CN103065288A - 图像去雾方法及装置 - Google Patents

Abstract

本发明公开了一种图像去雾方法及装置。其中，该方法包括：根据原始图像计算暗原色图像I(x,y)，并获取暗原色图像对应的大气光A；对暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对第一传输图进行边缘细化得到第二传输图；根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像。通过本发明，能够使室外视频系统在浓雾场景下仍然可以正常工作，且得到比较清晰的图像。

Description

图像去雾方法及装置

技术领域

本发明涉及计算机图象处理技术领域，尤其涉及一种图像去雾方法及装置。

背景技术

在雾天气情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被衰减，致使室外视频系统无法正常工作，因此需要在视频图像中消除雾霾对场景图像的影响。图像去雾一直是计算机视觉领域研究的重要内容。由于雾天目标的成像过程本身非常复杂，难以精确的定量描述，且雾天图像退化程度与目标的深度成正比，因而从单幅图像获取场景目标的深度信息本身就是一个病态问题。

也就是说，针对现有技术中采用单幅图像获取场景目标的深度信息的方式并不能消除雾霾对外视频系统工作的影响的问题，目前尚未提出有效的技术方案。

发明内容

本发明提出了一种图像去雾方法及装置，以解决上述技术问题。

为了达到上述目的，本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种图像去雾方法，包括：根据原始图像计算暗原色图像I(x,y)，并获取暗原色图像对应的大气光A；对暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对第一传输图进行边缘细化得到第二传输图；根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像。

优选地，根据原始图像I(x,y)计算暗原色图像，包括：对读取到的原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到暗原色图像。

优选地，获取暗原色图像对应的大气光A，包括：从暗原色图像选取亮度最大的预定比例的第一像素，将第一像素中强度最大的像素点选定为大气光A。

优选地，对暗原色图像进行估计得到大气散射模型的第一传输图，包括：根据以下公式对对暗原色图像进行估计，得到第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底。

优选地，采用高斯滤波对第一传输图进行边缘细化得到第二传输图，包括：采用高斯平滑滤波的方式对第一传输图进行边缘细化操作，得到第二传输图，其中，在边缘细化的过程中采用的高斯核为：

其中，σ是高斯核的方差，θ是归一化系数，表达式为：

优选地，根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像，包括：采用以下公式根据第二传输图和大气光对原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的无雾图像。

根据本发明的另一个方面，提供了一种图像去雾装置，包括：第一获取模块，用于根据原始图像计算暗原色图像I(x,y)，并获取暗原色图像对应的大气光A；第二获取模块，用于对暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对第一传输图进行边缘细化得到第二传输图；恢复模块，用于根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像。

优选地，第一获取模块包括：运算单元，用于对读取到的原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到暗原色图像；选择单元，用于从暗原色图像选取亮度最大的预定比例的第一像素，将第一像素中强度最大的像素点选定为大气光A。

优选地，第二获取模块包括：估计单元，用于根据以下公式对对暗原色图像进行估计，得到第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底；细化单元，用于采用高斯平滑滤波的方式对第一传输图进行边缘细化操作，得到第二传输图，其中，在边缘细化的过程中采用的高斯核为：

其中，σ是高斯核的方差，θ是归一化系数，表达式为： $\mathrm{\θ}=\underset{X}{\mathrm{\Σ}}\underset{Y}{\mathrm{\Σ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2].$

优选地，恢复模块包括：恢复单元，用于采用以下公式根据第二传输图和大气光对原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的无雾图像。

通过本发明，采用从读取到的浓雾场景的原始图像中获取暗原色图像及其对应的大气光后，结合对暗原色图像估计后得到的大气散射模型传输图和大气光同时对原始图像进行恢复操作，得到无雾图像的方式，解决了单幅图像获取场景目标的深度信息的方式并不能消除雾霾对外视频系统工作的影响的问题，进而达到了能够使室外视频系统在浓雾场景下仍然可以正常工作，得到比较清晰的图像的效果。

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一简单地介绍，显而易见地，下面描述中的附图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获得其他的附图。

图1是根据本发明实施例的图像去雾方法流程图；

图2是根据本发明优选实施例的图像去雾流程中所采用的大气散射模型传输图的示意图；

图3是根据本发明优选实施例的图像去雾方法流程图；

图4是根据本发明实施例的图像去雾装置的结构框图；

图5是根据本发明优选实施例的图像去雾装置的结构框图。

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，所描述的实施例是本发明一部分实施例，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。

首先，对本发明实施例所提供的图像去雾方法进行一个简单介绍：针对特定的场景（主要是雾天情况下），将得到的雾天图像进行去雾处理：先由读取到的原始雾天图像计算暗原色图像（为了优化最后的恢复效果，还可以从边缘图像），再根据暗原色图像求取其对应的大气光，进而估计得到大气散射模型传输图，再采用高斯滤波辅以图像边缘细化传输图，最后根据传输图和大气光对原始雾天图像进行恢复以得到最终的无雾图像。

图1是根据本发明实施例的图像去雾方法流程图，如图1所示，该方法主要包括以下步骤（步骤S102-步骤S106）：

步骤S102，根据原始图像计算暗原色图像I(x,y)，并获取暗原色图像对应的大气光A；

步骤S104，对暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对第一传输图进行边缘细化得到第二传输图；

步骤S106，根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像。

在本实施例中，在根据原始图像I(x,y)计算暗原色图像时，可以采用如下的方式来实现：对读取到的原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到暗原色图像。

在本实施例中，在获取暗原色图像对应的大气光A时，可以采用如下的方式来实现：从暗原色图像选取亮度最大的预定比例的第一像素，将第一像素中强度最大的像素点选定为大气光A。

在本实施例中，在对暗原色图像进行估计得到大气散射模型的第一传输图时，可以采用如下的方式来实现：根据以下公式对对暗原色图像进行估计，得到第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底。

在本实施例中，在采用高斯滤波对第一传输图进行边缘细化得到第二传输图时，可以采用如下的方式来实现：采用高斯平滑滤波的方式对第一传输图进行边缘细化操作，得到第二传输图，其中，在边缘细化的过程中采用的高斯核为：

其中，σ是高斯核的方差，θ是归一化系数，表达式为： $\mathrm{\θ}=\underset{X}{\mathrm{\Σ}}\underset{Y}{\mathrm{\Σ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2].$

在本实施例中，在执行根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像的过程中，可以采用以下公式根据第二传输图和大气光对原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的无雾图像。

以下结合图2、图3以及优选实施例对上述实施例提供的图像去雾方法进行更加详细的说明。

请同时参考图2和图3。其中，图2是根据本发明优选实施例的图像去雾流程中所采用的大气散射模型传输图的示意图，在实际应用中，简化的雾天成像模型可以设定如下：I(x,y)=J(x,y)t(x,y)+A(1-t(x,y))，则去雾的目标就是从I中复原J,A,t。

图3（图3是根据本发明优选实施例的图像去雾方法流程图），如图3所示，该流程包括以下步骤（步骤S302-步骤S316）：

步骤S302，对于特定的场景（主要是浓雾天气），读入原始图像I(x,y)；

步骤S304，对I(x,y)的色光三原色（也可以成为三基色，即RGB）三个颜色通道进行最小值滤波操作，这里，需要将用到的模版的尺寸范围可以预先设置为N×N(N∈{3,5,7..})，紧接着在三个颜色通道中的每个颜色通道中军使用最小操作运算，则的原始图像I(x,y)的暗原色（即上述暗原色图像）为：

$I^{\mathrm{drak}}(x,y)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{(x^{\′},y^{\′})\∈\mathrm{\Ω}(x,y)}{\min }\left(I^c(x^{\′},y^{\′})\right)\right);$

步骤S306，对原始图像I(x,y)进行灰度化处理，得到灰度图像（优选步骤）；

步骤S308，采用Canny算子检测灰度图像的边缘，得到边缘图像Ω_edge（优选步骤）；

步骤S310，选取暗原色中亮度最大的预定比例（实际应用中优选为0.1%）的像素，在选取到的像素当中，将强度最大的像素点选定为大气光A；

步骤S312，根据求出的暗原色估计得到大气散射模型传输图t(x,y)（即上述第一传输图），这里采用的计算公式为：

其中，ω为调节参数，用来调节去雾程度，其范围为ω∈(0,1)，ω越大，对图像的去雾越彻底；

步骤S314，采用高斯平滑滤波方式同时结合步骤S306中的边缘图像Ω_edge对传输图t(x,y)进行细化，得到细化后的大气散射模型传输图txy)（这里指上述第二传输图），细化过程中用到的的高斯核为：其中，σ是高斯核的方差，σ越小，图像平滑效果越好，但也同时也会丢失部分边缘信息。因此在此处，可以通过改变σ来尽量保留图像边缘信息：当高斯模版的中心像素为Ω_edge中的元素时，可以采用增大高斯核的σ来弱化周围其它像素的影响，θ是归一化系数，其表达式为：

步骤S316，根据得到的细化后的大气散射模型传输图t(x,y)（即上述第二传输图）和大气光A对原始图像进恢复，即可以确定去雾后的复原图像，这里需要使用的公式为：

这里需要说明的是，需要对RGB三个颜色通道分别进行复原，将得到的RGB三个通道图像进行合成复原后方可得到无雾图像J(x,y)，同时，为了避免

不确定型的出现，该公式中为t(x)设定了一个下限值t₀，在实际应用中，t₀的一个典型值为0.1（仅作为优选值，并不局限于此）。

图4是根据本发明实施例的图像去雾装置的结构框图，该装置用于实现上述实施例提供的图像去雾方法，如图4所示，该装置主要包括：第一获取模块10，第二获取模块20以及恢复模块30。其中，第一获取模块10，用于根据原始图像计算暗原色图像I(x,y)，并获取暗原色图像对应的大气光A；第二获取模块20，连接至第一获取模块10，用于对暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对第一传输图进行边缘细化得到第二传输图；恢复模块30，连接至第二获取模块20，用于根据第二传输图和大气光对原图像I(x,y)进行恢复操作，得到无雾图像。

图5是根据本发明优选实施例的图像去雾装置的结构框图，如图5所示，在该优选实施例提供的图像去雾装置中，优选地，第一获取模块10还可以进一步包括：运算单元12，用于对读取到的原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到暗原色图像；选择单元14，连接至运算单元12，用于从暗原色图像选取亮度最大的预定比例的第一像素，将第一像素中强度最大的像素点选定为大气光A。

在该优选实施例提供的图像去雾装置中，第二获取模块20还可以进一步包括：估计单元22，用于根据以下公式对对暗原色图像进行估计，得到第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底；细化单元24，用于采用高斯平滑滤波的方式对第一传输图进行边缘细化操作，得到第二传输图，其中，在边缘细化的过程中采用的高斯核为：其中，σ是高斯核的方差，θ是归一化系数，表达式为：

在该优选实施例提供的图像去雾装置中，恢复模块30还可以进一步包括：32恢复单元，用于采用以下公式根据第二传输图和大气光对原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的无雾图像。

采用上述实施例提供的图像去雾方法和图像去雾装置，在从读取到的浓雾场景的原始图像中获取暗原色图像及其对应的大气光后，结合对暗原色图像估计后得到的大气散射模型传输图和大气光同时对原始图像进行恢复操作，得到无雾图像的方式，解决了单幅图像获取场景目标的深度信息的方式并不能消除雾霾对外视频系统工作的影响的问题，进而达到了能够使室外视频系统在浓雾场景下仍然可以正常工作，得到比较清晰的图像的效果。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种图像去雾方法，其特征在于，包括：

根据原始图像计算暗原色图像I(x,y)，并获取所述暗原色图像对应的大气光A；

对所述暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对所述第一传输图进行边缘细化得到第二传输图；

根据所述第二传输图和所述大气光对所述原图像I(x,y)进行恢复操作，得到无雾图像。

2.根据权利要求1所述的方法，其特征在于，根据原始图像I(x,y)计算暗原色图像，包括：

对读取到的所述原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到所述暗原色图像。

3.根据权利要求2所述的方法，其特征在于，获取所述暗原色图像对应的大气光A，包括：

从所述暗原色图像选取亮度最大的预定比例的第一像素，将所述第一像素中强度最大的像素点选定为所述大气光A。

4.根据权利要求3所述的方法，其特征在于，对所述暗原色图像进行估计得到大气散射模型的第一传输图，包括：

根据以下公式对对所述暗原色图像进行估计，得到所述第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底。

5.根据权利要求1至4中任一项所述的方法，其特征在于，采用高斯滤波对所述第一传输图进行边缘细化得到第二传输图，包括：

采用高斯平滑滤波的方式对所述第一传输图进行边缘细化操作，得到所述第二传输图，其中，在所述边缘细化的过程中采用的高斯核为：

其中，σ是高斯核的方差，θ是归一化系数，表达式为： $\mathrm{\θ}=\underset{X}{\mathrm{\Σ}}\underset{Y}{\mathrm{\Σ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2].$

6.根据权利要求5所述的方法，其特征在于，根据所述第二传输图和所述大气光对所述原图像I(x,y)进行恢复操作，得到无雾图像，包括：

采用以下公式根据所述第二传输图和所述大气光对所述原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的所述无雾图像。

7.一种图像去雾装置，其特征在于，包括：

第一获取模块，用于根据原始图像计算暗原色图像I(x,y)，并获取所述暗原色图像对应的大气光A；

第二获取模块，用于对所述暗原色图像进行估计得到大气散射模型的第一传输图，采用高斯滤波对所述第一传输图进行边缘细化得到第二传输图；

恢复模块，用于根据所述第二传输图和所述大气光对所述原图像I(x,y)进行恢复操作，得到无雾图像。

8.根据权利要求7所述的装置，其特征在于，所述第一获取模块包括：

运算单元，用于对读取到的所述原始图像I(x,y)的色光三原色RGB的三个颜色通道进行最小值滤波后，再在每个颜色通道中使用最小操作运算，得到所述暗原色图像；

选择单元，用于从所述暗原色图像选取亮度最大的预定比例的第一像素，将所述第一像素中强度最大的像素点选定为所述大气光A。

9.根据权利要求8所述的装置，其特征在于，所述第二获取模块包括：

估计单元，用于根据以下公式对对所述暗原色图像进行估计，得到所述第一传输图：

其中，ω为调节参数，用于调节去雾程度，ω∈(0,1)，ω变大能够使去雾程度更彻底；

细化单元，用于采用高斯平滑滤波的方式对所述第一传输图进行边缘细化操作，得到所述第二传输图，其中，在所述边缘细化的过程中采用的高斯核为：其中，σ是高斯核的方差，θ是归一化系数，表达式为： $\mathrm{\θ}=\underset{X}{\mathrm{\Σ}}\underset{Y}{\mathrm{\Σ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2].$

10.根据权利要求7至9任一项所述的装置，其特征在于，所述恢复模块包括：

恢复单元，用于采用以下公式根据所述第二传输图和所述大气光对所述原图像I(x,y)进行恢复：

其中，t₀为函数t(x)的下限值，J(x,y)为恢复后的所述无雾图像。

Images