大值,标记为δmax(x);
判断模块,用于根据预先设置的阈值T判断深度修正后的暗原色图像D(x)中的天空区域和非天空区域;
天空区域修正模块,用于当图像区域为天空区域时,对所述初始大气透射率函数进行修正;
当图像区域为非天空区域时,计算得到的所述初始大气透射率函数即为大气透射率函数t(x)。
9.根据权利要求7所述的单幅图像快速去雾***,其特征在于,所述大气光值计算模块具体包括:
水平方向灰度积分投影模块,用于对获取到的初始暗原色图像M(x)进行水平方向灰度积分投影,得到数据H(y);
第一求和运算模块,用于对初始暗原色图像M(x)的水平方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大值区域,裁剪最大区域图像记为K(x,y),其中,b均为常数;
垂直方向灰度积分投影模块,用于对图像K(x,y)进行垂直方向灰度积分投影,得到数据V(x);
第二求和运算模块,用于对垂直方向灰度积分投影值在宽度为2b+1的区域内进行求和运算,并筛选出最大区域,裁剪最大区域图像记为R(x,y);
像素选取模块,用于在所述最大区域图像R(x,y)中选取一定数量的亮度值最大的像素的平均值作为大气光值A。
10.根据权利要求7所述的单幅图像快速去雾***,其特征在于,所述***还包括:
亮度补偿模块,用于对所述无雾图像J(x)进行亮度补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751487.6A CN106157270B (zh) | 2016-08-29 | 2016-08-29 | 一种单幅图像快速去雾方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751487.6A CN106157270B (zh) | 2016-08-29 | 2016-08-29 | 一种单幅图像快速去雾方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106157270A true CN106157270A (zh) | 2016-11-23 |
CN106157270B CN106157270B (zh) | 2019-07-12 |
Family
ID=57343801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610751487.6A Active CN106157270B (zh) | 2016-08-29 | 2016-08-29 | 一种单幅图像快速去雾方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106157270B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106531025A (zh) * | 2016-12-16 | 2017-03-22 | 巫溪县致恒科技有限公司 | 一种传媒信息推送*** |
CN106600562A (zh) * | 2016-12-22 | 2017-04-26 | 李琳 | 一种图像文件处理装置 |
CN107025636A (zh) * | 2017-03-09 | 2017-08-08 | 广东欧珀移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN108877231A (zh) * | 2018-07-07 | 2018-11-23 | 程子涵 | 一种基于车辆起停提醒的车车互联方法及*** |
CN109523483A (zh) * | 2018-11-14 | 2019-03-26 | 北京奇艺世纪科技有限公司 | 一种图像去雾方法及装置 |
CN110390655A (zh) * | 2019-07-30 | 2019-10-29 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN112200755A (zh) * | 2020-12-09 | 2021-01-08 | 成都索贝数码科技股份有限公司 | 一种图像去雾方法 |
CN112991197A (zh) * | 2021-02-08 | 2021-06-18 | 新疆大学 | 一种基于暗通道的细节保留的低照度视频增强方法及装置 |
CN113298729A (zh) * | 2021-05-24 | 2021-08-24 | 中国科学院长春光学精密机械与物理研究所 | 基于最小值通道的快速单幅图像去雾方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968624A (zh) * | 2012-12-12 | 2013-03-13 | 天津工业大学 | 一种人脸图像中的人眼定位方法 |
CN104299197A (zh) * | 2014-10-11 | 2015-01-21 | 南京理工大学 | 一种利用2d cca的单幅图像去雾方法 |
CN105701487A (zh) * | 2014-11-26 | 2016-06-22 | 王云 | 一种车标定位的方法 |
-
2016
- 2016-08-29 CN CN201610751487.6A patent/CN106157270B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968624A (zh) * | 2012-12-12 | 2013-03-13 | 天津工业大学 | 一种人脸图像中的人眼定位方法 |
CN104299197A (zh) * | 2014-10-11 | 2015-01-21 | 南京理工大学 | 一种利用2d cca的单幅图像去雾方法 |
CN105701487A (zh) * | 2014-11-26 | 2016-06-22 | 王云 | 一种车标定位的方法 |
Non-Patent Citations (2)
