TW201435806A - 影像還原方法 - Google Patents
影像還原方法 Download PDFInfo
- Publication number
- TW201435806A TW201435806A TW102107882A TW102107882A TW201435806A TW 201435806 A TW201435806 A TW 201435806A TW 102107882 A TW102107882 A TW 102107882A TW 102107882 A TW102107882 A TW 102107882A TW 201435806 A TW201435806 A TW 201435806A
- Authority
- TW
- Taiwan
- Prior art keywords
- light propagation
- propagation rate
- captured image
- image
- pixel
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011084 recovery Methods 0.000 title abstract 3
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000009499 grossing Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 239000003086 colorant Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 230000001902 propagating effect Effects 0.000 description 2
- 239000011449 brick Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000002834 transmittance 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
- G06T5/20—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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一種影像還原方法,用來去除一環境介質之影響,包含有接收受該環境介質影響之一捕捉影像;針對該捕捉影像中各個像素,定義各像素為一中心之一個別的區域性範圍;以及在以該捕捉影像中各像素為一中心之一區域性範圍中所有像素之原始顏色相同之假設下,對各區域性範圍進行最小化估算,以得到該捕捉影像中各像素相對應之一光線傳播率。
Description
本發明係指一種影像還原方法,尤指一種可針對各像素進行估算,以得到各像素相對應之一光線傳播率,進而以精確的光線傳播率圖進行還原的影像還原方法。
一般來說,在充滿霧氣的環境中,影像補捉裝置所得到之捕捉影像會受到霧氣影響,距離愈遠的物體可視的程度愈低,因此需要進行去霧(dehazing)以得到未受霧氣影響的真實影像。
在習知技術中,進行去霧的方法可以分成三大類:第一類方法需要多張在不同特定的環境下拍攝之捕捉影像(如在濃霧、淡霧以及無霧之環境下),進而推測出無霧的真實影像。此方法在捕捉影像取得上較為繁複與困難;第二類方法需要儀器或者是使用者介入得到影像深度資訊(如標的各物體的距離遠近),再進行去霧過程,此方法在實作上同樣不易進行;第三類方法利用單張影像,對於物體的原始顏色(radiance)、距離遠近或空氣光(airlight)成分等變數進行假設並求出最佳解。
然而,習知第三種方法僅對符合假設的區域計算,然後推導出區域性最佳解(local optimal solution),對於未符合假設的區域所求得的光線傳播率(transmission)會較為粗略,因此去霧效果並不精細(如第1圖所示,習知以區域性最佳解所得之一光線傳播率相當模糊);此外,習知紅、綠、藍三個不同的色彩通道(color channel)之衰變係數(attenuation coefficients)視為同一常數,但實際上霧氣對紅、綠、藍三個不同的色彩通道之衰變係數並不相同,因此去霧後不符合真實物體的顏色。有鑑於
此,習知技術實有改進之必要。
因此,本發明之主要目的即在於提供一種可針對各像素進行估算,以得到各像素相對應之一光線傳播率,進而以精確的光線傳播率圖進行還原的影像還原方法。
本發明之一方面揭露一種影像還原方法,用來去除一環境介質之影響,包含有接收受該環境介質影響之一捕捉影像;針對該捕捉影像中各個像素,定義各像素為一中心之一個別的區域性範圍;以及在以該捕捉影像中各像素為一中心之一區域性範圍中所有像素之原始顏色相同之假設下,對各區域性範圍進行最小化估算,以得到該捕捉影像中各像素相對應之一光線傳播率。
