CN108230275A - 图像去雾的方法 - Google Patents

图像去雾的方法 Download PDF

Info

Publication number
CN108230275A
CN108230275A CN201810113469.4A CN201810113469A CN108230275A CN 108230275 A CN108230275 A CN 108230275A CN 201810113469 A CN201810113469 A CN 201810113469A CN 108230275 A CN108230275 A CN 108230275A
Authority
CN
China
Prior art keywords
image
original image
defogging
dark channel
value
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.)
Pending
Application number
CN201810113469.4A
Other languages
English (en)
Inventor
孙国林
徐荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810113469.4A priority Critical patent/CN108230275A/zh
Publication of CN108230275A publication Critical patent/CN108230275A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像去雾的方法，包括：A.根据原始图像的暗通道图D的所有像素值与原始图像分别作差后的累加值判断是否需要去雾处理，如果无需则将原始图像输出后结束；否则进入步骤B；B.根据暗通道图D和原始图像获得全球大气光值；C.将原始图像的每个像素除以全球大气光值后，计算新图像的暗通道图D2，并将白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；D.通过导向滤波对所述的透射率图T1精细化得到透射率图T2；E.通过雾图形成模型输出去雾后的图像。本发明的图像去雾的方法，能够有效提高图像去雾效果，简化去雾处理的过程，大幅度缩短了对图像的处理时间，有效提高了图像处理的效率。