Title |
---|
A.K. TRIPATHI ET AL.: "Single image fog removal using anisotropic diffusion", 《IET IMAGE PROCESS.》 * |
陆士猛: "无人机侦察图像快速去雾算法", 《红外技术》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106531025A (zh) * | 2016-12-16 | 2017-03-22 | 巫溪县致恒科技有限公司 | 一种传媒信息推送*** |
CN106600562A (zh) * | 2016-12-22 | 2017-04-26 | 李琳 | 一种图像文件处理装置 |
CN107025636A (zh) * | 2017-03-09 | 2017-08-08 | 广东欧珀移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN107025636B (zh) * | 2017-03-09 | 2020-03-17 | Oppo广东移动通信有限公司 | 结合深度信息的图像去雾方法及装置和电子装置 |
CN108877231A (zh) * | 2018-07-07 | 2018-11-23 | 程子涵 | 一种基于车辆起停提醒的车车互联方法及*** |
CN109523483A (zh) * | 2018-11-14 | 2019-03-26 | 北京奇艺世纪科技有限公司 | 一种图像去雾方法及装置 |
CN110390655A (zh) * | 2019-07-30 | 2019-10-29 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN110390655B (zh) * | 2019-07-30 | 2021-04-06 | 电子科技大学 | 一种基于蓝色通道校正的图像去雾方法 |
CN111951184B (zh) * | 2020-07-14 | 2024-05-10 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN112200755A (zh) * | 2020-12-09 | 2021-01-08 | 成都索贝数码科技股份有限公司 | 一种图像去雾方法 |
CN112200755B (zh) * | 2020-12-09 | 2021-05-07 | 成都索贝数码科技股份有限公司 | 一种图像去雾方法 |
CN112991197A (zh) * | 2021-02-08 | 2021-06-18 | 新疆大学 | 一种基于暗通道的细节保留的低照度视频增强方法及装置 |
CN112991197B (zh) * | 2021-02-08 | 2022-05-17 | 新疆大学 | 一种基于暗通道的细节保留的低照度视频增强方法及装置 |
CN113298729A (zh) * | 2021-05-24 | 2021-08-24 | 中国科学院长春光学精密机械与物理研究所 | 基于最小值通道的快速单幅图像去雾方法 |
CN113298729B (zh) * | 2021-05-24 | 2022-04-26 | 中国科学院长春光学精密机械与物理研究所 | 基于最小值通道的快速单幅图像去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106157270B (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106157270A (zh) | 一种单幅图像快速去雾方法及*** | |
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*** | |
CN106485681B (zh) | 基于颜色校正和红通道先验的水下彩色图像复原方法 | |
CN102982514B (zh) | 一种暗原色和白平衡相结合的水下彩色图像增强方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
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*** | |
CN107103591A (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
CN106886985A (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
CN105959510B (zh) | 一种视频快速去雾方法 | |
CN103198459A (zh) | 雾霾图像快速去雾方法 | |
CN104919357A (zh) | 透明显示设备的图像处理方法及其设备 | |
CN106127715A (zh) | 一种图像去雾方法及*** | |
CN103489166A (zh) | 一种基于双边滤波的单幅图像去雾方法 | |
CN105957040A (zh) | 基于图像融合的快速去雾算法 | |
CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
CN103020921A (zh) | 基于局部统计信息的单幅图像去雾方法 | |
CN104091307A (zh) | 基于反馈均值滤波的雾天图像快速复原方法 | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
CN103413305B (zh) | 一种单幅图像的快速去雾方法、装置和图像处理*** | |
CN103226816A (zh) | 基于快速高斯滤波的雾霾图像介质传输率估算与优化方法 |
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 |