CN103077500B - 图像数据的去雾方法及装置 - Google Patents

Abstract

本发明公开了一种图像数据的去雾方法及装置，其中，该方法包括：获取含雾图像的图像数据；确定含雾图像的图像数据中的非天空区域；根据非天空区域的图像数据的深度信息，将非天空区域划分为远景区域和近景区域；对远景区域的图像数据和近景区域的图像数据进行去雾处理。应用本发明的技术方案，将含雾图像的图像数据划分区域，并利用非天空区域的图像数据的深度信息恢复有雾图像，是的含雾图像的恢复结果更加自然和真实。

Description

图像数据的去雾方法及装置

技术领域

本发明涉及计算机图像处理技术领域，具体而言，涉及一种图像数据的去雾方法及装置。

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是一个复杂的问题。

目前的单幅图像去雾系统没有利用深度信息，因而其恢复结果的真实感不高。

发明内容

本发明旨在提供一种图像数据的去雾方法及装置，以解决现有技术中图像去雾处理真实感不高的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种图像数据的去雾方法，包括：获取含雾图像的图像数据；确定上述含雾图像的图像数据中的非天空区域；根据上述非天空区域的图像数据的深度信息，将上述非天空区域划分为远景区域和近景区域；对上述远景区域的图像数据和上述近景区域的图像数据进行去雾处理。

进一步的，确定上述含雾图像的图像数据中的非天空区域，包括：通过区域生长法确定上述含雾图像的图像数据中的天空区域；确定上述含雾图像的图像数据中除上述天空区域之外的其他区域为上述非天空区域。

进一步的，根据上述非天空区域的图像数据的深度信息将上述非天空区域划分为远景区域和近景区域，包括：根据上述非天空区域的图像数据的暗原色，将上述非天空区域划分为远近区域和近景区域。

进一步的，根据上述非天空区域的图像数据的暗原色将上述非天空区域划分为远近区域和近景区域，包括：将上述非天空区域中上述暗原色的对数大于等于预设值的区域划分为上述远景区域；将上述非天空区域中上述暗原色的对数小于上述预设值的区域划分为上述近景区域。

进一步的，对上述远景区域的图像数据和上述近景区域的图像数据进行去雾处理，包括：对上述远景区域的图像数据保留预设部分雾；对上述近景区域的图像数据全部去雾。

进一步的，对上述远景区域的图像数据和上述近景区域的图像数据进行去雾处理，包括：利用暗通道法对上述远景区域的图像数据和上述近景区域的图像数据进行上述去雾处理。

为了实现上述目的，根据本发明的另一个方面，提供了一种图像数据的去雾装置，包括：获取模块，用于获取含雾图像的图像数据；确定模块，用于确定上述含雾图像的图像数据中的非天空区域；划分模块，用于根据上述非天空区域的图像数据的深度信息，将上述非天空区域划分为远景区域和近景区域；去雾模块，用于对上述远景区域的图像数据和上述近景区域的图像数据进行去雾处理。

进一步的，上述确定模块包括：第一确定单元，用于通过区域生长法确定上述含雾图像的图像数据中的天空区域；第二确定单元，用于确定上述含雾图像的图像数据中除上述天空区域之外的其他区域为上述非天空区域。

进一步的，上述划分模块，用于根据上述非天空区域的图像数据的暗原色，将上述非天空区域划分为远近区域和近景区域。

进一步的，上述去雾模块，对上述远景区域的图像数据保留预设部分雾，对上述近景区域的图像数据全部去雾。

应用本发明的技术方案，将含雾图像的图像数据划分区域，并利用非天空区域的图像数据的深度信息恢复有雾图像，是的含雾图像的恢复结果更加自然和真实。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的图像数据的去雾方法的流程图；

图2是根据本发明实施例优选的天空区域的划分方法的流程图；

图3是根据本发明实施例优选的远景区域和近景区域的划分方法的流程图；

图4是根据本发明实施例优选的去雾处理方法的流程图；

图5是根据本发明实施例优选实例的去雾处理的流程示意图；以及

图6是根据本发明实施例的图像数据的去雾装置的结构框图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

针对相关技术中图像去雾处理时未利用深度信息，而导致含雾图像恢复真实度不高的问题，本发明实施例提供了一种图像数据的去雾方案。基于分块处理的雾天图像去雾方法，将雾天图像大致分为天空区域、远景区域和近景区域，然后分别进行复原处理得到恢复结果。下面对本发明实施提供的方案进行描述。

根据本发明实施例，提供了一种图像数据的去雾方法。

图1是根据本发明实施例的图像数据的去雾方法的流程图，如图1所示，该方法主要包括步骤S102至步骤S108。

步骤S102，获取含雾图像的图像数据。

步骤S104，确定含雾图像的图像数据中的非天空区域。

步骤S106，根据非天空区域的图像数据的深度信息，将非天空区域划分为远景区域和近景区域。

步骤S108，对远景区域的图像数据和近景区域的图像数据进行去雾处理。

应用本发明实施例的技术方案，将含雾图像的图像数据划分区域，并利用非天空区域的图像数据的深度信息恢复有雾图像，是的含雾图像的恢复结果更加自然和真实。

下面分别对上述步骤的优选实施方式进行描述。

（一）步骤S104

在本发明实施例中，可以应用基于区域的图像分割方法划分天空区域和非天空区域，也可以应用基于边缘的图像分割方法将图像数据划分为天空区域和非天空区域，当然也可以使用其他图像分割方法，在此不一一列举。其中，基于区域的图像分割方法采用一定的准则，直接将图像划分为多个区域。而基于边缘的方法通过检测包含不同区域的边缘，获得关于各个区域的边缘轮廓描述，达到图像分割的目的。进一步的，区域和边缘相结合的方法通过区域分割和边缘检测的相互作用得到分割结果。

基于区域的图像分割方法主要有直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等。在本发明实施例中，以应用区域生长法确定含雾图像的图像数据中的非天空区域为例进行说明。通过区域生长法确定含雾图像的图像数据中的天空区域，确定含雾图像的图像数据中除天空区域之外的其他区域为非天空区域。

在本发明实施例的一个实施方式中，对含雾图像的图像数据I(x,y)进行灰度化处理，得到含雾图像的灰度图像I_gray(x,y)，在灰度图像中选取预设大小的天空区域作为种子像素，运用区域生长法确定天空区域Ω^A。在本发明实施例中，可以采用相似性准则进行区域生长法，相似准则（像素的梯度小于或等于平坦阈值以及像素亮度大于或等于亮度阈值）。

在本发明实施例中，可以手动选取种子像素，也可以将阈值分割和区域生长法结合起来，充分利用图像的特征信息，以阈值为基础，自适应确定种子像素和相似性准则，提高图像分割的准确性。

图2是根据本发明实施例优选的天空区域的划分方法的流程图，如图2所示，该方法主要包括步骤S202至步骤S204。

步骤S202，人工选取含雾图像中预定大小的天空区域作为种子像素；

步骤S204，根据选取的种子像素，利用区域生长法得到天空区域。

在图2所示的方法中，以人工选取种子像素为例进行说明，但是需要注意的是，本发明实施并不限于人工选取的方法。本领域技术人员可以根据实际需要，采用其他方式选取种子像素，本发明实施例对此并不进行限制。

（二）步骤S106

由于图像数据的深度与图像数据的暗原色是正相关的关系，因此，在本发明实施例中，可以根据非天空区域的图像数据的暗原色，将非天空区域划分为远近区域和近景区域。当然，本领域技术人员还可以采用其他表征图像数据的深度的参数，将将非天空区域划分为远近区域和近景区域。

在本发明实施例的一个实施方式中，可以设置阈值，在划分远景区域和近景区域时，如果图像数据的暗原色大于等于设置的阈值，则将该图像数据划分到远景区域，如果图像数据的暗原色小于设置的阈值，则将图像数据划分到近景区域中。

