CN102999883A - 图像去雾方法和系统 - Google Patents

Abstract

公开了一种图像去雾方法和系统。该方法包括：构建有雾图像的基于像素的暗通道图；构建有雾图像的基于局部区域的暗通道图；获取有雾图像的最终的暗通道图；获取基于局部区域的暗通道图中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素中的具有最大灰度值的一个像素的R、G、B通道的强度值，作为有雾图像的大气光值的R、G、B分量值；利用有雾图像的最终的暗通道图、大气光值的R、G、B分量值中的最大值、以及去雾参数获取有雾图像的透射图；以及利用有雾图像的透射图、大气光值、以及有雾图像中的每个像素的R、G、B通道的强度值，获取去雾图像中的每个像素的R、G、B通道的强度值。

Description

图像去雾方法和系统

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像去雾方法和系统。

背景技术

在天气情况较差的情况下，图像的清晰度和色彩常常会被大气中的雾气劣化。在这种天气中捕捉到的图像和视频的质量一般需要通过去雾处理进行改善。去除图像中的雾气效果的过程被称为图像去雾。图像去雾对于在天气情况较差的情况下进行的导航和监视非常有用。

当前存在很多图像去雾方法，其中基于暗原色先验(dark channelprior)的图像去雾方法是效果最好的一种。暗原色先验是通过对户外无雾图像进行统计得出的，即，户外无雾图像的绝大多数非天空的局部区域中都存在这样的像素，该像素的至少一个颜色通道的强度值很低(一般接近于0)。利用暗原色先验建立的去雾模型可直接估算雾气的浓度并且可将有雾图像复原为高质量的去除雾气干扰后的图像(简称为去雾图像)。

在基于暗原色先验的图像去雾方法中，通过利用输入的有雾图像的强度值I、大气光值A、和透射图t，根据有雾图像模型I＝Jt+A(1-t)来求解去雾图像的强度值J。在传统的基于暗原色先验的图像去雾方法中，通常需要通过软抠图的方法来对透射图进行优化。但是，在软抠图的方法中需要进行非常复杂的计算，所以很难实现实时处理。

发明内容

鉴于以上所述的一个或多个问题，本发明提出了一种新颖的图像去雾方法和系统。

根据本发明实施例的图像去雾方法包括：获取有雾图像中的每个像素的最小强度值，并利用所获取的所有像素的最小强度值构建有雾图像的基于像素的暗通道图；获取以有雾图像中的每个像素为中心的局部区域的最小强度值，并利用所获取的所有局部区域的最小强度值构建有雾图像的基于局部区域的暗通道图；利用有雾图像的基于像素的暗通道图和基于局部区域的暗通道图，获取有雾图像的最终的暗通道图；获取有雾图像的基于局部区域的暗通道图中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素中的具有最大灰度值的一个像素的R、G、B通道的强度值，作为有雾图像的大气光值的R、G、B分量值；利用有雾图像的最终的暗通道图、大气光值的R、G、B分量值中的最大值、以及去雾参数获取有雾图像的透射图；以及利用有雾图像的透射图、大气光值、以及有雾图像中的每个像素的R、G、B通道的强度值，获取去雾图像中的每个像素的R、G、B通道的强度值。

根据本发明实施例的图像去雾系统包括：基于像素的暗通道图构建单元，用于获取有雾图像中的每个像素的最小强度值，并利用所获取的所有像素的最小强度值构建有雾图像的基于像素的暗通道图；基于局部区域的暗通道图构建单元，用于获取以有雾图像中的每个像素为中心的局部区域的最小强度值，并利用所获取的所有局部区域的最小强度值构建有雾图像的基于局部区域的暗通道图；暗通道图优化单元，用于利用有雾图像的基于像素的暗通道图和基于局部区域的暗通道图，获取有雾图像的最终的暗通道图；大气光值获取单元，用于获取有雾图像的基于局部区域的暗通道图中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素中的具有最大灰度值的一个像素的R、G、B通道的强度值，作为有雾图像的大气光值的R、G、B分量值；透射图获取单元，用于利用有雾图像的最终的暗通道图、大气光值的R、G、B分量值中的最大值、以及去雾参数获取有雾图像的透射图；以及去雾处理执行单元，用于利用有雾图像的透射图、大气光值、以及有雾图像中的每个像素的R、G、B通道的强度值，获取去雾图像中的每个像素的R、G、B通道的强度值。

本发明可以通过简单的计算并行对有雾图像中的所有像素进行图像去雾处理，从而可以得到图像质量基本相当于传统的基于暗原色先验的图像去雾方法的去雾图像。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中：

图1示出了根据本发明实施例的图像去雾系统的简要框图；

图2示出了根据本发明实施例的图像去雾方法的简要流程图。

具体实施方式

下面将详细描述本发明各个方面的特征和示例性实施例。下面的描述涵盖了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说显而易见的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更清楚的理解。本发明绝不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了相关元素、部件和算法的任何修改、替换和改进。

下面将首先描述传统的基于暗原色先验的图像去雾方法。

具体地，在传统的基于暗原色先验的图像去雾方法中，可以根据以下有雾图像模型从有雾图像中的像素的强度值求解出去雾图像中的像素的强度值。

I(x)＝J(x)t(x)+A(1-t(x))    (1)

其中，I(x)表示有雾图像中的像素x的R、G、B通道中的任意一个通道(例如，R通道)的强度值，A表示有雾图像的大气光值，t(x)表示针对有雾图像中的像素x的透射图并描述光线通过媒介透射到照相机镜头的过程中没有被散射的部分，J(x)表示去雾图像中的像素x的R、G、B通道中的相应通道(例如，R通道)的强度值。

根据暗原色先验(即，户外无雾图像的绝大多数非天空的局部区域中存在这样的像素，该像素的至少一个颜色通道的强度值很低(一般接近于0)，换言之，局部区域的最小强度值非常小)，可以得出

$J^{\mathrm{dark}}\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(J^c\left(y\right)\right)\right)}---\left(2\right)$

其中，J^dark(x)表示以去雾图像中的像素x为中心的局部区域Ω(x)中的所有像素的R、G、B通道的强度值中的最小值(即，对应于像素x的暗通道值)，J^c(y)表示局部区域Ω(x)中的像素y的R、G、B通道中的任意一个通道的强度值，min()表示最小值函数。根据暗原色先验，除非局部区域Ω(x)是天空中的局部区域，否则J^dark(x)趋近于0。

利用最小值函数对等式(1)进行处理，可以得到：

$\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min \left(I^c\left(y\right)\right)}=t\left(x\right)\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min \left(J^c\left(y\right)\right)}+(1-t\left(x\right))A^c---\left(3\right)$

注意，分别针对R、G、B三个颜色通道执行等式(3)的处理。对等式(3)进行变换，可以得到：

$\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min \left(\frac{I^c\left(y\right)}{A^c}\right)}=t\left(x\right)\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min \left(\frac{J^c\left(y\right)}{A^c}\right)}+(1-t\left(x\right))---\left(4\right)$

利用最小值函数对等式(4)进行处理，可以得到：

$\underset{c}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(\frac{I^c\left(y\right)}{A^c}\right)\right)}=t\left(x\right)\underset{c}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(\frac{J^c\left(y\right)}{A^c}\right)\right)}+(1-t\left(x\right))---\left(5\right)$

根据暗原色先验，对应于去雾图像中的像素x的暗通道值趋近于0：

$J^{\mathrm{dark}}\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(J^c\left(y\right)\right)\right)}=0---\left(6\right)$

由于A总为正，所以：

$\underset{c\∈\{r,g,b\}}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(\frac{J^c\left(y\right)}{A^c}\right)\right)}=0---\left(7\right)$

将等式(7)代入等式(5)，可以得出t(x)：

$t\left(x\right)=1-\underset{c\∈\{r,g,b\}}{\min }\underset{y\∈\mathrm{\Ω}\left(x\right)}{\left(\min \left(\frac{I^c\left(y\right)}{A^c}\right)\right)}---\left(8\right)$

根据以上描述可知，可以简单地计算得出t(x)。接着，可以利用计算出的t(x)，通过传统的基于暗原色先验的图像去雾方法得出J(x)。

通过上述处理得出的去雾图像效果还可以，但是由于透射图在一个局部区域内并不总是恒定的，所以通过以上处理得出的去雾图像虽然大体上质量过得去但包括块效应。在传统的基于暗原色先验的图像去雾方法中，通常使用软抠图的方法来对透射图进行优化。虽然优化结果不错，但软抠图的方法计算非常复杂，所以很难实现实时处理。

针对以上问题，本发明试图通过其他方法得出优化的透射图，从而以较为简单的方式实时进行图像去雾，得到在去雾图像的质量上优于或者至少相当于传统的基于暗原色的图像去雾方法的去雾图像。

图1示出了根据本发明实施例的图像去雾系统的简要框图。图2示出了根据本发明实施例的图像去雾方法的简要流程图。如图1所示，根据本发明实施例的图像去雾系统包括：基于像素的暗通道图构建单元102、基于局部区域的暗通道图构建单元104、暗通道图优化单元106、大气光值获取单元108、透射图获取单元110、以及去雾处理执行单元112。

其中，基于像素的暗通道图构建单元102用于构建有雾图像的基于像素的暗通道图(即，执行步骤S202)；基于局部区域的暗通道图构建单元104用于构建有雾图像的基于局部区域的暗通道图(即，执行步骤S204)；暗通道图优化单元106用于利用基于像素的暗通道图和基于局部区域的暗通道图获取有雾图像的最终的暗通道图(即，执行步骤S206)；大气光值获取单元108用于获取有雾图像的大气光值(即，执行步骤S208)；透射图获取单元110用于获取有雾图像的透射图(即，执行步骤S210)；去雾处理执行单元112用于根据功能单元102至110得到的结果执行对于有雾图像的去雾处理(即，执行步骤S212)。

下面，详细描述各个步骤的处理。

S202，构建有雾图像的基于像素的暗通道图。具体地，根据等式(9)获取有雾图像中的每个像素的R、G、B三个颜色通道的强度值中的最小强度值(即，获取有雾图像中的每个像素的最小强度值)，并利用有雾图像中的所有像素的最小强度值构建有雾图像的基于像素的暗通道图：

${\mathrm{Dark}}^p\left(x\right)=\underset{c\∈\{r,g,b\}}{\min }\left(I\left(x\right)\right)---\left(9\right)$

其中，Dark^p(x)表示与有雾图像中的像素x相对应的基于像素的暗通道值，I(x)表示有雾图像中的像素x的强度值。

S204，构建有雾图像的基于局部区域的暗通道图。具体地，根据等式(10)获取以有雾图像中的每个像素为中心的局部区域中的所有像素的R、G、B三个颜色通道的强度值中的最小强度值(即，获取以有雾图像中的每个像素为中心的局部区域的最小强度值)，并利用以有雾图像中的每个像素为中心的局部区域的最小强度值构建有雾图像的基于局部区域的暗通道图：

${\mathrm{Dark}}^b\left(x\right)=\underset{c\∈\{r,g,b\}}{\underset{y\∈\mathrm{\Ωb}\left(x\right)}{\min }\left(\min \left(I\left(y\right)\right)\right)}---\left(10\right)$

其中，Dark^b(x)表示与有雾图像中的像素x相对应的基于局部区域(该局部区域是以有雾图像中的像素x为中心的局部区域Ωb(x))的暗通道值，I(y)表示以有雾图像中的像素x为中心的局部区域Ωb(x)中的像素y的强度值。

S206，利用基于像素的暗通道图和基于局部区域的暗通道图，获取有雾图像的最终的暗通道图。具体地，根据等式(11)，在以基于局部区域的暗通道图的像素x为中心的局部块中搜索最接近基于像素的暗通道图中的像素x的强度值的一个强度值，并取所搜索出的强度值和基于像素的暗通道图中的像素x的强度值中较小的一个作为与有雾图像中的像素x对应的最终的暗通道值。然后，利用以上处理得出的与有雾图像中的所有像素对应的暗通道值构建有雾图像的最终的暗通道图。需要说明的是，步骤S204中所述的局部区域和步骤S206中所述的局部块的尺寸可以相同也可以不同。在根据本发明的实施例中，步骤S206中所述的局部块的尺寸大于步骤S204中所述的局部区域的尺寸，以保证边缘信息可以更好地保留。

${\mathrm{Dark}}^r\left(x\right)=\min (\underset{y\∈\mathrm{\Ωr}\left(x\right)}{\max }\left({\mathrm{Dark}}^b\left(y\right)\right),{\mathrm{Dark}}^p\left(x\right))---\left(11\right)$

其中，Dark^r(x)表示与有雾图像中的像素x相对应的最终的暗通道值，max()表示最大值函数。

S208，获取有雾图像的大气光值A。具体地，首先找出有雾图像的最终的暗通道图中0.1％的最亮区域，然后获取有雾图像的基于局部区域的暗通道图中预定大小的最亮区域在有雾图像中所覆盖区域中的所有像素，并将这些像素中具有最大灰度值的一个像素的R、G、B通道的强度值分别作为有雾图像的大气光值的R、G、B分量值。

$I\left(A\right)=\underset{p\∈U}{\max }\left(I\left(P\right)\right)$

I(P)＝P.r×0.2989+P.g×0.587+P.b×0.114    (12)

其中，U表示最亮区域在有雾图像中所覆盖的区域，I(P)表示有雾图像的基于局部区域的暗通道图中预定大小的最亮区域在有雾图像中所覆盖区域中的任意一个像素的灰度值，I(A)表示有雾图像的大气光值。

S210，获取有雾图像的透射图。具体地，根据等式(13)利用有雾图像的大气光值A的R、G、B分量值中的最大值、最终的暗通道图、以及去雾参数ω计算有雾图像的透射图t(x)。

t(x)＝1.0-ω×Dark^r(x)/A_max    (13)

S212，执行对于有雾图像的去雾处理(即，重建去雾图像)。具体地，根据等式(14)，利用有雾图像的大气光值和透射图，计算去雾图像中的每个像素x的强度值。

$J\left(x\right)=\frac{I\left(x\right)-A}{\max (t\left(x\right),t_0)}+A---\left(14\right)$

其中，t₀是一个常数，通常取0.1。具体地，根据等式(14)，利用有雾图像中的像素x的R通道的强度值、有雾图像的大气光值A的R通道的分量值、以及针对有雾图像中的像素x的透射图t(x)(或者t0)，来计算去雾图像中的像素x的R通道的分量值。对于去雾图像中的像素x的G和B通道的强度值，通过类似于以上所述的处理计算得出。也就是说，针对R、G、B通道中的每个通道分别进行等式(14)的计算。

本发明通过利用有雾图像的基于像素的暗通道图和基于局部区域的暗通道图得出了有雾图像的最终的暗通道图，并利用有雾图像的最终的暗通道图、大气光值和去雾参数计算得出有雾图像的透射图，进而以较为简单的方式实时进行图像去雾，得到在去雾图像的质量上优于或者至少相当于传统的基于暗原色的图像去雾方法的去雾图像。

以上已经参考本发明的具体实施例来描述了本发明，但是本领域技术人员均了解，可以对这些具体实施例进行各种修改、组合和变更，而不会脱离由所附权利要求或其等同物限定的本发明的精神和范围。

根据需要可以用硬件或软件来执行步骤。注意，在不脱离本发明范围的前提下，可向本说明书中给出的流程图添加步骤、从中去除步骤或修改其中的步骤。一般来说，流程图只是用来指示用于实现功能的基本操作的一种可能的序列。

本发明的实施例可利用编程的通用数字计算机、利用专用集成电路、可编程逻辑器件、现场可编程门阵列、光的、化学的、生物的、量子的或纳米工程的系统、组件和机构来实现。一般来说，本发明的功能可由本领域已知的任何手段来实现。可以使用分布式或联网系统、组件和电路。数据的通信或传送可以是有线的、无线的或者通过任何其他手段。

还将意识到，根据特定应用的需要，附图中示出的要素中的一个或多个可以按更分离或更集成的方式来实现，或者甚至在某些情况下被去除或被停用。实现可存储在机器可读介质中的程序或代码以允许计算机执行上述任何方法，也在本发明的精神和范围之内。

此外，附图中的任何信号箭头应当被认为仅是示例性的，而不是限制性的，除非另有具体指示。当术语被预见为使分离或组合的能力不清楚时，组件或者步骤的组合也将被认为是已经记载了。

Claims (6)

1.一种图像去雾方法，包括：

获取有雾图像中的每个像素的最小强度值，并利用所获取的所有像素的最小强度值构建所述有雾图像的基于像素的暗通道图；

获取以有雾图像中的每个像素为中心的局部区域的最小强度值，并利用所获取的所有局部区域的最小强度值构建所述有雾图像的基于局部区域的暗通道图；

利用所述基于像素的暗通道图和所述基于局部区域的暗通道图，获取所述有雾图像的最终的暗通道图；

获取所述基于局部区域的暗通道图中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素中的具有最大灰度值的一个像素的R、G、B通道的强度值，作为所述有雾图像的大气光值的R、G、B分量值；

利用所述最终的暗通道图、所述大气光值的R、G、B分量值中的最大值、以及去雾参数获取所述有雾图像的透射图；以及

利用所述透射图、所述大气光值、以及所述有雾图像中的每个像素的R、G、B通道的强度值，获取去雾图像中的每个像素的R、G、B通道的强度值。

2.根据权利要求1所述的图像去雾方法，其特征在于，获取所述最终的暗通道图的处理包括：

对于所述基于局部区域的暗通道图中的每一个像素x，在所述基于局部区域的暗通道图中的以像素x为中心的局部块中搜索与所述基于像素的暗通道图中的像素x的强度值最接近的一个强度值，并取所搜索出的强度值和所述基于像素的暗通道图中的像素x的强度值中较小的一个作为与所述有雾图像中的像素x相对应的暗通道值；

利用以上处理所获取的所有暗通道值构建所述最终的暗通道图。

3.根据权利要求1所述的图像去雾方法，其特征在于，所述局部区域的尺寸小于所述局部块的尺寸。

4.一种图像去雾系统，包括：

基于像素的暗通道图构建单元，用于获取有雾图像中的每个像素的最小强度值，并利用所获取的所有像素的最小强度值构建所述有雾图像的基于像素的暗通道图；

基于局部区域的暗通道图构建单元，用于获取以有雾图像中的每个像素为中心的局部区域的最小强度值，并利用所获取的所有局部区域的最小强度值构建所述有雾图像的基于局部区域的暗通道图；

暗通道图优化单元，用于利用所述基于像素的暗通道图和所述基于局部区域的暗通道图，获取所述有雾图像的最终的暗通道图；

大气光值获取单元，用于获取所述基于局部区域的暗通道图中预定大小的最亮区域在所述有雾图像中所覆盖区域中的所有像素中的具有最大灰度值的一个像素的R、G、B通道的强度值，作为所述有雾图像的大气光值的R、G、B分量值；

透射图获取单元，用于利用所述最终的暗通道图、所述大气光值的R、G、B分量值中的最大值、以及去雾参数获取所述有雾图像的透射图；以及

去雾处理执行单元，用于利用所述透射图、所述大气光值、以及所述有雾图像中的每个像素的R、G、B通道的强度值，获取去雾图像中的每个像素的R、G、B通道的强度值。

5.根据权利要求4所述的图像去雾系统，其特征在于，所述暗通道图优化单元通过以下处理获取所述最终的暗通道图：

对于所述基于局部区域的暗通道图中的每一个像素x，在所述基于局部区域的暗通道图中的以像素x为中心的局部块中搜索与所述基于像素的暗通道图中的像素x的强度值最接近的一个强度值，并取所搜索出的强度值和所述基于像素的暗通道图中的像素x的强度值中较小的一个作为与所述有雾图像中的像素x相对应的暗通道值；

利用以上处理所获取的所有暗通道值构建所述最终的暗通道图。

6.根据权利要求4所述的图像去雾系统，其特征在于，所述局部区域的尺寸小于所述局部块的尺寸。

Images