本發明之另一方面揭露一種影像還原方法,用來去除一環境介質之影響,包含有接收受該環境介質影響之一捕捉影像;獲得該捕捉影像之一光線傳播率趨勢;依據根據該捕捉影像、該環境介質之顏色,於該光線傳播趨勢之限制下,計算出該捕捉影像中各像素相對應之一光線傳播率;以及根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。
本發明之更另一方面揭露一種影像還原方法,用來去除一環境介質之影響,包含有接收受該環境介質影響之一捕捉影像;依據根據該捕捉影像、該環境介質之顏色,在不同的色彩通道之光線傳播率具有不同之衰變係數之限制下,計算出該捕捉影像中各像素相對應之一光線傳播率(transmission);以及根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。
流程
200~208‧‧‧步驟
E1(x,y)~E2(x,y)‧‧‧捕捉影像
α(x,y)‧‧‧光線傳播率
R(x,y)‧‧‧原始顏色
第1圖為習知以區域性最佳解所得之一光線傳播率之示意圖。
第2圖為本發明實施例一影像還原流程之示意圖。
第3A圖至第3C圖分別為一捕捉影像及以一成本函數求出之一光線傳播率以及一原始顏色之示意圖。
第4A圖至第4C圖分別為另一捕捉影像及以一成本函數求出之一光線傳播率以及一原始顏色之示意圖。
第5圖為第4A圖所示之捕捉影像及其光線傳播率趨勢之示意圖。
第6A圖至第6B圖分別為以一成本函數所求出第4A圖所示之捕捉影像之一光線傳播率以及一原始顏色之示意圖。
第7A圖為對更一捕捉影像設定不同的色彩通道具有相同之衰變係數所得一原始顏色之示意圖。
第7B圖為對該更一捕捉影像設定不同的色彩通道具有不同之衰變係數所得一原始顏色之示意圖。
請參考第2圖,第2圖為本發明實施例一影像還原流程20之示意圖。如第2圖所示,影像還原流程20可用於一影像處理裝置中去除一環境介質之影響(如用於相機或手機進行即時處理,或用於電腦中進行後製處理,以去除如霧氣、煙霧等環境介質之影響),影像還原流程20包含有以下步驟:步驟200:開始。
步驟202:接收受該環境介質影響之一捕捉影像。
步驟204:針對該捕捉影像中各個像素,定義各像素為一中心之一個別的區域性範圍。
步驟206:在以該捕捉影像中各像素為一中心之一區域性範圍(local window)中所有像素之原始顏色(radiance)相同之假設下,對各區域性範圍進行最小化(minimizing)估算,以得到該捕捉影像中各像素相對應之一光線傳播率(transmission)。
步驟208:結束。
根據影像還原流程20,影像處理裝置先接收受該環境介質影響之一捕捉影像(如一像機或手機於霧氣或煙霧所拍攝之影像),再針對該捕捉影像中各個像素,定義各像素為一中心之一個別的區域性範圍(如以各像素為中心的3*3像素範圍),然後在以該捕捉影像中各像素為一中心之一區域性範圍中所有像素之原始顏色相同之假設下(即區域性範圍中所有像素所對應之物體應為相同顏色),對各區域性範圍進行最小化估算,以得到該捕捉影像中各像素相對應之一光線傳播率。接著,影像處理裝置可根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。如此一來,本實施例假設各像素之區域性範圍中所有像素之原始顏色相同求得各像素之各光線傳播率,而可將光線傳播率圖(transmission map)推導出全域之最佳解,因此可利用精確的光線傳播率圖進行影像還原。
詳細來說,受該環境介質影響之捕捉影像可用以下之數學模型表示:E(x,y)=R(x,y)e -βd(x,y)+L ∞(1-e -βd(x,y))
=R(x,y)α(x,y)+L ∞(1-α(x,y)) (1)
其中,E(x,y)代表所接收觀察(或拍攝)之捕捉影像,β為大氣中的衰變係數(atmospheric attenuation coefficient),L ∞則為環境介質之顏色(環境介質為霧氣之情況下可假設為白色),d(x,y)是場景中各物體到鏡頭之間的距離,R(x,y)則是該環境介質之影響被去除下之各像素之原始顏色,α(x,y)定義為e -βd(x,y)並稱作光線傳播率。
換言之,由第(1)式可知,捕捉影像E(x,y)包含一直接衰變(direct attenuation)成份以及一空氣光(airlight)成分,其中該直接衰變成份係代表成功傳送到相機上的光線,由該環境介質之影響被去除下之各像素之原始顏色R(x,y)以及光線傳播率α(x,y)決定;而該空氣光成分係代表環境介質之顏色反射太陽光到鏡頭上,由該環境介質之顏色L ∞
以及光線傳播率α(x,y)決定。值得注意的是,於其他實施例中,可使用不同之數學模型,而不限於第(1)式。
在此情況下,由於一般環境介質之顏色L ∞可以由實驗獲得,因此需解出光線傳播率α(x,y)以及該環境介質之影響被去除下之各像素之原始顏色R(x,y)。因此,可將第(1)式改寫如下以求解:
其中,γ(x,y)在此稱為一捕捉函數,由原始顏色R(x,y)與環境介質之顏色L ∞決定。可假設在一個小的區域性範圍w內,物體原始顏色R(x,y)為定值(即區域性範圍中所有像素所對應之物體應為相同顏色),因此捕捉函數γ(x,y)亦為定值γ:
