CN103116876A - 一种图像去雾的方法和装置 - Google Patents
一种图像去雾的方法和装置 Download PDFInfo
- Publication number
- CN103116876A CN103116876A CN2013100577476A CN201310057747A CN103116876A CN 103116876 A CN103116876 A CN 103116876A CN 2013100577476 A CN2013100577476 A CN 2013100577476A CN 201310057747 A CN201310057747 A CN 201310057747A CN 103116876 A CN103116876 A CN 103116876A
- Authority
- CN
- China
- Prior art keywords
- image
- piecemeal
- mist
- carried out
- square area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种图像去雾的方法和装置,该方法结合了暗原色先验方法,具有较好的图像去雾效果。该方法包括:对雾图像进行边缘检测;对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点数目占该块图像的像素点总数目的比例处于预设的阈值内;按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
Description
技术领域
本发明涉及一种图像去雾的方法和装置。
背景技术
暗原色先验方法是何凯明等人通过分析大量户外无雾图像数据而总结出来的理论,即:在绝大多数图像的非天空局部区域里,某一些像素总会至少有一个颜色通道具有很低的值。换言之,该区域光强度的最小值是个很小的数,即为暗原色。
何凯明等人在统计和分析大量户外图像的基础上,总结出了暗原色先验知识,并将该先验知识运用于图像去雾的过程中,取得了较好的结果,但该方法同样存在不足。第一,该方法存在块(block)效应和光晕现象。通过该方法处理后的图像,在颜色差异较大的区域会出现光晕现象,从而降低了还原后的图像质量。这种现象在物体和天空部分交接的区域表现尤为明显。第二,尺度参数的选择问题。在暗原色先验方法的计算中,首先包含一个对图像分块的步骤,表征分出的图像的尺寸的尺度参数Ω(x)是该方法中的一个重要参数,其值的选取直接影响去雾效果的好坏。暗原色先验算法在该参数的选择上均是采用人为设定的单个参数。但是经过大量试验发现,采用尺度参数不同,计算得到的暗原色值也将不同。暗原色值作为算法中的重要数值,将会直接影响透射率估计值的计算,从而最终影响去雾后图像的质量。
发明内容
有鉴于此,本发明提供一种图像去雾的方法和装置,该方法结合了暗原色先验方法,具有较好的图像去雾效果。
为实现上述目的,根据本发明的一个方面,提供了一种图像去雾的方法。
本发明的图像去雾的方法包括:对雾图像进行边缘检测;对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内;按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
可选地,对所述雾图像进行分块的步骤包括:在图像中划分多个正方形区域;针对每个所述正方形区域的图像,在该图像不满足所述条件的情况下,将该正方形区域沿对角线分块为两个直角三角形区域,分别对于这两个直角三角形判断其是否满足所述条件,若是则停止分块,否则将当前直角三角形连续进行三角化分块直至得到的三角形区域中的图像满足所述条件;所述三角化分块是将直角三角形沿直角顶点与斜边中点的连线进行分块。
可选地,所述对雾图像进行边缘检测包括采用Canny算法进行边缘检测。
可选地,所述正方形区域的边长范围是[10,30]个像素,所述阈值的范围是[15%,65%]。
可选地,所述正方形区域的边长是24个像素,所述阈值是40%。
根据本发明的另一方面,提供了一种图像去雾的装置
本发明的图像去雾的装置包括:边缘检测模块,用于对雾图像进行边缘检测;分块模块,用于对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内;去雾计算模块,用于按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
可选地,所述分块模块还用于:在图像中划分多个正方形区域;针对每个所述正方形区域的图像,在该图像不满足所述条件的情况下,将该正方形区域沿对角线分块为两个直角三角形区域,分别对于这两个直角三角形判断其是否满足所述条件,若是则停止分块,否则将当前直角三角形连续进行三角化分块直至得到的三角形区域中的图像满足所述条件;所述三角化分块是将直角三角形沿直角顶点与斜边中点的连线进行分块。
可选地,所述边缘检测模块还用于采用Canny算法进行边缘检测。
可选地,所述正方形区域的边长范围是[10,30]个像素,所述阈值的范围是[15%,65%]。
可选地,所述正方形区域的边长是24个像素,所述阈值的范围是40%。
根据本发明的技术方案,在使用暗原色先验方法进行图像去雾时,首先对雾图像进行边缘检测,然后根据边缘点数目占图块像素点总数的比例的条件对雾图像进行分块,实现了基于图像边缘的自适应分块,从而既实现了图像的自适应性,又更好地将具有同一透射率像素点放在同一分块内,将不同透射率的像素点分开,进而更准确出计算图像的暗原色值和透射率值,能很好的消除暗原色先验方法中存在的块效应和光晕现象,从而有着较佳的图像去雾效果。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的图像去雾的方法的主要步骤的示意图;