Description

图像去雾的方法
技术领域
本发明涉及图像处理的方法，具体的讲是图像去雾的方法，特别适合但不仅限于用于公共安全方面的图像去雾的方法。
背景技术
目前在各城市中面向公共安全应用的***可以通过遍布在各个道路的电子眼实时获取道路的路面情况。电子眼只要拍摄到3/4张人脸，就可以对人脸的全貌进行精准识别。电子眼除了能够识别人脸，还具有识别车牌、在方圆2公里的范围之内发现伪基站等能力。
然而，由于受到大气中漂浮水滴对光的折射、反射、自身吸收和自身成像等影响，使得图像采集***在雾天时所捕获图像的对比度较低，并引起色彩失真，甚至会导致机器视觉***无法正常工作。随着大气污染的日益严重，也使得改善自动获取的图像质量显得尤为重要。
因此，在面向公共安全应用的***中实现对图片的去雾处理至关重要，目前的去雾方法包含以下几类：
(1)基于非物理模型的去雾方法，本质上是增强图像的对比度与颜色，并没有对雾天图像的形成原因进行分析而补偿，代表方法是直方图均衡化，但是效果一般；(2)基于物理模型的方法，现在效果好的去雾方法都是基于物理模型，利用大气物理散射规律来建立图像还原模型，从而得到最终去雾图片。
在面向公共安全应用的***中针对单幅图像去雾处理，如果对图像采用暗通道先验方法虽然也具有较好的去雾效果，但处理时间长，需要很大的储存资源与计算资源。而通常在面向公共安全应用的***中对处理时长要求较高。
发明内容
本发明提供了一种图像去雾的方法，在提高图像去雾效果的同时，缩短对图像的处理时间，提高图像处理的效率。
本发明图像去雾的方法，包括：
A.去雾检测：获取电子眼拍摄的原始图像的暗通道图D，并将暗通道图D的所有像素值与原始图像分别作差，将所有差值累加得到T，设置阈值Ts，若T＜Ts，则无需对原始图像进行去雾，直接将原始图像输出后结束；若T≥Ts，则进入步骤B；
B.获取暗通道图D中亮度最高的0.1％数量的像素，然后从原始图像中寻找对应位置上亮度最高的像素点的亮度作为全球大气光值；
C.将原始图像的每个像素除以全球大气光值后，得到一个新图像，继续计算该新图像的暗通道图D1，将D1的像素分别乘以0.95得到暗通道图D2，将一张像素值为[255,255,255]的白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；
D.通过导向滤波对所述的透射率图T1精细化，得到精细化后的透射率图T2；导向滤波是一种图像滤波技术，通过一张引导图，对输入的图像进行滤波处理，使得最后的输出图像大体上与输入图像相似，但在纹理部分与引导图相似。
E.将原始图像、全球大气光值和透射率图T2，根据雾图形成模型输出去雾后的图像。
本发明基于暗通道先验基础，提出了一种面向公共安全应用的***中的单图快速去雾方法缩短去雾时长，同时在面向公共安全应用的***中引入移动边缘计算(MobileEdge Computing，MEC)提高***性能。移动边缘计算是基于5G演进的架构。MEC可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验。通过MEC可以将电子眼发送的图片处理后进行缓存，从而缓解云服务器的处理压力。
具体的，步骤A中获取所述暗通道图D的步骤为：取出原始图像的每个像素RGB分量的最小分量值，将其存入到一个和原始图像相同大小的灰度图中，然后将所述灰度图划分为多个像素为15×15的窗口，并对每个所述窗口进行最小值滤波，用窗口的最小像素值替代该窗口的所有像素后，得到所述的暗通道图D。其中所述的最小值滤波是将窗口中所有的像素值都替换为该窗口中的最小像素值的一种方法。
可选的，步骤A和步骤B至E为在同意设备中集成处理。
可选的，步骤A和步骤B至E为在通过网络连接的不同设备中分布式处理。
本发明的图像去雾的方法，能够有效提高图像去雾效果，简化去雾处理的过程，大幅度缩短了对图像的处理时间，有效提高了图像处理的效率。
以下结合实施例的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明上述技术思想情况下，根据本领域普通技术知识和惯用手段做出的各种替换或变更，均应包括在本发明的范围内。
附图说明
图1为本发明图像去雾的方法的流程图。
具体实施方式
实施例1：
本实施例中具有电子眼、MEC(移动边缘计算)服务器、远程服务器和终端。电子眼对拍摄的原始图像进行是否去雾的检测，然后将原始图像和检测结果发送给MEC服务器。如果无需去雾，MEC服务器直接将原始图像发送到远程服务器中保存，否则MEC服务器对原始图像进行去雾处理后，将处理后的图像发送到远程服务器中保存。
如图1所示本发明图像去雾的方法，步骤包括：
A.去雾检测：获取电子眼拍摄的原始图像的暗通道图D，步骤为：在电子眼中取出原始图像的每个像素RGB分量的最小分量值，将其存入到一个和原始图像相同大小的灰度图中，然后将所述灰度图划分为多个像素为15×15的窗口，并对每个所述窗口进行最小值滤波，用窗口的最小像素值替代该窗口的所有像素后，得到所述的暗通道图D。
将暗通道图D的所有像素值与原始图像分别作差，将所有差值累加得到T，设置阈值Ts，若T＜Ts，则无需对原始图像进行去雾，直接将原始图像和“无需去雾”的信息输出到MEC服务器，MEC服务器根据该信息直接将原始图像发送到远程服务器中保存；若T≥Ts，则进入将原始图像和暗通道图D发送给MEC服务器，并执行步骤B；
B.在MEC服务器中获取暗通道图D中亮度最高的0.1％数量的像素，然后从原始图像中寻找对应位置上亮度最高的像素点的亮度作为全球大气光值；
C.将原始图像的每个像素除以全球大气光值后，得到一个新图像，继续计算该新图像的暗通道图D1，将D1的像素分别乘以0.95得到暗通道图D2，将一张像素值为[255,255,255]的白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；
D.通过导向滤波对所述的透射率图T1精细化，得到精细化后的透射率图T2；导向滤波是一种图像滤波技术，通过一张引导图，对输入的图像进行滤波处理，使得最后的输出图像大体上与输入图像相似，但在纹理部分与引导图相似。
E.将原始图像、全球大气光值和透射率图T2，根据雾图形成模型得到去雾后的图像。MEC服务器将去雾后的图像发送到远程服务器中保存。当客户端请求图像时，先在MEC服务器中搜索图像，如果搜索到则由MEC服务器将图像发送给客户端，否则到远程服务器中搜索，并由远程服务器将搜索到的图片发送给客户端。
实施例2：
本实施例中具有电子眼、MEC(移动边缘计算)服务器、远程服务器和终端。电子眼仅进行图像拍摄，然后将拍摄的原始图像发送到MEC服务器中，在MEC服务器中进行是否去雾的检测。如果无需去雾，MEC服务器直接将原始图像发送到远程服务器中保存，否则MEC服务器对原始图像进行去雾处理后，将处理后的图像发送到远程服务器中保存。步骤包括：
A.去雾检测：获取电子眼拍摄的原始图像的暗通道图D，步骤为：电子眼拍摄了原始图像后，将原始图像发送到MEC服务器中。在MEC服务器中取出所述原始图像的每个像素RGB分量的最小分量值，将其存入到一个和原始图像相同大小的灰度图中，然后将所述灰度图划分为多个像素为15×15的窗口，并对每个所述窗口进行最小值滤波，用窗口的最小像素值替代该窗口的所有像素后，得到所述的暗通道图D。
将暗通道图D的所有像素值与原始图像分别作差，将所有差值累加得到T，设置阈值Ts，若T＜Ts，则无需对原始图像进行去雾，MEC服务器直接将原始图像发送到远程服务器中保存；若T≥Ts，则执行步骤B；
B.在MEC服务器中获取暗通道图D中亮度最高的0.1％数量的像素，然后从原始图像中寻找对应位置上亮度最高的像素点的亮度作为全球大气光值；
C.将原始图像的每个像素除以全球大气光值后，得到一个新图像，继续计算该新图像的暗通道图D1，将D1的像素分别乘以0.95得到暗通道图D2，将一张像素值为[255,255,255]的白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；
D.通过导向滤波对所述的透射率图T1精细化，得到精细化后的透射率图T2；导向滤波是一种图像滤波技术，通过一张引导图，对输入的图像进行滤波处理，使得最后的输出图像大体上与输入图像相似，但在纹理部分与引导图相似。
E.将原始图像、全球大气光值和透射率图T2，根据雾图形成模型得到去雾后的图像。MEC服务器将去雾后的图像发送到远程服务器中保存。当客户端请求图像时，先在MEC服务器中搜索图像，如果搜索到则由MEC服务器将图像发送给客户端，否则到远程服务器中搜索，并由远程服务器将搜索到的图片发送给客户端。
实施例3：
本实施例中具有电子眼、远程服务器和终端。电子眼进行图像拍摄后，直接在电子眼中对拍摄的原始图像进行是否去雾的检测。如果无需去雾，电子眼将原始图像发送到远程服务器中保存，否则在电子眼中进行去雾处理后，将处理后的图像发送到远程服务器中保存。步骤包括：
A.去雾检测：获取电子眼拍摄的原始图像的暗通道图D，步骤为：电子眼拍摄了原始图像后，在电子眼中取出所述原始图像的每个像素RGB分量的最小分量值，将其存入到一个和原始图像相同大小的灰度图中，然后将所述灰度图划分为多个像素为15×15的窗口，并对每个所述窗口进行最小值滤波，用窗口的最小像素值替代该窗口的所有像素后，得到所述的暗通道图D。
将暗通道图D的所有像素值与原始图像分别作差，将所有差值累加得到T，设置阈值Ts，若T＜Ts，则无需对原始图像进行去雾，电子眼直接将原始图像发送到远程服务器中保存；若T≥Ts，则执行步骤B；
B.在电子眼中获取暗通道图D中亮度最高的0.1％数量的像素，然后从原始图像中寻找对应位置上亮度最高的像素点的亮度作为全球大气光值；
C.将原始图像的每个像素除以全球大气光值后，得到一个新图像，继续计算该新图像的暗通道图D1，将D1的像素分别乘以0.95得到暗通道图D2，将一张像素值为[255,255,255]的白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；
D.通过导向滤波对所述的透射率图T1精细化，得到精细化后的透射率图T2；导向滤波是一种图像滤波技术，通过一张引导图，对输入的图像进行滤波处理，使得最后的输出图像大体上与输入图像相似，但在纹理部分与引导图相似。
E.将原始图像、全球大气光值和透射率图T2，根据雾图形成模型得到去雾后的图像。电子眼将去雾后的图像发送到远程服务器中保存。当客户端请求图像时，直接在远程服务器中搜索，并由远程服务器将搜索到的图片发送给客户端。

Claims (4)

1.图像去雾的方法，其特征包括：
A.去雾检测：获取电子眼拍摄的原始图像的暗通道图D，并将暗通道图D的所有像素值与原始图像分别作差，将所有差值累加得到T，设置阈值Ts，若T＜Ts，则无需对原始图像进行去雾，直接将原始图像输出后结束；若T≥Ts，则进入步骤B；
B.获取暗通道图D中亮度最高的0.1％数量的像素，然后从原始图像中寻找对应位置上亮度最高的像素点的亮度作为全球大气光值；
C.将原始图像的每个像素除以全球大气光值后，得到一个新图像，继续计算该新图像的暗通道图D1，将D1的像素分别乘以0.95得到暗通道图D2，将一张像素值为[255,255,255]的白色图片与暗通道图D2的像素值分别作差后得到透射率图T1；
D.通过导向滤波对所述的透射率图T1精细化，得到精细化后的透射率图T2；
E.将原始图像、全球大气光值和透射率图T2，根据雾图形成模型输出去雾后的图像。
2.如权利要求1所述的图像去雾的方法，其特征为：步骤A中获取所述暗通道图D的步骤为：取出原始图像的每个像素RGB分量的最小分量值，将其存入到一个和原始图像相同大小的灰度图中，然后将所述灰度图划分为多个像素为15×15的窗口，并对每个所述窗口进行最小值滤波，用窗口的最小像素值替代该窗口的所有像素后，得到所述的暗通道图D。
3.如权利要求1或2所述的图像去雾的方法，其特征为：步骤A和步骤B至E为在同意设备中集成处理。
4.如权利要求1或2所述的图像去雾的方法，其特征为：步骤A和步骤B至E为在通过网络连接的不同设备中分布式处理。
CN201810113469.4A 2018-02-05 2018-02-05 图像去雾的方法 Pending CN108230275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810113469.4A CN108230275A (zh) 2018-02-05 2018-02-05 图像去雾的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810113469.4A CN108230275A (zh) 2018-02-05 2018-02-05 图像去雾的方法