接著,由假設該捕捉影像E(x,y)中各像素為中心之區域性範圍中所有像素之原始顏色相同所得之第(3)式及Matting模型取前後背景分離,可根據捕捉影像E(x,y)、環境介質之顏色L ∞,在該環境介質之影響被去除下之各像素之原始顏色R(x,y)以及該光線傳播率α(x,y),而定義一成本函數(cost function)J(α,γ),再計算出可使成本函數J(α,γ)最小化之光線傳播率α(x,y)以及原始顏色R(x,y),如下:
其中,w j 代表以第j個像素為中心,在區域性範圍內的其他像素;成本函數J(α,γ)主要為第(3)式中等號左式與右式之差值,而ε為
可選擇性加入成本函數J(α,γ)之一一般化參數(regularization parameter),用來避免因最小化成本函數J(α,γ)的情況下使得捕捉函數γ(x,y)之定值γ等於零。
在此情況下,可先假定已經給定光線傳播率,每個對於區域性範圍w k 之捕捉函數γ k 最佳解為:
接著,將第(5)式代入第(4)式可得:
其中,而U為拉普拉斯矩陣(Laplacian matrix),如下:
其中,。
如此一來,本實施例可如第(3)式假設捕捉影像E(x,y)中各像素為中心之區域性範圍中所有像素之原始顏色相同,再計算出可使第(6)式成本函數J(α,γ)於相對應各像素之各區域性範圍中最小化之各光線傳播率α(x,y),再代回第(1)式求得該環境介質之影響被去除下之各像素之各原始顏色R(x,y)。
此外,為了避免原始顏色R(x,y)解出負值,因此將第(2)式改為由光線傳播率α(x,y)表示原始顏色R(x,y)後,可得到之限制,而為了使區域中影像較平滑,而避免光線傳播率α(x,y)差異過大,可依據一平滑參數ζ與光線傳播率α(x,y)來定義一平滑函數ζ∥▽α∥2,其中平滑參數ζ係定義光線傳播率α(x,y)之區域平滑程度,再加入平滑
函數ζ∥▽α∥2於成本函數J(α,γ)中,而可將第(6)式改寫如下:
如此一來,本實施例由第(8)式所加入之限制可避免原始顏色R(x,y)為負值而造成錯誤,且可求出較平滑連續之光線傳播率α(x,y)而進行影像還原得到較平滑連續之原始顏色R(x,y)。
舉例來說,請參考第3A圖至第3C圖,第3A圖至第3C圖分別為一捕捉影像E1(x,y)及以第(6)式或第(8)式求出之光線傳播率α(x,y)以及原始顏色R(x,y)之示意圖。如第3A圖至第3C圖所示,如第3A圖所示之捕捉影像E1(x,y)受該環境介質(如霧氣)影響而模糊,而在以第(6)式或第(8)式求出如第3B圖所示之各像素之各光線傳播率α(x。y)之最佳解後(所得光線傳播率α(x,y)較第1圖所示之光線傳播率精細),可進行影像還原得到如第3C圖所示精確的原始顏色R(x,y)。
需注意的是,本發明之上述實施例之主要精神在於可假設各像素之區域性範圍中所有像素之原始顏色相同求得各像素之各光線傳播率,而可將光線傳播率圖推導出全域之最佳解,因此可以精確的光線傳播率圖進行影像還原。本領域具通常知識者當可據以進行修飾或變化,而不限於此。舉例來說,上述各式係計算各像素灰階之光線傳播率α(x,y)及原始顏色R(x,y),在彩色影像中具有三色彩通道(color channel)之情況下,由於物體與鏡頭之距離d都相同,因此可假設光線傳播率(transmission)相同將第(3)式改寫為:
其中,c表示色彩通道,而r表示紅色色彩通道,g表示綠色色彩通道,b表示藍色色彩通道。
在表示三個色彩通道的情況下,可將第(4)式之成本函數J(α,γ)修改為:
再如第(5)式先給定,求出每個對於區域性範圍w k 之捕捉函數γ c k 最佳解代回,可將第(10)式改寫為:
其中,。
舉例來說,請參考第4A圖至第4C圖,第4A圖至第4C圖分別為另一捕捉影像E2(x,y)及以第(11)式求出之光線傳播率α(x,y)以及原始顏色R(x,y)之示意圖。如第4A圖至第4C圖所示,如第4A圖所示之彩色捕捉影像E2(x,y)受該環境介質(如霧氣)影響而模糊,而在以第(11)式求出如第4B圖所示之各像素之各光線傳播率α(x,y)之最佳解後,可進行影像還原得到如第4C圖所示精確的原始顏色R(x,y)。
此外,由於去霧之數學模型原本的特性,對於原本白色的物體所求得的光線傳播率可能會比真實的光線傳播率小(由於捕捉影像之顏色約等於環境介質之顏色L ∞,即E L ∞,因此所求得α 0),如第4B圖中白色車子所示;反之,對於黑色的物體來說,所求得的光線傳播率可能會比真實的光線傳播率來的大(由於捕捉影像之顏色約等於原始顏色,即E R 0,因此所求得α 1),如第4B圖中車子底下之陰影所示。
為避免上述因顏色而使光線傳播率α(x,y)失真之現象,可先獲得捕捉影像E(x,y)之一光線傳播率趨勢(transmission heuristic),以於
計算出可使成本函數J(α,γ)最小化之光線傳播率α(x,y)與原始顏色R(x,y)之步驟,利用該光線傳播率趨勢進行光線傳播率α(x,y)之一限制h j 。
詳細來說,請參考第5圖,第5圖為第4A圖所示之捕捉影像E2(x,y)及其光線傳播率趨勢之示意圖。如第5圖右側所示,由於從鏡頭至天空地面交會的水平線,深度d會逐漸遞減,而光線傳播率α(x,y)會呈對數遞增,因此可先獲得捕捉影像E(x,y)中一地平線,再根據該地平線,設定捕捉影像E(x,y)中非地面部分之光線傳播率值α(x,y)為一第一固定值,以及設定捕捉影像E(x,y)中地面部分之光線傳播率值α(x,y)由遠至近為該第一固定值至一第二固定值(如由0至1),且可進一步設定捕捉影像E(x,y)中地面部分之光線傳播率值α(x,y)由遠至近成對數遞增。接著,再設定捕捉影像E(x,y)中同一物體之光線傳播率值與該物體之一最低點之光線傳播率值相同。值得注意的是,上述關於光線傳播率趨勢之限制僅為範例說明,於不同之應用中,可針對不同之需求而設計不同的光線傳播率趨勢,譬如可採用上述之各種限制條件當中之一至多者,而不需全體採用,或增加更多其他限制條件。
在此情況下,可從對各區域性範圍進行最小化之一估算結果(即第(6)式所得結果)及各相對應像素於該光線傳播率趨勢中之一光線傳播率值,取出較大之光線傳播率(即實際上光線傳播率需大於等於空間分佈所造成之光線傳播率趨勢),做為捕捉影像E(x,y)中各相對應像素之光線傳播率α(x,y),因此可將第(8)式改寫如下:
其中,其中h j 為光線傳播率趨勢之限制,則保證去除霧氣之原始顏色R(x,y)不為負值,ζ則為控制平滑程度之參數。於其他實施例中,不限於取較大值,譬如可採用權重計算。
如此一來,請參考第6A圖至第6B圖,第6A圖至第6B圖分別為以第(11)式所求出捕捉影像E2(x,y)之光線傳播率α(x,y)以及原始顏色R(x,y)之示意圖。比較以光線傳播率趨勢進行限制之第6A圖至第6B圖及未以光線傳播率趨勢進行限制之第4B圖至第4C圖可知,第4B圖中白色車子及左下方白色道路因為白色而所求得的光線傳播率比真實的光線傳播率小,而第6A圖中白色車子及左下方白色道路可以光線傳播率趨勢限制得到與空間分佈相符的光線傳播率,再解出較真實的原始顏色。
除此之外,上述進行影像還原之實施例中係針對不同的色彩通道之光線傳播率,設定相同之衰變係數。然而,由於環境介質對於不同的波長的光線會造成不同的光線傳播率,因此若將不同的色彩通道設定相同之衰變係數可能造成色偏而使所得原始顏色R(x,y)有偏綠的趨勢。在此情況下,可針對不同的色彩通道之光線傳播率,設定不同之衰變係數,以修正環境介質的影響。
舉例來說,請參考第7A圖及第7B圖,第7A圖為對一捕捉影像E3(x,y)設定不同的色彩通道具有相同之衰變係數所得原始顏色R(x,y)之示意圖,第7B圖為對捕捉影像E3(x,y)設定不同的色彩通道具有不同之衰變係數所得原始顏色R(x,y)之示意圖。如第7A圖及第7B圖所示,第7A圖所得之原始顏色R(x,y)偏綠,而第7B圖假設環境介質為霧氣分別設定紅色色彩通道、綠色色彩通道以及藍色色彩通道之衰變係數大致等於0.83、0.93以及0.95,因此所得原始顏色R(x,y)較貼近真實物體的顏色(磚牆的顏色較為趨向真實的紅色)。值得注意的是,於其他實施例中,可根據不同之需求而針對不同色彩通道使用不同數值的衰變係數,而不限於上述數值。
值得注意的是,在上述實施例中,避免原始顏色R(x,y)解出
負值之限制、進行平滑之平滑函數ζ∥▽α∥2、光線傳播率趨勢之限制h j 及設定不同的色彩通道具有不同之衰變係數之應用係結合實施以得到各像素相對應之光線傳播率α(x,y)及原始顏色R(x,y)。然而,在其它實施例中,上述各限制及假設可分別或部分結合實施而仍維持其各別效果。
綜上所述,在習知技術中,進行去霧之第一類方法需要多張在不同特定的環境下拍攝之捕捉影像,在捕捉影像取得上較為繁複與困難,第二類方法需要儀器或者是使用者介入得到影像深度資訊在實作上同樣不易進行,第三類方法利用單張影像,對於物體的原始顏色、距離遠近或空氣光成分等變數進行假設並求出區域性最佳解,但對於未符合假設的區域並未求解,對光線傳播率估算較粗略,因此去霧效果並不精細。相較之下,本發明之上述實施例可假設各像素之區域性範圍中所有像素之原始顏色相同求得各像素之各光線傳播率,而可將光線傳播率圖推導出全域之最佳解,因此可以精確的光線傳播率圖進行影像還原。此外,可先獲得捕捉影像之一光線傳播率趨勢,進而在該光線傳播率趨勢之限制下,計算出該捕捉影像中各像素相對應之光線傳播率。此外,可在不同的色彩通道之光線傳播率具有不同之衰變係數之限制下,計算出該捕捉影像中各像素相對應之光線傳播率。
20‧‧‧流程
200~208‧‧‧步驟
Claims (20)
- 一種影像還原方法,用來去除一環境介質之影響,包含有:接收受該環境介質影響之一捕捉影像;針對該捕捉影像中各個像素,定義各像素為一中心之一個別的區域性範圍;以及在以該捕捉影像中各像素為一中心之一區域性範圍中所有像素之原始顏色(radiance)相同之假設下,對各區域性範圍進行最小化(minimizing)估算,以得到該捕捉影像中各像素相對應之一光線傳播率(transmission)。
- 如請求項1所述之影像還原方法,其另包含:根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。
- 如請求項1所述之影像還原方法,其中對各區域性範圍進行最小化估算之步驟包含有:獲得該捕捉影像與該環境介質之顏色,在該環境介質之影響被去除下之各像素之原始顏色以及該光線傳播率之一數學模型;藉由將該捕捉影像中各像素為一中心之一區域性範圍中所有像素之原始顏色相同之該假設套用至該數學模型中,而定義一成本函數(cost function);以及計算出可使該成本函數最小化之該光線傳播率與該原始顏色。
- 如請求項3所述之影像還原方法,其中於該數學模型中,該捕捉影像係包含一直接衰變(direct attenuation)成份以及一空氣光(airlight)成分,其中該直接衰變成份係由該環境介質之影響被去除下之各像素之原始顏色以及該光線傳播率決定,以及該空氣光成分係由該環境介質之顏色以及該光線傳播率決定。
- 如請求項3所述之影像還原方法,其中獲得該成本函數之步驟其另包含:加入一一般化參數(regularization parameter)於該成本函數中,以避免一捕捉函數γ等於零,其中該捕捉函數γ係由該原始顏色與該環境介質之顏色來決定。
- 如請求項3所述之影像還原方法,其中獲得該成本函數之步驟其另包含:區域性平滑化該光線傳播率。
- 如請求項6所述之影像還原方法,其中區域性平滑化該光線傳播率之步驟係包含有:依據一平滑參數與光線傳播率該來定義一平滑函數,其中該平滑參數定義該光線傳播率之區域平滑程度;以及加入該平滑函數於該成本函數中。
- 如請求項3所述之影像還原方法,其另包含:獲得該捕捉影像之一光線傳播率趨勢(transmission heuristic),以於計算出可使該成本函數最小化之該光線傳播率與該原始顏色之步驟中,利用該光線傳播率趨勢進行該光線傳播率之限制。
- 如請求項8所述之影像還原方法,其中利用該光線傳播率趨勢進行該光線傳播率趨勢之限制之步驟係包含有:從對各區域性範圍進行最小化之一估算結果及各相對應像素於該光線傳播率趨勢中之一光線傳播率值,取出較大之光線傳播率,做為該捕捉影像中各相對應像素之該光線傳播率。
- 如請求項8所述之影像還原方法,其中獲得該捕捉影像之該光線傳播率趨勢之步驟包含有:獲得該捕捉影像中一地平線;以及根據該地平線,設定該捕捉影像中非地面部分之光線傳播率值為一第一固定值,以及設定該捕捉影像中地面部分之光線傳播率值由遠至近為該第一固定值至一第二固定值。
- 如請求項8所述之影像還原方法,其中該光線傳播率之限制係包含有:設定該捕捉影像之光線傳播率值由遠至近成對數遞增。
- 如請求項8所述之影像還原方法,其中該光線傳播率之限制係包含有:設定該捕捉影像中同一物體之光線傳播率值與該物體之一最低點之光線傳播率值相同。
- 如請求項3所述之影像還原方法,其中計算出可使該成本函數最小化之該光線傳播率與該原始顏色之步驟係在該原始顏色不為負值之限制下實施。
- 如請求項1所述之影像還原方法,其另包含:獲得該捕捉影像之一光線傳播率趨勢,以於對各區域性範圍進行最小化估算之步驟,利用該光線傳播率趨勢進行該光線傳播率之限制。
- 如請求項14所述之影像還原方法,其中獲得該捕捉影像之該光線傳播率趨勢之步驟包含有:獲得該捕捉影像中一地平線;以及根據該地平線,設定該捕捉影像中非地面部分之光線傳播率值為一第一固定值,以及設定該捕捉影像中地面部分之光線傳播率值由遠至近為該第一固定值至一第二固定值。
- 如請求項1所述之影像還原方法,其另包含:針對不同的色彩通道之光線傳播率,設定不同之衰變係數。
- 如請求項16所述之影像還原方法,其中針對不同的色彩通道之光線傳播率,設定不同之衰變係數之步驟包含有:分別設定紅色色彩通道、綠色色彩通道以及藍色色彩通道之衰變係數大致等於0.83、0.93以及0.95。
- 一種影像還原方法,用來去除一環境介質之影響,包含有:接收受該環境介質影響之一捕捉影像;獲得該捕捉影像之一光線傳播率趨勢(transmission heuristic)依據根據該捕捉影像、該環境介質之顏色,於該光線傳播趨勢之限制下, 計算出該捕捉影像中各像素相對應之一光線傳播率(transmission);以及根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。
- 如請求項18述之影像還原方法,其中計算出該捕捉影像中各像素相對應之步驟係更在在不同的色彩通道之光線傳播率具有不同之衰變係數之限制下實施。
- 一種影像還原方法,用來去除一環境介質之影響,包含有:接收受該環境介質影響之一捕捉影像;依據根據該捕捉影像、該環境介質之顏色,在不同的色彩通道之光線傳播率具有不同之衰變係數之限制下,計算出該捕捉影像中各像素相對應之一光線傳播率(transmission);以及根據該捕捉影像及各像素相對應之該光線傳播率,求得在該環境介質之影響被去除下之各像素之原始顏色。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102107882A TWI489416B (zh) | 2013-03-06 | 2013-03-06 | 影像還原方法 |
US14/133,674 US9418409B2 (en) | 2013-03-06 | 2013-12-19 | Image recovery method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102107882A TWI489416B (zh) | 2013-03-06 | 2013-03-06 | 影像還原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201435806A true TW201435806A (zh) | 2014-09-16 |
TWI489416B TWI489416B (zh) | 2015-06-21 |
Family
ID=51487913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102107882A TWI489416B (zh) | 2013-03-06 | 2013-03-06 | 影像還原方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9418409B2 (zh) |
TW (1) | TWI489416B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI659396B (zh) * | 2017-08-31 | 2019-05-11 | Yuan Ze University | 用以抑制多模雜訊的影像重建方法及其影像處理裝置 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125146A1 (en) * | 2014-02-19 | 2015-08-27 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for dehazing natural images using color-lines |
US9478016B2 (en) * | 2014-09-16 | 2016-10-25 | National Taipei University Of Technology | Image restoration method and image processing apparatus using the same |
US9508126B2 (en) * | 2015-02-17 | 2016-11-29 | Adobe Systems Incorporated | Image haze removal using fast constrained transmission estimation |
TWI580266B (zh) * | 2016-02-15 | 2017-04-21 | 聯詠科技股份有限公司 | 影像處理裝置 |
TWI587240B (zh) * | 2016-08-22 | 2017-06-11 | 元智大學 | 基於邊緣塌陷的影像去霧方法以及其電子裝置 |
CN107451969B (zh) * | 2017-07-27 | 2020-01-10 | 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 |
CN110458769B (zh) * | 2019-07-22 | 2023-04-07 | 天津大学 | 一种基于消除通道间串扰的彩色偏振图像复原方法 |
CN117368122B (zh) * | 2023-12-07 | 2024-02-13 | 津泰(天津)医疗器械有限公司 | 一种基于比色卡的frd宫颈染色实时比对方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8396324B2 (en) * | 2008-08-18 | 2013-03-12 | Samsung Techwin Co., Ltd. | Image processing method and apparatus for correcting distortion caused by air particles as in fog |
US8350933B2 (en) * | 2009-04-08 | 2013-01-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem, Ltd. | Method, apparatus and computer program product for single image de-hazing |
TWI423166B (zh) * | 2009-12-04 | 2014-01-11 | Huper Lab Co Ltd | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
US8386964B2 (en) * | 2010-07-21 | 2013-02-26 | Microsoft Corporation | Interactive image matting |
CN102063706B (zh) * | 2010-12-23 | 2012-08-08 | 哈尔滨工业大学(威海) | 一种快速去雾方法 |
CN102156968B (zh) * | 2011-04-11 | 2012-06-13 | 合肥工业大学 | 一种基于颜色立方先验的单一图像能见度复原方法 |
US8970691B2 (en) * | 2011-08-26 | 2015-03-03 | Microsoft Technology Licensing, Llc | Removal of rayleigh scattering from images |
US8755628B2 (en) * | 2012-09-10 | 2014-06-17 | Google Inc. | Image de-hazing by solving transmission value |
-
2013
- 2013-03-06 TW TW102107882A patent/TWI489416B/zh active
- 2013-12-19 US US14/133,674 patent/US9418409B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI659396B (zh) * | 2017-08-31 | 2019-05-11 | Yuan Ze University | 用以抑制多模雜訊的影像重建方法及其影像處理裝置 |
Also Published As
Publication number | Publication date |
---|---|
US9418409B2 (en) | 2016-08-16 |
US20140254931A1 (en) | 2014-09-11 |
TWI489416B (zh) | 2015-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI489416B (zh) | 影像還原方法 | |
Cao et al. | Underwater image restoration using deep networks to estimate background light and scene depth | |
Tang et al. | Investigating haze-relevant features in a learning framework for image dehazing | |
US9197789B2 (en) | Method and system for removal of fog, mist, or haze from images and videos | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
CN107408296B (zh) | 用于高动态范围图像的实时噪声消除和图像增强的方法以及*** | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
TWI518635B (zh) | 影像修復方法及使用該方法的影像處理裝置 | |
CN102411774A (zh) | 一种基于单幅图像去雾的处理方法、装置及*** | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
Hou et al. | Underwater image dehazing and denoising via curvature variation regularization | |
He et al. | Single image dehazing with white balance correction and image decomposition | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 | |
Tang et al. | A local flatness based variational approach to retinex | |
JPWO2016114148A1 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
CN110852971B (zh) | 基于暗原色先验和Retinex的视频去雾方法及存储介质 | |
CN110211072A (zh) | 一种图像去雾方法、***及电子设备和存储介质 | |
CN114170445B (zh) | 一种适于消防灭火机器人的室内烟雾环境图像匹配方法 | |
Negru et al. | Exponential image enhancement in daytime fog conditions | |
Sathya et al. | Enhancement of underwater images using wavelength compensation method | |
CN113487516B (zh) | 一种图像数据的去雾处理方法 | |
CN115439349A (zh) | 一种基于图像增强的水下slam优化方法 | |
CN104050630B (zh) | 影像还原方法 |