图2是根据本发明实施例的对图像进行三角化分块的示意图;
图3是根据本发明实施例的图像去雾的装置的基本结构的示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的图像去雾的方法的主要步骤的示意图。如图1所示,本发明实施例中的图像去雾的方法主要包括如下的步骤S11至步骤S13。
步骤S11:对雾图像进行边缘检测。这里的雾图像包括有雾的户外图像,对于其他原因(例如照相机镜头污染等)导致图像中存在似雾状的不清晰区域,这类图像也可以认为是雾图像。本步骤中可以采用现有的各种边缘检测方法,例如用于边缘检测的Canny算法等。
步骤S12:对雾图像进行分块。在本步骤中,分块的结果,要使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内。
步骤S13:按照步骤S12中的分块,使用暗原色先验方法对雾图像进行去雾计算。在本步骤中基于对图像已完成的分块,直接使用暗原色先验方法即可完成图像去雾。该分块方式有助于提高使用暗原色先验方法进行图像去雾的效果,以下对于步骤S12作进一步说明。
在步骤S12中,首先在图像中划分出多个正方形区域,对于每个正方形区域(以下表示为“Ω(x)”),作如下处理:根据步骤S11中的边缘检测的结果,统计Ω(x)中的边缘点的数目R,与Ω(x)中的像素点总数目N比较,若R/N大于预设的阈值,则将Ω(x)划分为两个三角形,划分的方式是沿Ω(x)的对角线进行划分,即得到两个全等的等腰直角三角形;反之则不进行该划分,将当前的Ω(x)作为一个最终的图像划分区域。
对于划分得到的上述等腰直角三角形,再次进行上述的统计和比较,若满足条件“若R/N大于预设的阈值”则保留划分出的三角形,对于不满足条件的三角形,继续进行三角化分块,如图2所示,图2是根据本发明实施例的对图像进行三角化分块的示意图,参考图2,对矩形先划分为两个等腰直角三角形,然后在划分等腰直角三角形时,沿其直角顶点与斜边中点的连线再次划分又得到等腰直角三角形。在划分的过程中,继续进行上述的统计和比较,直到划分得到的三角形满足上述条件为止。
对于图像划分来说,可以采取其他方式,例如每次将图像划分为矩形。但采用上述三角化分块能够得到相似的三角形以及全等的三角形,在运算处理时算法的执行效率较高,并且划分为三角形的方式更适应于形状复杂多变的边缘,所以优选的方式仍是上述的三角化分块方式。
上述的正方形的Ω(x),边长范围可以取[10,30]个像素,阈值可取[15%,65%]。经过试验,在正方形区域的边长取24个像素,阈值取40%时同时具有较快的处理速度和较佳的去雾效果。
图3是根据本发明实施例的图像去雾的装置的基本结构的示意图。如图3所示,图像去雾装置30主要包括边缘检测模块31、分块模块32、以及去雾计算模块33。
边缘检测模块31用于对雾图像进行边缘检测;分块模块32用于对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内;去雾计算模块33用于按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
分块模块32还可用于:在图像中划分多个正方形区域;针对每个所述正方形区域的图像,在该图像不满足所述条件的情况下,将该正方形区域沿对角线分块为两个直角三角形区域,分别对于这两个直角三角形判断其是否满足所述条件,若是则停止分块,否则将当前直角三角形连续进行三角化分块直至得到的三角形区域中的图像满足所述条件;所述三角化分块是将直角三角形沿直角顶点与斜边中点的连线进行分块。
根据本发明实施例的技术方案,在使用暗原色先验方法进行图像去雾时,首先对雾图像进行边缘检测,然后根据边缘点数目占图块像素点总数的比例的条件对雾图像进行分块,实现了基于图像边缘的自适应分块,从而既实现了图像的自适应性,又更好地将具有同一透射率像素点放在同一分块内,将不同透射率的像素点分开,进而更准确出计算图像的暗原色值和透射率值,能很好的消除暗原色先验方法中存在的块效应和光晕现象,从而有着较佳的图像去雾效果。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和设备的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来开发出的任何存储介质。
还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种图像去雾的方法,其特征在于,包括:
对雾图像进行边缘检测;
对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内;
按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
2.根据权利要求1所述的方法,其特征在于,对所述雾图像进行分块的步骤包括:
在图像中划分多个正方形区域;
针对每个所述正方形区域的图像,在该图像不满足所述条件的情况下,将该正方形区域沿对角线分块为两个直角三角形区域,分别对于这两个直角三角形判断其是否满足所述条件,若是则停止分块,否则将当前直角三角形连续进行三角化分块直至得到的三角形区域中的图像满足所述条件;所述三角化分块是将直角三角形沿直角顶点与斜边中点的连线进行分块。
3.根据权利要求1或2所述的方法,其特征在于,所述对雾图像进行边缘检测包括采用Canny算法进行边缘检测。
4.根据权利要求1或2所述的方法,其特征在于,所述正方形区域的边长范围是[10,30]个像素,所述阈值的范围是[15%,65%]。
5.根据权利要求4所述的方法,其特征在于,所述正方形区域的边长是24个像素,所述阈值是40%。
6.一种图像去雾的装置,其特征在于,包括:
边缘检测模块,用于对雾图像进行边缘检测;