Publications (1)

Publication Number Publication Date
CN108230275A true CN108230275A (zh) 2018-06-29

Family

ID=62670596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810113469.4A Pending CN108230275A (zh) 2018-02-05 2018-02-05 图像去雾的方法

Country Status (1)

Country Link
CN (1) CN108230275A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522819A (zh) * 2018-10-29 2019-03-26 西安交通大学 一种基于深度学习的火灾图像识别方法
CN109993714A (zh) * 2019-04-10 2019-07-09 南京航空航天大学 一种有色眩光的去除方法
CN111784601A (zh) * 2020-06-27 2020-10-16 浙江同善人工智能技术有限公司 一种图像去雾方法
CN114022397A (zh) * 2022-01-06 2022-02-08 广东欧谱曼迪科技有限公司 一种内窥镜图像去雾方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732494A (zh) * 2015-03-23 2015-06-24 无锡中科智能农业发展有限责任公司 一种基于图像去雾的组培监控方法及***
CN105976337A (zh) * 2016-05-10 2016-09-28 长安大学 一种基于中值引导滤波的图像去雾方法
CN106157267A (zh) * 2016-07-12 2016-11-23 中国科学技术大学 一种基于暗通道先验的图像去雾透射率优化方法
CN106204491A (zh) * 2016-07-12 2016-12-07 中国科学技术大学 一种基于暗通道先验的自适应图像去雾方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732494A (zh) * 2015-03-23 2015-06-24 无锡中科智能农业发展有限责任公司 一种基于图像去雾的组培监控方法及***
CN105976337A (zh) * 2016-05-10 2016-09-28 长安大学 一种基于中值引导滤波的图像去雾方法
CN106157267A (zh) * 2016-07-12 2016-11-23 中国科学技术大学 一种基于暗通道先验的图像去雾透射率优化方法
CN106204491A (zh) * 2016-07-12 2016-12-07 中国科学技术大学 一种基于暗通道先验的自适应图像去雾方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522819A (zh) * 2018-10-29 2019-03-26 西安交通大学 一种基于深度学习的火灾图像识别方法
CN109993714A (zh) * 2019-04-10 2019-07-09 南京航空航天大学 一种有色眩光的去除方法
CN111784601A (zh) * 2020-06-27 2020-10-16 浙江同善人工智能技术有限公司 一种图像去雾方法
CN111784601B (zh) * 2020-06-27 2024-05-14 浙江同善人工智能技术有限公司 一种图像去雾方法
CN114022397A (zh) * 2022-01-06 2022-02-08 广东欧谱曼迪科技有限公司 一种内窥镜图像去雾方法、装置、电子设备及存储介质
CN114022397B (zh) * 2022-01-06 2022-04-19 广东欧谱曼迪科技有限公司 一种内窥镜图像去雾方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Dhara et al. Color cast dependent image dehazing via adaptive airlight refinement and non-linear color balancing
CN108230275A (zh) 图像去雾的方法
JP5954063B2 (ja) 画像の霧除去方法及びシステム
US9811746B2 (en) Method and system for detecting traffic lights
Peng et al. Image haze removal using airlight white correction, local light filter, and aerial perspective prior
CN107958465A (zh) 一种基于深度卷积神经网络的单幅图像去雾方法
CN105163110A (zh) 摄像头清洁度的检测方法、检测***及拍摄终端
CN102446352A (zh) 视频图像处理方法及装置
CN108154492B (zh) 一种基于非局部均值滤波的图像去雾霾方法
CN105959510B (zh) 一种视频快速去雾方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
CN104766307A (zh) 一种图像处理的方法及设备
JP2012168936A (ja) 動画処理装置及び動画処理方法
CN103903273A (zh) 一种基于手机终端的pm2.5等级快速评价***
KR101788660B1 (ko) 단일 영상 내의 안개 제거 장치 및 방법
JP2004310475A (ja) 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム
CN110136079A (zh) 基于场景深度分割的图像去雾方法
Yu et al. Image and video dehazing using view-based cluster segmentation
Kim et al. Adaptive patch based convolutional neural network for robust dehazing
CN114519698A (zh) 暗光环境下的设备漏油检测方法、装置、设备及存储介质
CN103226809B (zh) 图像除雾装置和图像除雾方法
CN102724541B (zh) 一种监控影像智能诊断恢复方法
CN115334250B (zh) 一种图像处理方法、装置及电子设备
KR20150002187A (ko) Gaussian filtering 기반 영상의 안개제거 시스템 및 방법
CN114663299A (zh) 适用于煤矿井下的图像去雾模型的训练方法及其装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180629

RJ01 Rejection of invention patent application after publication