CN114638763B - 图像去雾方法、***、计算机设备和存储介质 - Google Patents
图像去雾方法、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114638763B CN114638763B CN202210293396.8A CN202210293396A CN114638763B CN 114638763 B CN114638763 B CN 114638763B CN 202210293396 A CN202210293396 A CN 202210293396A CN 114638763 B CN114638763 B CN 114638763B
- Authority
- CN
- China
- Prior art keywords
- image
- flat area
- calculating
- original
- atmospheric light
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000002834 transmittance Methods 0.000 claims abstract description 69
- 238000003708 edge detection Methods 0.000 claims abstract description 22
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像去雾方法、***、计算机设备和存储介质,所述方法包括:对原始有雾图像进行边缘检测,得到边缘图像;根据边缘图像,计算平坦区域图像;根据平坦区域图像,计算大气光值;根据大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;根据最终透射率图像,计算去雾后的图像。本发明利用边缘检测算法区分原始有雾图像的平坦区和非平坦区,通过只在平坦区取值方法提高大气光值估算准确性,并在平坦区通过自适应容差机制对明亮区域的透射率进行修正,从而改善暗通道先验去雾算法中天空区域色彩失真问题,并避免对非天空区的不当修正,从而获得更加优质的去雾图像。
Description
技术领域
本发明涉及图像去雾研究领域,特别是涉及一种图像去雾方法、***、计算机设备和存储介质。
背景技术
在雾或霾等天气情况下,受到大气中杂质分子的影响,拍摄图像的清晰度和对比度大幅度下降,细节大量丢失,从而影响图像后续分析处理,严重阻碍户外监控设施的工作能力。因此,需要简单有效的图像去雾算法对图像信息进行增强,保证***正常运行。
暗通道先验的图像去雾算法具有高效稳定的优点,但对于天空区域面积较大的图像,存在大气光值和透射率估算错误问题。针对大气光值估算错误问题,通过四分法选取天空区域是一种常用方法,但其只适用于天空区域占比较大的图像。针对透射率估算错误问题,利用自适应容差修正透射率可以有效避免天空区域的色彩失真,但其对于部分图像的非天空区域存在误补偿情况。
发明内容
为了解决上述现有技术的不足,本发明提供了一种图像去雾方法、***、计算机设备和存储介质,该方法利用边缘检测算法区分原始有雾图像的平坦区和非平坦区,通过只在平坦区取值方法提高大气光值估算准确性,并利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,从而改善暗通道先验去雾算法中天空区域色彩失真问题,并避免对非天空区的不当修正,从而获得更加优质的去雾图像。
本发明的第一个目的在于提供一种图像去雾方法。
本发明的第二个目的在于提供一种图像去雾***。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种图像去雾方法,所述方法包括:
对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
根据所述平坦区域图像,计算大气光值;
根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
根据所述最终透射率图像,计算去雾后的图像。
进一步的,所述对原始有雾图像进行边缘检测,得到边缘图像,具体包括:
对原始有雾图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行log边缘检测,得到二值边缘图像;
所述根据所述边缘图像,计算平坦区域图像,具体包括:
对所述二值边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到平坦区域图像Sa;
计算平坦区域图像Sa在坐标x处的像素值为:
其中,x表示所述平坦区域图像Sa中任一像素的坐标,Ωa(x)是以坐标x为中心的局部矩形窗口区域,长宽均为min{M,N}/25,M和N分别是所述原始有雾图像的长和宽;E(y)为所述二值边缘图像E在坐标y处的像素值。
进一步的,所述根据所述平坦区域图像,计算大气光值,具体包括:
根据所述原始有雾图像,计算暗通道图像;
对于任意一个x,若Sa(x)≠0,则表示没有平坦区域,在所述暗通道图像中找出亮度最大的前0.1%像素,然后取这些像素在所述原始有雾图像中对应的平均RGB值作为大气光值;