分块模块,用于对所述雾图像进行分块,使每块图像满足如下条件:图像中的边缘点的数目占该块图像的像素点总数目的比例处于预设的阈值内;
去雾计算模块,用于按照所述分块,使用暗原色先验方法对所述雾图像进行去雾计算。
7.根据权利要求6所述的装置,其特征在于,所述分块模块还用于:
在图像中划分多个正方形区域;
针对每个所述正方形区域的图像,在该图像不满足所述条件的情况下,将该正方形区域沿对角线分块为两个直角三角形区域,分别对于这两个直角三角形判断其是否满足所述条件,若是则停止分块,否则将当前直角三角形连续进行三角化分块直至得到的三角形区域中的图像满足所述条件;所述三角化分块是将直角三角形沿直角顶点与斜边中点的连线进行分块。
8.根据权利要求6或7所述的装置,其特征在于,所述边缘检测模块还用于采用Canny算法进行边缘检测。
9.根据权利要求6或7所述的装置,其特征在于,所述正方形区域的边长范围是[10,30]个像素,所述阈值的范围是[15%,65%]。
10.根据权利要求9所述的装置,其特征在于,所述正方形区域的边长是24个像素,所述阈值的范围是40%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310057747.6A CN103116876B (zh) | 2013-02-22 | 2013-02-22 | 一种图像去雾的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310057747.6A CN103116876B (zh) | 2013-02-22 | 2013-02-22 | 一种图像去雾的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116876A true CN103116876A (zh) | 2013-05-22 |
CN103116876B CN103116876B (zh) | 2014-04-16 |
Family
ID=48415240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310057747.6A Active CN103116876B (zh) | 2013-02-22 | 2013-02-22 | 一种图像去雾的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116876B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104134194A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104318535A (zh) * | 2014-11-20 | 2015-01-28 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN104599240A (zh) * | 2014-06-30 | 2015-05-06 | 中国海洋大学 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
CN106934764A (zh) * | 2016-11-03 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法、装置 |
CN107545544A (zh) * | 2016-06-29 | 2018-01-05 | 诺基亚技术有限公司 | 去除图像中的混浊对象的方法和装置 |
CN107729814A (zh) * | 2017-09-19 | 2018-02-23 | 浙江大华技术股份有限公司 | 一种检测车道线的方法及装置 |
CN108063976A (zh) * | 2017-11-20 | 2018-05-22 | 北京奇艺世纪科技有限公司 | 一种视频处理方法及装置 |
CN111986476A (zh) * | 2020-08-05 | 2020-11-24 | 南京信息工程大学 | 基于实景图像雾霾浓度感知的车速提示方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411774A (zh) * | 2011-08-08 | 2012-04-11 | 安防科技(中国)有限公司 | 一种基于单幅图像去雾的处理方法、装置及系统 |
CN102436643A (zh) * | 2011-11-02 | 2012-05-02 | 浙江大学 | 面向大气散射邻近效应的图像去雾方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
-
2013
- 2013-02-22 CN CN201310057747.6A patent/CN103116876B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411774A (zh) * | 2011-08-08 | 2012-04-11 | 安防科技(中国)有限公司 | 一种基于单幅图像去雾的处理方法、装置及系统 |
CN102436643A (zh) * | 2011-11-02 | 2012-05-02 | 浙江大学 | 面向大气散射邻近效应的图像去雾方法 |
CN102609909A (zh) * | 2012-01-13 | 2012-07-25 | 安科智慧城市技术(中国)有限公司 | 一种单幅图像去雾方法及装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123700A (zh) * | 2014-06-18 | 2014-10-29 | 深圳市金立通信设备有限公司 | 一种电子设备 |
CN104599240A (zh) * | 2014-06-30 | 2015-05-06 | 中国海洋大学 | 基于无人机海上航拍图像的自适应权重暗原色去雾算法 |
CN104134194A (zh) * | 2014-07-23 | 2014-11-05 | 中国科学院深圳先进技术研究院 | 图像去雾方法和系统 |
CN104318519A (zh) * | 2014-09-26 | 2015-01-28 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104318519B (zh) * | 2014-09-26 | 2017-07-07 | 南京邮电大学 | 一种基于边缘替代法的图像去雾方法 |
CN104318535A (zh) * | 2014-11-20 | 2015-01-28 | 广东欧珀移动通信有限公司 | 图像去雾的方法、装置及移动终端 |
CN107545544A (zh) * | 2016-06-29 | 2018-01-05 | 诺基亚技术有限公司 | 去除图像中的混浊对象的方法和装置 |
CN106934764A (zh) * | 2016-11-03 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法、装置 |
CN106934764B (zh) * | 2016-11-03 | 2020-09-11 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法、装置 |
CN107729814A (zh) * | 2017-09-19 | 2018-02-23 | 浙江大华技术股份有限公司 | 一种检测车道线的方法及装置 |
CN107729814B (zh) * | 2017-09-19 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种检测车道线的方法及装置 |
CN108063976A (zh) * | 2017-11-20 | 2018-05-22 | 北京奇艺世纪科技有限公司 | 一种视频处理方法及装置 |
CN111986476A (zh) * | 2020-08-05 | 2020-11-24 | 南京信息工程大学 | 基于实景图像雾霾浓度感知的车速提示方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103116876B (zh) | 2014-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116876B (zh) | 一种图像去雾的方法和装置 | |
CN108966439B (zh) | 室内亮度的调节方法及装置 | |
CN105631417B (zh) | 应用于互联网视频直播的视频美化系统及方法 | |
CN102609909B (zh) | 一种单幅图像去雾方法及装置 | |
CN106408510B (zh) | 一种获取人脸图像的美颜蒙版的方法及系统 | |
CN105575367A (zh) | 显示屏亮度调节方法及系统 | |
CN103426151B (zh) | 一种图像去雾方法及装置 | |
CN105163110A (zh) | 摄像头清洁度的检测方法、检测系统及拍摄终端 | |
CN109934781B (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
US20190311492A1 (en) | Image foreground detection apparatus and method and electronic device | |
CN106846261A (zh) | 基于卷积神经网络的水下图像处理方法 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN105092473A (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
CN103903273A (zh) | 一种基于手机终端的pm2.5等级快速评价系统 | |
CN104881845B (zh) | 用于处理图像的方法和设备 | |
CN104657737A (zh) | 基于聚类对qr二维码图像进行校正的方法和装置 | |
RU2697627C1 (ru) | Способ корректировки освещенности объекта на изображении в последовательности изображений и вычислительное устройство пользователя, реализующее упомянутый способ | |
CN115034990A (zh) | 实时场景下的图像去雾处理方法、装置、设备及介质 | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
CN103763460B (zh) | 一种图像锐化方法 | |
EP3425619A1 (en) | Method and device for adapting a display visibility | |
CN104134192A (zh) | 图像去雾方法和系统 | |
CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN106503740A (zh) | 图片分类方法及装置 | |
CN104408446B (zh) | 一种基于图像显著性的无人机自主着陆目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |