CN102968772B - 一种基于暗通道信息的图像去雾方法 - Google Patents

Abstract

本发明公开了一种基于暗通道信息的图像去雾方法，属于图像处理和计算机视觉技术领域。本发明提出的方法首先对输入图像的各色彩通道采用最小值滤波器计算出各个像素点的最小值，接着计算不同尺度参数下的图像暗通道统计值，并对各尺度参数对应的暗通道统计值进行高斯平滑滤波，将滤波后的暗通道统计值根据不同的尺度参数分配不同的权重值，通过对按通道统计值的加权优化计算出场景的透射系数，以实现对图像的去雾处理，本发明的应用，能避免复杂的软抠图优化步骤，去雾处理的运算复杂度，去雾处理的图像质量高、且能满足实时处理应用的需求。

Description

一种基于暗通道信息的图像去雾方法

技术领域

本发明属于图像处理和计算机视觉技术领域，尤其涉及一种基于暗通道信息的单幅图像去雾处理方法。

背景技术

雾天图像恢复是图像处理和计算机视觉等技术领域的关键技术。因为经典的计算机视觉算法往往假设输入图像是物体表面反射光，针对某些有雾图像，这些方法的数学模型不可避免的会在一定程度上失效，从而影响最终的图像去雾效果。因此，研究雾天图像成像退化模型和去雾方法具有重要的意义。

针对单幅雾天图像，现有的图像去雾方法通常是基于雾天图像的先验信息规律。典型的方法有Tan方法(局部对比度最大化方法)、Fattal方法(基于独立成分分析的场景反照率和透射率估计方法)和He方法(基于暗通道先验信息的图像去雾方法)。Tan方法是基于先验信息——无雾图像的对比度往往比有雾图像的对比度要高，通过算法处理使有雾图像的局部区域的对比度达到最大，以达到图像去雾的目的，但恢复的图像对比度往往很高，容易造成图像纹理细节信息的淹没；Fattal方法的先验信息是假设环境光分量和物体表面的反射光分量是不相关的，以此估计出物体表面反射光分量，但恢复出的图像往往失真度较高；He方法选用一个尺度参数计算彩色图像中对应尺度窗口中像素各分量的最小值，并将此值作为暗通道先验信息，然后通过暗通道先验信息估算场景的深度信息，将深度信息结合大气散射模型估算场景的透射率，再通过软抠图方法优化估算的场景透射率，最后根据优化的场景透射率和估算的大气光照向量A＝[I_xy(R),I_xy(G),I_xy(B)]，进行图像的去雾处理。虽然He方法恢复出的图像去雾质量较为理想，但只考虑了一个尺度参数，且采用运算极为复杂软抠图优化方法来估计场景的透射系数，计算量会随着图像尺寸的增大呈现出几何级增加，在现有硬件基础上很难做到对雾天图像去雾的实时处理，难以运用到实际应用中。

发明内容

有鉴于此，本发明的发明目的在于：提供了一种降低去雾处理运算复杂度、处理效率高，去雾处理的图像质量较高、能满足实时处理应用的需求的基于暗通道信息的图像去雾方法。

本发明的一种基于暗通道信息的图像去雾方法，包括下列步骤：

S1、将输入图像I(x)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(x)的初始暗通道统计值DC₀(I)；

S2、按尺度N_i统计所述DC₀(I)的暗通道信息，得到输入图像I(x)在不同尺度N_i下的暗通道统计值其中i＝1，…，n，所述n为大于等于1的自然数；并对进行高斯滤波处理，高斯尺度取为N_i，得到高斯平滑暗通道统计值

S3、对所述DC₀(I)、n个进行加权平均处理，得到加权平均处理后的暗通道统计值DC(I)；并对所述DC(I)进行归一化处理，处理结果记为DC_N(I)；

S4、根据步骤S3得到的DC_N(I)、输入图像I(x)得到大气光照向量A＝[I_xy(R),I_xy(G),I_xy(B)]；取数值1与所述DC_N(I)的差为场景透射系数矩阵T；

S5、根据场景透射系数矩阵T和大气光照向量A对输入图像I(x)进行图像去雾处理。

本发明首先对输入图像I(x)的各色彩通道采用最小值滤波器计算出各个像素点的最小值，得到初始暗通道统计值DC₀(I)，本发明的DC₀(I)为下一步计算不同的尺度参数(或尺度窗口)下的暗通道信息提供一个标准的输入量，能有效避免重复的像素分量取最小值的操作处理，以减小不同尺度参数下的暗通道信息的计算复杂度；接着基于该DC₀(I)计算不同尺度参数N_i的暗通道信息可以仅计算一个尺度参数，也可以计算多个尺度参数，基于计算复杂度的考虑，通常计算3个不同尺度参数的暗通道统计值；接着对各尺度参数对应的进行高斯平滑滤波处理，得到再对DC₀(I)、n个按照权值向量m＝[m₀，m₁，m₂，…，m_n]进行平均加权处理后得到DC(I)，并将DC(I)归一化到[0,1]范围内，取值为DC_N(I)，通过DC_N(I)计算得到本发明的场景透射系数矩阵T，避免了现有的复杂的软抠图优化步骤来得到场景透射系数矩阵T；最后，再基于场景透射系数矩阵T和大气光照向量A＝[I_xy(R),I_xy(G),I_xy(B)]实现对输入图像的去雾处理，经去雾处理计算处理后获得无雾图像J(x)，具体的去雾计算处理既可以是现有的He方法中的去雾处理模型(He方法中，t₀的取值为0.1)，也可以是本发明进一步改进和/修正的去雾计算处理操作。本发明的去雾方法，与现有技术相比，具有简化了运算处理的复杂度，并行化高等优点，能满足实时处理应用的需要。

进一步的，为了给步骤S2中计算加权透射率提供不同精细度的透射率参数，得到更优的去雾处理效果，所述步骤S2中，对各尺度参数对应的暗通道统计值进行高斯滤波处理可具体为：

${\mathrm{DC}}_{{\mathrm{GN}}_i}\left(I\right)=\underset{j=1}{\overset{N_i}{\Σ}}\underset{k=1}{\overset{N_i}{\Σ}}g\_mask(j,k)\·win\_dark\_N_i(j,k)$

上述处理公式中，高斯掩模g_mask(j,k)是边长为N_i的高斯平滑滤波器，所述win_dark_N_i(j,k)是在中以像素点(j,k)为中心，尺度为N_i的窗口。

同时，为了进一步保证去雾处理后的图像的亮度，本发明对大气光照向量的计算进行了修正，即所述步骤S4中，还包括对所述大气光照向量A[I_xy(R),I_xy(G),I_xy(B)]进行修正处理的操作，修正后的大气光照向量为[C_l,C_l,C_l]，其中C_l取I_xy(R)、I_xy(G)和I_xy(B)中的最大值。

为了保证去雾处理后的图像中的天空区域不出现过度增强现象，即避免去雾处理后的图像的天空部分出现强烈的光晕现象，经过多次实验论证，发现将透射系数全局最小值t₀的取值限定在0.25～0.35能有效的避免光晕现象，因而在去雾处理中淘汰了He方法中惯用的取t₀为0.1做法，即本发明对He方法中的去雾处理模型进行了修正，具体为：所述步骤S5中，图像去雾处理具体为：设定透射系数全局最小值t₀，所述t₀的取值为0.25～0.35(优选的，t₀取为0.3)；取场景透射系数T(x)与t₀两者中的最大项为T_max，即T_max＝max(T(x),t₀)；经去雾处理 $J\left(x\right)=\frac{I\left(x\right)-A(1-T_{max})}{T_{max}},$ 得到无雾图像J(x)。

进一步的，为了更好的控制去雾处理后的图像的饱和度，本发明对He方法中的去雾处理模型进行了优化，增加了透射率调整系数t₁，所述t₁的取值为1.0～1.3，无雾图像J(x)的计算过程为： $J\left(x\right)=\frac{I\left(x\right)-A(1-T_{max})}{T_{max}\×t_1}.$

综上，由于采用了上述技术方案，本发明的有益效果是：避免复杂的软抠图优化步骤，降低了He方法去雾处理的运算复杂度，避免了去雾处理后容易导致的光晕现象，并且能更好的控制去雾处理后图像的饱和度，同时对大气光照向量的计算进行了修正以保证去雾图像的亮度，即本发明的图像去雾方法处理处理速度快，去雾处理的图像质量高、且能满足实时处理应用的需求。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是本发明具体实施方式的流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

实施例1

参照图1，本发明对输入图像I(x)的基于暗通道信息的图像去雾方法采用以下步骤实现：

步骤S101，将输入图像I(x)转换到RGB色彩空间，并计算图像中所有像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(x)的初始暗通道统计值DC₀(I)，即公式(1.1)，将DC₀(I)送入步骤S201；

${\mathrm{DC}}_0\left(I\right)=\underset{c\∈(r,g,b)}{min}\left(I^c\right(x\left)\right)---\left(1.1\right)$

本发明通过先提取所有像素点的最小分量值的操作，为下一步计算不同的尺度参数N_i下的暗通道信息(暗通道统计值)提供一个标准的输入量，这样可以避免重复的像素分量取最小值操作，以减小暗通道信息的计算复杂度。

步骤S201，按尺度N_i统计DC₀(I)的暗通道信息，得到输入图像I(x)在不同尺度N_i下的暗通道统计值其中i＝1，…，n，n为大于等于1的自然数；并对各进行高斯滤波处理，高斯尺度取为N_i，得到高斯平滑暗通道统计值

的计算用公式可表示为：

${\mathrm{DC}}_{N_i}\left(I\right)=\underset{y\∈{\mathrm{\Ω}}_{N_i}\left(x\right)}{min}\left({\mathrm{DC}}_0\right(I\left)\right)---\left(1.2\right)$

其中是以待处理像素点x为中心的一个图像块，其尺度为N_i，其中N_i<N_i+1，且N_i为奇数。

对进行高斯滤波处理用公式可表示为：

${\mathrm{DC}}_{{\mathrm{GN}}_i}\left(I\right)=\underset{j=1}{\overset{N_i}{\&Sigma;}}\underset{k=1}{\overset{N_i}{\&Sigma;}}g\_mask(j,k)\&CenterDot;win\_dark\_N_i(j,k)---\left(1.3\right)$

公式(1.3)中，高斯掩模g_mask(j,k)是边长为N_i的高斯平滑滤波器，

win_dark_N_i(j,k)是在中以像素点(j,k)为中心，尺度为N_i的窗口。

本实施例中，取n为3，即考虑3个不同尺度(N₁＝3，N₂＝5，N₃＝7)的暗通道统计信息，首先对初始暗通道统计值DC₀(I)进行滑窗最小值滤波，此处滑动窗口的尺寸记为N₁×N₁，得到输入图像I(x)的暗通道统计值并基于公式(1.3)对行高斯滤波操作，高斯尺度取为N₁，获得该高斯尺度对应的高斯平滑暗通道统计值

同理，基于公式(1.2)，(1.3)可得到与N₂和N₃对应的暗通道统计值高斯平滑暗通道统计值不同尺度参数对应的可以并行处理，以提高本发明去雾处理方法的并行度。

步骤S301，对初始暗通道统计值DC₀(I)，以及所有高斯平滑暗通道统计值 按照权值向量m＝[m₀,m₁,m_2,…,m_n](其中，m₀+m₁+m₂+…+m_n＝1)进行加权平均处理得到DC(I)，可用下式表示：

$DC\left(I\right)=m_0\&CenterDot;{\mathrm{DC}}_0\left(I\right)+\underset{i=1}{\overset{n}{\&Sigma;}}{m}_i\&CenterDot;{\mathrm{DC}}_{{\mathrm{GN}}_i}\left(I\right)---\left(1.4\right)$

根据公式(1.4)，得到加权平均处理后的暗通道统计值DC(I)，并将DC(I)归一化到[0,1]范围内，归一化后的结果记为DC_N(I)。

步骤S401，根据DC_N(I)计算场景透射系数矩阵T：T＝1-DC_N(I)；

步骤S402，根据DC_N(I)、输入图像I(x)得到大气光照向量A＝[I_xy(R),I_xy(G),I_xy(B)]：

首先，将输入图像I(x)转换为灰度图像I'(x)，该步骤可以和上述已进行步骤并行操作；

其次，对DC_N(I)中各灰度点按灰度值从高到低的顺序进行排序，并将各灰度点在图像中的位置坐标保存于位置矩阵L中(为了简化计算，通常仅对排在前0.1％的灰度点保存位置坐标)；

然后，根据位置矩阵L，得到灰度图像I'(x)中具有最大灰度值的像素点(具体处理过程可以是：根据位置矩阵L中记录的坐标值，取出灰度图像I'(x)中对应的像素点，并将该像素点的位置坐标及灰度值保存于矩阵C中，在矩阵C中找出灰度值最大的像素点)，记录位置信息(x,y)，在输入图像I(x)中取出该像素点的RGB三通道的值，记为大气光照向量:A’＝[I_xy(R),I_xy(G),I_xy(B)]，为了保证去雾处理后图像的亮度，对A’的三个分量进行修正，修正后的大气光照向量为：A＝[C_l,C_l,C_l]，其中C_l＝max(I_xy(R),I_xy(G),I_xy(B))，上述步骤步骤S402可以与步骤S401并行处理。

步骤S501，据场景透射系数矩阵T和大气光照向量A对输入图像I(x)进行图像去雾处理，得到无雾图像J(x)，为了保证去雾处理后的图像中的天空区域不出现过度增强现象，以及更好的控制去雾处理后的图像的饱和度，无雾图像J(x)可以通过下式计算处理得到：

上述步骤中，无雾图像可以根据公式(1.5)计算得到：

$J\left(x\right)=\frac{I\left(x\right)-A(1-max(T\left(x\right),t_0\left)\right)}{\max \left(T\right(x),t_0)\&times;t_1}---\left(1.5\right)$

其中t₀为透射系数的全局最小值，取值范围为[0.25，0.35]，例如取0.25、0.28、0.29、0.3、0.32、0.35等，本实施例中取值为0.3时，避免光晕现象效果最好；t₁为透射率调整系数，取值范围为[1.0，1.3]，例如取1.1、1.15、1.2、1.3等，本实施例中，取值为1.2。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (10)

1.一种基于暗通道信息的图像去雾方法，其特征在于，包括下列步骤：

S1、将输入图像I(x)转换到RGB色彩空间，计算各像素点在RGB色彩空间中各色彩通道的最小值，得到输入图像I(x)的初始暗通道统计值DC₀(I)；

S2、按尺度N_i统计所述DC₀(I)的暗通道信息，得到输入图像I(x)在不同尺度N_i下的暗通道统计值其中i＝1，…，n，所述n为大于等于1的自然数；并对进行高斯滤波处理，高斯尺度取为N_i，得到高斯平滑暗通道统计值

S3、对所述DC₀(I)、n个进行加权平均处理，得到加权平均处理后的暗通道统计值DC(I)；并对所述DC(I)进行归一化处理，处理结果记为DC_N(I)；

S4、根据步骤S3得到的DC_N(I)、输入图像I(x)得到大气光照向量A＝[I_xy(R),I_xy(G),I_xy(B)]；取数值1与所述DC_N(I)的差为场景透射系数矩阵T，即T＝1-DC_N(I)；

S5、根据场景透射系数矩阵T和大气光照向量A对输入图像I(x)进行图像去雾处理。

2.如权利要求1所述的方法，其特征在于，所述步骤S2中，对进行高斯滤波处理具体为：

${\mathrm{DC}}_{{\mathrm{GN}}_i}\left(I\right)=\underset{j=1}{\overset{N_i}{\&Sigma;}}\underset{k=1}{\overset{N_i}{\&Sigma;}}g\_mask(j,k)\&CenterDot;win\_dark\_N_i(j,k)$

上述处理公式中，高斯掩模g_mask(j,k)是边长为N_i的高斯平滑滤波器，所述win_dark_N_i(j,k)是在中以像素点(j,k)为中心，尺度为N_i的窗口。

3.如权利要求1或2所述的方法，其特征在于，所述步骤S4中，还对所述大气光照向量A[I_xy(R),I_xy(G),I_xy(B)]进行修正处理，修正后的大气光照向量为[C_l,C_l,C_l]，其中C_l取I_xy(R)、I_xy(G)和I_xy(B)中的最大值。

4.如权利要求1所述的方法，其特征在于，所述步骤S5中，图像去雾处理具体为：

设定透射系数全局最小值t₀，所述t₀的取值为0.25～0.35，取场景透射系数T(x)与所述t₀两者中的最大项为T_max，经去雾处理得到无雾图像J(x)。

5.如权利要求3所述的方法，其特征在于，所述步骤S5中，图像去雾处理具体为：设定透射系数全局最小值t₀，所述t₀的取值为0.25～0.35，取场景透射系数T(x)与所述t₀两者中的最大项为T_max，经去雾处理得到无雾图像J(x)。

6.如权利要求4所述的方法，其特征在于，设定透射率调整系数t₁，所述t₁的取值为(1.0，1.3]，所述无雾图像 $J\left(x\right)=\frac{I\left(x\right)-A(1-T_{max})}{T_{max}\&times;t_1}.$

7.如权利要求5所述的方法，其特征在于，设定透射率调整系数t₁，所述t₁的取值为(1.0，1.3]，所述无雾图像 $J\left(x\right)=\frac{I\left(x\right)-A(1-T_{max})}{T_{max}\&times;t_1}.$

8.如权利要求4、5、6或7所述方法，其特征在于，所述透射系数全局最小值t₀的取值为0.3。

9.如权利要求1或2所述的方法，其特征在于，所述步骤S2中，n的取值为3。

10.如权利要求9所述的方法，其特征在于，所述步骤S3中，所述DC₀(I)和的加值依次为0.7，0.1，0.1，0.1。