否则,表示有平坦区域,取Sa(x)=0区域中暗通道图像亮度最大的前10%像素,然后记这些像素对应于所述原始有雾图像中的最大RGB值为Imax,大气光值A=a×Imax,其中a为经验系数。
进一步的,所述根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像,具体包括:
对所述边缘图像进行运算,得到精细化平坦区域图像;
根据所述大气光值,计算原始透射率图像;
根据所述原始透射率图像及大气光值,计算修正透射率图像;
根据所述修正透射率图像、原始透射率图像及精细化平坦区域图像,计算综合透射率图像;
根据所述综合透射率图像,获得最终透射率图像。
进一步的,所述对所述边缘图像进行运算,得到精细化平坦区域图像,具体包括:
对所述边缘图像进行运算,得到初始平坦区域图像,具体为:
对所述边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到初始平坦区域图像;
根据所述初始平坦区域图像,获得精细化平坦区域图像,具体为:
以所述初始平坦区域图像作为输入图像,以所述原始有雾图像的灰度图像作为引导图像,进行引导滤波并归一化,得到精细化平坦区域图像。
进一步的,所述根据所述大气光值,计算原始透射率图像,具体为:
计算原始透射率图像t,t在坐标x处的像素值为:
其中,Ic(y)代表所述原始有雾图像I在颜色通道c的坐标y处的像素值,Ωd(x)是以坐标x为中心的局部矩形窗口区域,Ac为大气光值A在颜色通道c的值,ω为调节参数。
进一步的,所述根据所述原始透射率图像及大气光值,计算修正透射率图像,具体为:
计算修正透射率图像 在坐标x处的像素值为:
其中,Ag为大气光值A灰度化结果,为自适应容差,Inum为所述原始有雾图像I的像素个数,Mnum为满足I(x)-A>0条件的像素个数,I(x)为所述原始有雾图像在坐标x处的像素值;t(x)为原始透射率图像t在坐标x处的像素值;Ig(x)为所述原始有雾图像的灰度图像Ig在坐标x处的像素值。
进一步的,所述根据最终透射率图像,计算去雾后的图像,具体为:
计算去雾后的图像J,J在坐标x处的RGB值为:
其中,I(x)为所述原始有雾图像在坐标x处的像素值,为最终透射率图像/>在坐标x处的像素值,t0为透射率下限设定值,A为所述大气光值。
本发明的第二个目的可以通过采取如下技术方案达到:
一种图像去雾***,所述***包括:
原始有雾图像边缘检测模块,用于对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
大气光值计算模块,用于根据所述平坦区域图像,计算大气光值;
透射率修正模块,用于根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
去雾后的图像计算模块,用于根据所述最终透射率图像,计算去雾后的图像。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的图像去雾方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的图像去雾方法。
本发明相对于现有技术具有如下的有益效果:
本发明提供的图像去雾方法、***、计算机设备和存储介质,对原始有雾图像进行边缘检测,得到边缘图像;根据边缘图像,计算平坦区域图像;根据平坦区域图像,计算大气光值;根据大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;根据最终透射率图像,计算去雾后的图像。可见,该方法通过边缘检测算法将原始有雾图像分为平坦区和非平坦区,根据平坦区域图像计算大气光值,提高了大气光值估算准确性;根据大气光值得到最终透射率图像,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,改善了暗通道先验去雾算法中天空区域色彩失真,并避免对非天空区的不当修正,从而获得优质的去雾图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的图像去雾方法的流程图。
图2为本发明实施例1的原始有雾图像。
图3为本发明实施例1的边缘图像。
图4为本发明实施例1的用于计算大气光值的平坦区域图像。
图5为本发明实施例1的用于计算透射率的初步平坦区域图像。
图6为本发明实施例1的用于计算透射率的细化平坦区域图像。
图7为本发明实施例1的最终透射率图像。
图8为本发明实施例1的去雾后图像。
图9为本发明实施例2的图像去雾***的结构框图。
图10为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。应当理解,描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例1:
如图1所示,本实施例提供了一种图像去雾方法,包括以下步骤:
S101、对原始有雾图像进行处理,得到边缘图像;根据边缘图像,计算平坦区域图像。
进一步的,步骤S101具体包括:
(1)对原始有雾图像进行处理,得到边缘图像。
原始有雾图像I如图2所示,首先对原始有雾图像I,进行灰度化处理,得到灰度图像Ig,然后对Ig进行log边缘检测,得到原始有雾图像的二值边缘图像E,如图3所示。
(2)根据边缘图像,计算平坦区域图像。
对二值边缘图像E中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到平坦区域图像Sa,如图4所示。