进一步的，在本发明实施例中，可以先对暗原色取对数，将暗原色的对数与预设值进行比较，将非天空区域中暗原色的对数大于等于预设值的区域划分为远景区域。将非天空区域中暗原色的对数小于预设值的区域划分为近景区域。优选地，预设值为暗原色的对数的最大值与对数的最小值的平均值。

图3是根据本发明实施例优选的远景区域和近景区域的划分方法的流程图，如图3所示，该方法主要包括步骤S302至步骤S306。

步骤S302，确定非天空区域的图像数据的暗原色，并计算暗原色的对数。

在步骤S302中，可以对非天空区域Ω^B的图像数据I(x,y)，(x,y)∈Ω^B的RGB三个通道进行最小值滤波，模版尺寸可以为N×N(N∈{3,5,7..}),在三个颜色通道中使用最小操作运算，得到非天空区域的图像数据的暗原色为：

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

对上述暗原色取对数得到：D_e(x,y)=lnD(x,y)。

步骤S304，根据计算得到的暗原色的对数设置比较阈值。在本步骤中，设置阈值为暗原色的对数的最大值与对数的最小值的平均值。

步骤S306，根据阈值标记远景区域和近景区域。标记结果如下：

远景区域： ${\mathrm{\Ω}}_{\mathrm{far}}:\left\{(x,y)\right|D_e(x,y)\≥\left(\frac{D_{e\max }+D_{e\min }}{2}\right)\};$

近景区域： ${\mathrm{\&Omega;}}_{\mathrm{near}}:\left\{(x,y)\right|D_e(x,y)<\left(\frac{D_{e\max }+D_{e\min }}{2}\right)\}.$

（三）步骤S108

在本发明实施例中，对天空区域的图像数据不做处理，仅对非天空区域的图像数据进行去雾处理。对非天空区域的图像数据进行去雾处理时，可以对远景区域的图像数据保留预设部分雾，对近景区域的图像数据全部去雾。当然，也可以对远景区域的图像数据和近景区域的图像数据采用同样的去雾处理。

在本发明实施例的一个实施方式中，可以利用暗通道法对远景区域的图像数据和近景区域的图像数据进行去雾处理。根据非天空区域的图像数据的暗原色和天空亮度确定投射率，根据透射率、天空亮度对远景区域的图像数据和近景区域的图像数据进行去雾处理。优选地，对于远景区域和近景区域可以确定不同的投射率，利用调节参数调节远景区域的去雾程度，而对于近景区域，进行完全去雾处理。

下面举例对利用暗通道方法的去雾方法进行说明，需要说明的是，去雾处理并不限于暗通道方法，暗通道的去雾方法并不限于下述的方法。

图4是根据本发明实施例优选的去雾处理方法的流程图，如图4所示，去雾处理可以包括步骤S402至步骤S404。

步骤S402，根据天空亮度A和暗原色D(x,y)确定透射率t(x,y)，透射率t(x,y)的公式如下：

$t(x,y)=\left\{\begin{array}{cc}\frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-\mathrm{\&omega;}D(x,y),& (x,y)\&Element;{\mathrm{\&Omega;}}_{\mathrm{far}}\\ \frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-D(x,y),& (x,y)\&Element;{\mathrm{\&Omega;}}_{\mathrm{near}}\end{array}\right\},$ 其中，A(1)、A(2)、A(3)分别为天空亮度A在RGB三个通道上的取值，ω为调节参数，用于调节远景区域的图像数据的去雾程度。

在本发明实施例中，选取天空区域中亮度最大的像素点所对应的图像数据的像素值表征天空亮度A。

步骤S404，根据透射率t(x,y)、天空亮度A以及非天空区域Ω^B的图像数据I(x,y)，其中，(x,y)∈Ω^B，采用暗通道方法进行复原，公式如下：

$J^c(x,y)=\frac{I(x,y)-A^c}{\max (\frac{t(x,y)}{A^c},t_0)}+A^c,c\&Element;\{r,g,b\},$ (x,y)∈Ω^B；

在本发明实施例中，分别对RGB三通道分别进行去雾处理，将得到的RGB三个通道图像合成复原后的图像J(x,y)。为了避免不确定型出现，式中给t(x)设定了一个下限值t₀，t₀的一个典型值为0.1。

本发明实施例的上述方法可以应用到多种场景，例如，雾天交通场景、监控场景等。经过上述去雾处理后得到的图像数据可以存储在存储介质中，也可以实时输出到应用系统中，例如监控系统，供用户查看。在输出图像数据时，将未经处理的天空区域的图像数据与处理后的非天空区域的图像数据合成得到处理后的完整图像，根据实际需要进行图像数据的输出。

下面以一个具体实例对本发明实施提供的上述方法进行描述。图5是根据本发明实施例优选实例的去雾处理的流程示意图，如图5所示，该方法可以包括以下几个部分：

1.分离天空区域：

对于特定的场景，读入原始图像I(x,y)，在实例中以五天交通图为例进行说明。

对源图像灰度化得到灰度图像I_gray(x,y)，在此灰度图像手工选取一小块天空区域作为种子像素，然后运用区域生长法确定天空区域Ω^A（相似准则：像素的梯度小于或等于平坦阈值以及像素亮度大于或等于亮度阈值）。

选取天空区域Ω^A的图像数据中亮度最大的像素点所对应的含雾图像的像素值表征天空亮度A。

2.分离远景区域和近景区域：

1）非天空区域的图像数据I(x,y)的RGB三个通道进行最小值滤波，模版尺寸为N×N(N∈{3,5,7..})，在三个颜色通道中使用最小操作运算，则非天空区域的图像数据I(x,y)的暗原色为：

$D(x,y)=\underset{c\&Element;\{r,g,b\}}{\min }\left(\underset{(x^{\&prime;},y^{\&prime;})\&Element;\mathrm{\&Omega;}(x,y)}{\min }\left(I^c(x^{\&prime;},y^{\&prime;})\right)\right),$ (x,y)∈Ω^B；

对上述暗原色取对数得到：

D_e(x,y)=lnD(x,y)；

2）由于暗原色与深度是正相关的，则可以设置阈值大致分离远景和近景区域：

${\mathrm{\&Omega;}}_{\mathrm{far}}:\left\{(x,y)\right|D_e(x,y)\&GreaterEqual;\left(\frac{D_{e\max }+D_{e\min }}{2}\right)\};$

${\mathrm{\&Omega;}}_{\mathrm{near}}:\left\{(x,y)\right|D_e(x,y)<\left(\frac{D_{e\max }+D_{e\min }}{2}\right)\}.$

3.恢复图像：

对于天空区域，不进行操作；

对于远景和近景区域：

1）根据天空亮度A和暗原色D(x,y)和求取透射率t(x,y)，远景区域保留一些雾，近景区域则不保留，公式为：

$t(x,y)=\left\{\begin{array}{cc}\frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-\mathrm{\&omega;}D(x,y),& (x,y)\&Element;{\mathrm{\&Omega;}}_{\mathrm{far}}\\ \frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-D(x,y),& (x,y)\&Element;{\mathrm{\&Omega;}}_{\mathrm{near}}\end{array}\right\}$

2）根据求得的透射率t(x,y)，天空亮度A，非天空区域的图像数据I(x,y)，采用暗通道方法进行复原：

$J^c(x,y)=\frac{I(x,y)-A^c}{\max (\frac{t(x,y)}{A^c},t_0)}+A^c,c\&Element;\{r,g,b\},(x,y)\&Element;{\mathrm{\&Omega;}}^B;$

在本实例中，对RGB三通道分别进行复原，将得到的RGB三个通道图像合成复原后的图像J(x,y)。为了避免不确定型出现，式中给t(x)设定了一个下限值t₀,t₀的一个典型值为0.1。

应用本发明实例的技术方案，将雾天交通图像分块处理，充分利用了暗通道方法得到的粗略深度信息，复原的图像更具有真实感。

根据本发明实例，还提供了一种图像数据的去雾装置，用以实现本发明实施例的上述方法。

图6是根据本发明实施例的图像数据的去雾装置的结构框图，如图6所示，该装置主要包括：获取模块10、确定模块20、划分模块30和去雾模块40。其中，获取模块10，用于获取含雾图像的图像数据；确定模块20，与获取模块10相连接，用于确定含雾图像的图像数据中的非天空区域；划分模块30，与确定模块20相连接，用于根据非天空区域的图像数据的深度信息，将非天空区域划分为远景区域和近景区域；去雾模块40，与划分模块30相连接，用于对远景区域的图像数据和近景区域的图像数据进行去雾处理。

应用本发明实施例的技术方案，将含雾图像的图像数据划分区域，并利用非天空区域的图像数据的深度信息恢复有雾图像，是的含雾图像的恢复结果更加自然和真实。

下面分别对上述模块的优选实施方式进行描述。

（一）确定模块20

在本发明实施例中，可以应用基于区域的图像分割方法划分天空区域和非天空区域，也可以应用基于边缘的图像分割方法将图像数据划分为天空区域和非天空区域，当然也可以使用其他图像分割方法，在此不一一列举。其中，基于区域的图像分割方法采用一定的准则，直接将图像划分为多个区域。而基于边缘的方法通过检测包含不同区域的边缘，获得关于各个区域的边缘轮廓描述，达到图像分割的目的。进一步的，区域和边缘相结合的方法通过区域分割和边缘检测的相互作用得到分割结果。

基于区域的图像分割方法主要有直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等。在本发明实施例中，以应用区域生长法确定含雾图像的图像数据中的非天空区域为例进行说明。通过区域生长法确定含雾图像的图像数据中的天空区域，确定含雾图像的图像数据中除天空区域之外的其他区域为非天空区域。因此，在本发明实施例中，确定模块20可以包括：第一确定单元，用于通过区域生长法确定所述含雾图像的图像数据中的天空区域；第二确定单元，用于确定所述含雾图像的图像数据中除所述天空区域之外的其他区域为所述非天空区域。

在本发明实施例的一个实施方式中，第一确定单元可以对含雾图像的图像数据I(x,y)进行灰度化处理，得到含雾图像的灰度图像I_gray(x,y)，在灰度图像中选取预设大小的天空区域作为种子像素，运用区域生长法确定天空区域Ω^A。

在本发明实施例中，可以手动选取种子像素，此时，可以设置相应的模块来接收用户选取的种子像素。也可以将阈值分割和区域生长法结合起来，充分利用图像的特征信息，以阈值为基础，自适应确定种子像素和相似性准则，提高图像分割的准确性。

（二）划分模块30

由于图像数据的深度与图像数据的暗原色是正相关的关系，因此，在本发明实施例中，划分模块30可以根据非天空区域的图像数据的暗原色，将非天空区域划分为远近区域和近景区域。当然，本领域技术人员还可以采用其他表征图像数据的深度的参数，将将非天空区域划分为远近区域和近景区域。

在本发明实施例的一个实施方式中，可以设置阈值，在划分远景区域和近景区域时，如果图像数据的暗原色大于等于设置的阈值，则划分模块30将该图像数据划分到远景区域，如果图像数据的暗原色小于设置的阈值，则划分模块30将图像数据划分到近景区域中。

进一步的，在本发明实施例中，划分模块30可以先对暗原色取对数，将暗原色的对数与预设值进行比较，将非天空区域中暗原色的对数大于等于预设值的区域划分为远景区域。将非天空区域中暗原色的对数小于预设值的区域划分为近景区域。优选地，预设值为暗原色的对数的最大值与对数的最小值的平均值。

（三）去雾模块40

在本发明实施例中，去雾模块40对天空区域的图像数据不做处理，仅对非天空区域的图像数据进行去雾处理。去雾模块40对非天空区域的图像数据进行去雾处理时，可以对远景区域的图像数据保留预设部分雾，对近景区域的图像数据全部去雾。当然，去雾模块40也可以对远景区域的图像数据和近景区域的图像数据采用同样的去雾处理。

在本发明实施例的一个实施方式中，去雾模块40可以利用暗通道法对远景区域的图像数据和近景区域的图像数据进行去雾处理。去雾模块40根据非天空区域的图像数据的暗原色和天空亮度确定投射率，根据透射率、天空亮度对远景区域的图像数据和近景区域的图像数据进行去雾处理。优选地，去雾模块40对于远景区域和近景区域可以确定不同的投射率，利用调节参数调节远景区域的去雾程度，而对于近景区域，进行完全去雾处理。

本发明实施例的上述装置可以应用到多种场景，例如，雾天交通场景、监控场景等。经过上述去雾处理后得到的图像数据可以存储在存储介质中，也可以实时输出到应用系统中，例如监控系统，供用户查看。在输出图像数据时，将未经处理的天空区域的图像数据与处理后的非天空区域的图像数据合成得到处理后的完整图像，根据实际需要进行图像数据的输出。

本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种图像数据的去雾方法，其特征在于，包括：

获取含雾图像的图像数据；

确定所述含雾图像的图像数据中的非天空区域；

根据所述非天空区域的图像数据的暗原色，将所述非天空区域中所述暗原色的对数大于等于预设值的区域划分为远景区域，将所述非天空区域中所述暗原色的对数小于所述预设值的区域划分为近景区域，所述预设值为所述非天空区域的图像数据的暗原色的对数的最大值与对数的最小值的平均值；

对所述远景区域的图像数据和所述近景区域的图像数据进行去雾处理。

2.根据权利要求1所述的方法，其特征在于，确定所述含雾图像的图像数据中的非天空区域，包括：

通过区域生长法确定所述含雾图像的图像数据中的天空区域；

确定所述含雾图像的图像数据中除所述天空区域之外的其他区域为所述非天空区域。

3.根据权利要求1所述的方法，其特征在于，对所述远景区域的图像数据和所述近景区域的图像数据进行去雾处理，包括：

对所述远景区域的图像数据保留预设部分雾；

对所述近景区域的图像数据全部去雾。

4.根据权利要求1或3所述的方法，其特征在于，对所述远景区域的图像数据和所述近景区域的图像数据进行去雾处理，包括：

利用暗通道法对所述远景区域的图像数据和所述近景区域的图像数据进行所述去雾处理。

5.一种图像数据的去雾装置，其特征在于，包括：

获取模块，用于获取含雾图像的图像数据；

确定模块，用于确定所述含雾图像的图像数据中的非天空区域；

划分模块，用于根据所述非天空区域的图像数据的暗原色，将所述非天空区域中所述暗原色的对数大于等于预设值的区域划分为远景区域，将所述非天空区域中所述暗原色的对数小于所述预设值的区域划分为近景区域，所述预设值为所述非天空区域的图像数据的暗原色的对数的最大值与对数的最小值的平均值；

去雾模块，用于对所述远景区域的图像数据和所述近景区域的图像数据进行去雾处理。

6.根据权利要求5所述的装置，其特征在于，所述确定模块包括：

第一确定单元，用于通过区域生长法确定所述含雾图像的图像数据中的天空区域；

第二确定单元，用于确定所述含雾图像的图像数据中除所述天空区域之外的其他区域为所述非天空区域。

7.根据权利要求5述的装置，其特征在于，所述去雾模块，对所述远景区域的图像数据保留预设部分雾，对所述近景区域的图像数据全部去雾。