计算平坦区域图像Sa在坐标x处的像素值为:
其中,Ωa(x)是以坐标x为中心的局部矩形窗口区域,长宽均为min{M,N}/25,M和N分别是原始有雾图像I的长和宽;E(y)是边缘图像E在坐标y处的像素值。
S102、根据平坦区域图像,计算大气光值。
进一步的,步骤S102具体包括:
(1)根据原始有雾图像,计算暗通道图像。
计算暗通道图像Id在坐标x处的像素值为:
其中,Ic(y)代表原始有雾图像I在颜色通道c的坐标y处的像素值,Ωd(x)是以坐标x为中心的局部矩形窗口区域,长宽均为d,本实施例中取d=7。
(2)若没有平坦区域,即没有Sa(x)=0的区域,则在暗通道图像中找出亮度最大的前0.1%像素,然后取这些像素在原始有雾图像中对应的平均RGB值作为大气光值A,结束步骤S102,否则执行步骤(3)。
(3)取Sa(x)=0区域处暗通道图像亮度最大的前10%像素,即所选像素位于平坦区域,然后记这些像素对应于原始有雾图像中的最大RGB值为Imax,最后大气光值A=a×Imax,其中a为经验系数,本实施例中取a=1.02。
S103、根据大气光值,计算最终透射率图像。
计算最终透射率图像具体步骤如下:
(1)对边缘图像进行运算,得到初始平坦区域图像。
对二值边缘图像E每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到初始平坦区域图像St,如图5所示。
计算初始平坦区域图像St在坐标x处的像素值为:
其中Ωt(x)是以坐标x为中心局部矩形窗口区域,长宽均为min{M,N}/100,M和N分别是原始有雾图像I的长和宽。
(2)根据初始平坦区域图像,获得精细化平坦区域图像。
以初始平坦区域图像St作为输入图像,以有雾图像的灰度图像Ig作为引导图像,进行引导滤波并归一化,获得精细化平坦区域图像如图6所示。
(3)根据大气光值,计算原始透射率图像。
计算原始透射率图像t,t在坐标x处的像素值为:
其中,Ic(y)代表原始有雾图像I在颜色通道c的坐标y处的像素值,Ωd(x)是以坐标x为中心的局部矩形窗口区域,Ac为大气光值A在颜色通道c的值,ω为调节参数,本实施例中取ω=0.95。
(4)根据原始透射率图像及大气光值,计算修正透射率图像。
计算修正透射率图像 在坐标x处的像素值为:
其中,Ag为大气光值A灰度化结果,为自适应容差,Inum为原始有雾图像I的像素个数,Mnum为满足I(x)-A>0条件的像素个数,Ig(x)为原始有雾图像的灰度图像Ig在坐标x处的像素值。
(5)根据精细化平坦区域图像、修正透射率图像及原始透射率图像,计算综合透射率图像。
计算综合透射率图像 在坐标x处的像素值为:
(6)根据综合透射率图像,获得最终透射率图像。
以综合透射率图像作为输入图像,以有雾图像的灰度图Ig作为引导图像,进行引导滤波并归一化,获得最终透射率图像/>如图7所示。
S104、根据最终透射率图像,计算去雾后的图像。
计算去雾后的图像J,如图8所示,J在坐标x处的RGB值为:
其中,I(x)为原始有雾图像在坐标x处的像素值,为最终透射率图像在坐标x处的像素值,t0为透射率下限设定值,本实施例中t0=0.1。
本领域技术人员可以理解,实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
如图9所示,本实施例提供了一种图像去雾***,该***包括原始有雾图像边缘检测模块901、大气光值计算模块902、透射率修正模块903和去雾后的图像计算模块904,其中:
原始有雾图像边缘检测模块901,用于对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
大气光值计算模块902,用于根据所述平坦区域图像,计算大气光值;
透射率修正模块903,用于根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
去雾后的图像计算模块904,用于根据所述最终透射率图像,计算去雾后的图像。
本实施例中各个模块的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的***仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3:
本实施例提供了一种计算机设备,该计算机设备可以为计算机,如图10所示,其通过***总线1001连接的处理器1002、存储器、输入装置1003、显示器1004和网络接口1005,该处理器用于提供计算和控制能力,该存储器包括非易失性存储介质1006和内存储器1007,该非易失性存储介质1006存储有操作***、计算机程序和数据库,该内存储器1007为非易失性存储介质中的操作***和计算机程序的运行提供环境,处理器1002执行存储器存储的计算机程序时,实现上述实施例1的图像去雾方法,如下:
对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
根据所述平坦区域图像,计算大气光值;
根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
根据所述最终透射率图像,计算去雾后的图像。
实施例4:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的图像去雾方法,如下:
对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
根据所述平坦区域图像,计算大气光值;
根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
根据所述最终透射率图像,计算去雾后的图像。
需要说明的是,本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述,本发明通过边缘检测将原始有雾图像分为平坦区和非平坦区,利用平坦区限制大气光值估算和透射率修正,从而获得更加优质的去雾图像。本发明提供的方法简单有效,而且具有高效稳定的优点。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (6)
1.一种图像去雾方法,其特征在于,所述方法包括:
对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
根据所述平坦区域图像,计算大气光值;
根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
根据所述最终透射率图像,计算去雾后的图像;
其中,所述对原始有雾图像进行边缘检测,得到边缘图像,具体包括:
对原始有雾图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行log边缘检测,得到二值边缘图像;
所述根据所述边缘图像,计算平坦区域图像,具体包括:
对所述二值边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到平坦区域图像Sa;
计算平坦区域图像Sa在坐标x处的像素值为:
式中,x表示所述平坦区域图像Sa中任一像素的坐标,Ωa(x)是以坐标x为中心的局部矩形窗口区域,长宽均为min{M,N}/25,M和N分别是所述原始有雾图像的长和宽;E(y)为所述二值边缘图像E在坐标y处的像素值;
所述根据所述平坦区域图像,计算大气光值,具体包括:
根据所述原始有雾图像,计算暗通道图像;
对于任意一个x,若Sa(x)≠0,则表示没有平坦区域,在所述暗通道图像中找出亮度最大的前0.1%像素,然后取这些像素在所述原始有雾图像中对应的平均RGB值作为大气光值;
否则,表示有平坦区域,取Sa(x)=0区域中暗通道图像亮度最大的前10%像素,然后记这些像素对应于所述原始有雾图像中的最大RGB值为Imax,大气光值A=a×Imax,其中a为经验系数;
所述根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像,具体包括:
对所述边缘图像进行运算,得到精细化平坦区域图像;
根据所述大气光值,计算原始透射率图像;
根据所述原始透射率图像及大气光值,计算修正透射率图像;
根据所述修正透射率图像、原始透射率图像及精细化平坦区域图像,计算综合透射率图像;
根据所述综合透射率图像,获得最终透射率图像;
所述对所述边缘图像进行运算,得到精细化平坦区域图像,具体包括:
对所述边缘图像进行运算,得到初始平坦区域图像,具体为:
对所述边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到初始平坦区域图像;
根据所述初始平坦区域图像,获得精细化平坦区域图像,具体为:
以所述初始平坦区域图像作为输入图像,以所述原始有雾图像的灰度图像作为引导图像,进行引导滤波并归一化,得到精细化平坦区域图像。
2.根据权利要求1所述的图像去雾方法,其特征在于,所述根据所述大气光值,计算原始透射率图像,具体为:
计算原始透射率图像t,t在坐标x处的像素值为:
式中,Ic(y)代表所述原始有雾图像I在颜色通道c的坐标y处的像素值,Ωd(x)是以坐标x为中心的局部矩形窗口区域,Ac为大气光值A在颜色通道c的值,ω为调节参数。
3.根据权利要求1所述的图像去雾方法,其特征在于,所述根据所述原始透射率图像及大气光值,计算修正透射率图像,具体为:
计算修正透射率图像 在坐标x处的像素值为:
式中,Ag为大气光值A灰度化结果,为自适应容差,Inum为所述原始有雾图像I的像素个数,Mnum为满足I(x)-A>0条件的像素个数,I(x)为所述原始有雾图像在坐标x处的像素值;t(x)为原始透射率图像t在坐标x处的像素值;Ig(x)为所述原始有雾图像的灰度图像Ig在坐标x处的像素值。
4.根据权利要求1所述的图像去雾方法,其特征在于,所述根据最终透射率图像,计算去雾后的图像,具体为:
计算去雾后的图像J,J在坐标x处的RGB值为:
式中,I(x)为所述原始有雾图像在坐标x处的像素值,为最终透射率图像/>在坐标x处的像素值,t0为透射率下限设定值,A为所述大气光值。
5.一种图像去雾***,其特征在于,所述***包括:
原始有雾图像边缘检测模块,用于对原始有雾图像进行边缘检测,得到边缘图像;根据所述边缘图像,计算平坦区域图像;
大气光值计算模块,用于根据所述平坦区域图像,计算大气光值;
透射率修正模块,用于根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像;
去雾后的图像计算模块,用于根据所述最终透射率图像,计算去雾后的图像;
其中,所述对原始有雾图像进行边缘检测,得到边缘图像,具体包括:
对原始有雾图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行log边缘检测,得到二值边缘图像;
所述根据所述边缘图像,计算平坦区域图像,具体包括:
对所述二值边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到平坦区域图像Sa;
计算平坦区域图像Sa在坐标x处的像素值为:
式中,x表示所述平坦区域图像Sa中任一像素的坐标,Ωa(x)是以坐标x为中心的局部矩形窗口区域,长宽均为min{M,N}/25,M和N分别是所述原始有雾图像的长和宽;E(y)为所述二值边缘图像E在坐标y处的像素值;
所述根据所述平坦区域图像,计算大气光值,具体包括:
根据所述原始有雾图像,计算暗通道图像;
对于任意一个x,若Sa(x)≠0,则表示没有平坦区域,在所述暗通道图像中找出亮度最大的前0.1%像素,然后取这些像素在所述原始有雾图像中对应的平均RGB值作为大气光值;
否则,表示有平坦区域,取Sa(x)=0区域中暗通道图像亮度最大的前10%像素,然后记这些像素对应于所述原始有雾图像中的最大RGB值为Imax,大气光值A=a×Imax,其中a为经验系数;
所述根据所述大气光值,利用平坦区域图像及自适应容差机制对明亮平坦区域的透射率进行修正,得到最终透射率图像,具体包括:
对所述边缘图像进行运算,得到精细化平坦区域图像;
根据所述大气光值,计算原始透射率图像;
根据所述原始透射率图像及大气光值,计算修正透射率图像;
根据所述修正透射率图像、原始透射率图像及精细化平坦区域图像,计算综合透射率图像;
根据所述综合透射率图像,获得最终透射率图像;
所述对所述边缘图像进行运算,得到精细化平坦区域图像,具体包括:
对所述边缘图像进行运算,得到初始平坦区域图像,具体为:
对所述边缘图像中每一个像素为中心的局部矩形窗口区域进行一次最大值运算,得到初始平坦区域图像;
根据所述初始平坦区域图像,获得精细化平坦区域图像,具体为:
以所述初始平坦区域图像作为输入图像,以所述原始有雾图像的灰度图像作为引导图像,进行引导滤波并归一化,得到精细化平坦区域图像。
6.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-4任一项所述的图像去雾方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293396.8A CN114638763B (zh) | 2022-03-24 | 2022-03-24 | 图像去雾方法、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293396.8A CN114638763B (zh) | 2022-03-24 | 2022-03-24 | 图像去雾方法、***、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114638763A CN114638763A (zh) | 2022-06-17 |
CN114638763B true CN114638763B (zh) | 2024-05-24 |
Family
ID=81950147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210293396.8A Active CN114638763B (zh) | 2022-03-24 | 2022-03-24 | 图像去雾方法、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638763B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN106780384A (zh) * | 2016-12-15 | 2017-05-31 | 上海交通大学 | 一种适用冷光源腹腔影像参数自适应的实时去烟雾方法 |
CN106780390A (zh) * | 2016-12-27 | 2017-05-31 | 西安电子科技大学 | 基于边缘分类加权融合的单幅图像去雾方法 |
CN107301623A (zh) * | 2017-05-11 | 2017-10-27 | 北京理工大学珠海学院 | 一种基于暗通道和图像分割的交通图像去雾方法及*** |
CN107798670A (zh) * | 2017-09-20 | 2018-03-13 | 中国科学院长春光学精密机械与物理研究所 | 一种利用图像引导滤波器的暗原色先验图像去雾方法 |
CN108876743A (zh) * | 2018-06-26 | 2018-11-23 | 中山大学 | 一种图像快速去雾方法、***、终端及存储介质 |
CN109255759A (zh) * | 2018-08-02 | 2019-01-22 | 辽宁师范大学 | 基于天空分割和透射率自适应修正的图像去雾方法 |
CN110298809A (zh) * | 2019-07-08 | 2019-10-01 | 广东工业大学 | 一种图像去雾方法及装置 |
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 |
CN112465708A (zh) * | 2020-10-23 | 2021-03-09 | 南京理工大学 | 基于暗通道改进的图像去雾方法 |
-
2022
- 2022-03-24 CN CN202210293396.8A patent/CN114638763B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750674A (zh) * | 2012-04-26 | 2012-10-24 | 长春理工大学 | 基于自适应容差的视频图像去雾方法 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN106780384A (zh) * | 2016-12-15 | 2017-05-31 | 上海交通大学 | 一种适用冷光源腹腔影像参数自适应的实时去烟雾方法 |
CN106780390A (zh) * | 2016-12-27 | 2017-05-31 | 西安电子科技大学 | 基于边缘分类加权融合的单幅图像去雾方法 |
CN107301623A (zh) * | 2017-05-11 | 2017-10-27 | 北京理工大学珠海学院 | 一种基于暗通道和图像分割的交通图像去雾方法及*** |
CN107798670A (zh) * | 2017-09-20 | 2018-03-13 | 中国科学院长春光学精密机械与物理研究所 | 一种利用图像引导滤波器的暗原色先验图像去雾方法 |
CN108876743A (zh) * | 2018-06-26 | 2018-11-23 | 中山大学 | 一种图像快速去雾方法、***、终端及存储介质 |
CN109255759A (zh) * | 2018-08-02 | 2019-01-22 | 辽宁师范大学 | 基于天空分割和透射率自适应修正的图像去雾方法 |
CN110298809A (zh) * | 2019-07-08 | 2019-10-01 | 广东工业大学 | 一种图像去雾方法及装置 |
CN112465708A (zh) * | 2020-10-23 | 2021-03-09 | 南京理工大学 | 基于暗通道改进的图像去雾方法 |
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 |
Non-Patent Citations (2)
Title |
---|
基于暗原色的图像去雾改进算法研究;马春波 等;计算机与数字工程;20160120;第44卷(第01期);第118页-第122页 * |
基于暗通道先验的比值重估透射率去雾算法;白海平 等;计算机工程与应用;20150401;第52卷(第13期);第21页-第217页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114638763A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11113795B2 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和*** | |
CN107730475A (zh) | 图像增强方法及*** | |
US9478015B2 (en) | Exposure enhancement method and apparatus for a defogged image | |
US8406559B2 (en) | Method and system for enhancing image sharpness based on local features of image | |
CN113168669B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN109493299B (zh) | 一种消除点光源光照影响的方法 | |
CN111383178A (zh) | 一种图像增强方法、装置及终端设备 | |
KR20160103902A (ko) | 영상 처리 장치, 영상 처리 방법, 및 영상 처리 프로그램 | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN112116542A (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、***、终端及存储介质 | |
CN112465708A (zh) | 基于暗通道改进的图像去雾方法 | |
CN109447942B (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
CN114862897A (zh) | 一种图像背景处理方法、装置及电子设备 | |
CN112200755B (zh) | 一种图像去雾方法 | |
CN114638763B (zh) | 图像去雾方法、***、计算机设备和存储介质 | |
CN113570507B (zh) | 一种图像降噪方法、装置、设备及存储介质 | |
CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
CN112381073A (zh) | 基于ai人脸检测的iq调整方法及调整模块 | |
CN117152016A (zh) | 基于改进暗通道先验的图像去雾方法及其*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |