CN103218778A - 一种图像和视频的处理方法及装置 - Google Patents

Abstract

本发明实施例公开了一种图像和视频的处理方法，包括：获取待处理的图像；对所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数；根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别；根据所述待处理图像的类别对所述待处理图像进行处理。本发明实施例还公开了一种图像和视频的处理装置。采用本发明，可根据图像和视频的质量属性进行分类，自适应的选择对应的处理方法，针对各种图像和视频均能达到良好的去雾效果。

Description

一种图像和视频的处理方法及装置

技术领域

本发明涉及图像和视频处理领域，尤其涉及一种图像和视频的处理方法及装置。

背景技术

在恶劣天气如大雾、阴天或大气中沙尘较多的情况下，由于大气中悬浮的大量颗粒会对光产生吸收、散射的效果，因亮度及对比度的问题从而导致捕获的图像或视频的质量下降，出现图像模糊、色彩失真、对比度下降的情况，不仅降低了图像或视频的视觉效果，也会明显降低后续图像处理算法中对物体识别、特征提取、目标跟踪、场景分析等的准确性和有效性。对于这一类恶劣天气环境可以统称为雾。目前，计算机视觉领域国内外学者应对雾的影响主要分为基于图像增强和基于大气散射模型两种处理方法。如基于图像增强的Retinex理论是指人类视觉系统具有色彩恒常性，其辨别色彩与入射光接收过程无关，而仅与物体表面的反射属性有关。图像由两部分组成，一部分是照度分量，对应于图像的低频部分，另一部分是物体的反射分量，对应于图像的高频部分。如果我们从给定的图像中能分离出照度分量和反射分量，就能通过改变照度分量与反射分量的之间的比例来达到图像增强的目的。概括来说，基于图像增强的方法是非模型的图像增强方法，不考虑图像质量下降原因，对所有类型的图像采用固定的方法进行处理，表面上适用范围广，但是对一部分图像的处理效果不佳，尤其对于图像突出部分的信息可能会造成一定损失。

基于大气散射模型的方法是研究雾天图像形成的物理过程，并建立雾天退化模型，反演退化过程，补偿退化过程造成的失真，以便获得未经干扰退化的无雾图像或无雾图像的最优估计值，从而改善雾天图像质量。但是目前己有的图像去雾算法模型中的参数难以估计，因此处理速度较慢，并且很难对各种背景环境图像都取得良好效果。

发明内容

本发明实施例所要解决的技术问题在于，提供一种图像和视频的处理方法及装置。可根据图像和视频的质量属性进行分类，自适应的选择对应的处理方法，针对各种图像和视频均能达到良好的去雾效果。

为了解决上述技术问题，本发明实施例第一方面提供一种图像处理方法，包括：

获取待处理的图像；

对所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数；

根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别；

根据所述待处理图像的类别对所述待处理图像进行处理。

在本发明第一方面实施例第一种可能的实现方式中，所述根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别，包括：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例得到所述待处理图像的类别。

结合本发明第一方面或第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述获得每个所述图像块的亮度参数和对比度参数，包括：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

结合本发明第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

结合本发明第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理。

结合本发明第一方面的第三种可能的实现方式，在第五种可能的实现方式中，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为对比度极低图像，则采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。

结合本发明第一方面的第三种可能的实现方式，在第六种可能的实现方式中，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

结合本发明第一方面的第三种可能的实现方式，在第七种可能的实现方式中，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

结合本发明第一方面的第三种可能的实现方式，在第八种可能的实现方式中，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为良好图像，则不对所述待处理图像作处理。

结合本发明第一方面的第四种可能的实现方式，在第九种可能的实现方式中，所述若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理，包括：

根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

结合本发明第一方面的第六种可能的实现方式，在第十种可能的实现方式中，若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理，包括：

将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

结合本发明第一方面的第七种可能的实现方式，在第十一种可能的实现方式中，若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理，包括：

根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

本发明实施例第二方面提供一种视频处理方法，包括：

获取待处理视频的视频帧；

对所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数；

根据每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别；

根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

在本发明第二方面实施例第一种可能的实现方式中，所述根据每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别，包括：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

结合本发明第二方面或第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述获得每个所述图像块的亮度参数和对比度参数，包括：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

结合本发明第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述待处理视频的视频帧的类型包括：低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧，其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

结合本发明第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理。

结合本发明第二方面的第三种可能的实现方式，在第五种可能的实现方式中，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

结合本发明第二方面的第三种可能的实现方式，在第六种可能的实现方式中，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的类别视频帧为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理。

结合本发明第二方面的第三种可能的实现方式，在第七种可能的实现方式中，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为良好视频帧，则不对所述待处理视频的视频帧作处理。

结合本发明第二方面的第四种可能的实现方式，在第七种可能的实现方式中，若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理，包括：

根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

结合本发明第二方面的第五种可能的实现方式，在第八种可能的实现方式中，若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理，包括：

将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

结合本发明第二方面的第六种可能的实现方式，在第九种可能的实现方式中，若所述待处理视频的视频帧的类别为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理，包括：

计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

结合本发明第二方面的第九种可能的实现方式，在第十种可能的实现方式中，所述计算大气光强，包括：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。

结合本发明第二方面的第十种可能的实现方式，在第十一种可能的实现方式中，所述根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，包括：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

本发明实施例第三方面提供一种图像处理装置，包括：

获取单元，用于获取待处理的图像；分块单元，用于对所述获取单元获取的所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数；

分类单元，用于根据所述分块单元获得的每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别；

处理单元，用于根据所述分类单元得到的所述待处理图像的类别对所述待处理图像进行处理。

在本发明第三方面实施例第一种可能的实现方式中，所述分类单元具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例得到所述待处理图像的类别。

结合第三方面或第三方面的第一种可能的实现方式，在第二种可能的实现方式中，所述分块单元具体用于：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

结合第三方面的第二种可能的实现方式，在第三种可能的实现方式中，所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

结合第三方面的第三种可能的实现方式，在第四种可能的实现方式中，所述处理单元具体用于：

若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理。

结合第三方面的第三种可能的实现方式，在第五种可能的实现方式中，所述处理单元具体用于：

若所述待处理图像的类别为对比度极低图像，则采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。

结合第三方面的第三种可能的实现方式，在第六种可能的实现方式中，所述处理单元具体用于：

若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

结合第三方面的第三种可能的实现方式，在第七种可能的实现方式中，所述处理单元具体用于：

若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

结合第三方面的第三种可能的实现方式，在第八种可能的实现方式中，所述处理单元具体用于：

若所述待处理图像的类别为良好图像，则不对所述待处理图像作处理。

结合第三方面的第四种可能的实现方式，在第九种可能的实现方式中，若所述待处理图像的类别为低照度图像，则所述处理单元具体用于：

根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

结合第三方面的第六种可能的实现方式，在第十种可能的实现方式中，若所述待处理图像的类别为浓雾图像，则所述处理单元具体用于：

将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

结合第三方面的第七种可能的实现方式，在第十一种可能的实现方式中，若所述待处理图像的类别为薄雾图像，则所述处理单元具体用于：

根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

本发明实施例第四方面提供一种视频处理装置，包括：

获取单元，用于获取待处理视频的视频帧；

分块单元，用于对所述获取单元获取的所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数；

分类单元，用于根据所述分块单元获得每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别；

处理单元，用于根据所述分类单元得到的所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

在本发明第四方面实施例第一种可能的实现方式中，所述分类单元具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

结合第四方面或第四方面的第一种可能的实现方式，在第二种可能的实现方式中，所述分块单元具体用于：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

结合第四方面的第二种可能的实现方式，在第三种可能的实现方式中，所述待处理视频的视频帧的类型包括：低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧，其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

结合第四方面的第三种可能的实现方式，在第四种可能的实现方式中，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理。

结合第四方面的第三种可能的实现方式，在第五种可能的实现方式中，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

结合第四方面的第三种可能的实现方式，在第六种可能的实现方式中，所述处理单元具体用于：

若所述待处理视频的类别视频帧为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理。

结合第四方面的第三种可能的实现方式，在第七种可能的实现方式中，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为良好视频帧，则不对所述待处理视频的视频帧作处理。

结合第四方面的第四种可能的实现方式，在第八种可能的实现方式中，若所述待处理视频的视频帧的类别为低照度视频帧，则所述处理单元具体用于：

根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

结合第四方面的第五种可能的实现方式，在第九种可能的实现方式中，若所述待处理视频的视频帧的类别为浓雾视频帧，则所述处理单元具体用于：

将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

结合第四方面的第六种可能的实现方式，在第十种可能的实现方式中，若所述待处理视频的视频帧为薄雾视频帧，则所述处理单元具体用于：

计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

结合第四方面的第十种可能的实现方式，在第十一种可能的实现方式中，所述处理单元计算大气光强，具体用于：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。

结合第四方面的第十一种可能的实现方式，在第十二种可能的实现方式中，所述处理单元根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，具体用于：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

实施本发明实施例，具有如下有益效果：

通过对图像或视频帧的分类，并对不同类型的图像或者视频帧进行最合适的去雾处理，从而避免了因处理方式固化且单一带来的去雾效果不佳的问题；在分类时精确到每个像素点参数的计算，分类的准确度高，为后续选择合适的去雾方法提供了基础；在进行去雾处理时，对现有的经典模型进行了改进，针对图像或视频帧的亮度分量进行处理而非原始图像或视频帧本身，提升了去雾的效果。

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简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明图像处理方法的第一实施例的流程示意图；

图2是本发明图像处理方法的第二实施例的流程示意图；

图3是本发明图像处理方法的第三实施例的流程示意图；

图4是本发明图像处理方法的第四实施例的流程示意图；

图5是本发明视频处理方法的第一实施例的流程示意图；

图6是本发明视频处理方法的第二实施例的流程示意图；

图7是本发明视频处理方法的第三实施例的流程示意图；

图8是本发明视频处理方法的第四实施例的流程示意图；

图9是本发明图像处理装置的第一实施例的组成示意图；

图10是本发明视频处理装置的第一实施例的组成示意图。

具体实施方式

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，所描述的实施例仅仅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。

请参照图1，为本发明图像处理方法的第一实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S101，获取待处理的图像。

一般地，所述待处理图像可以是各种图形和影像，包括所有具有视觉效果的画面，如纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的各种画面。

S102，对所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数。

将所述待处理图像进行分块处理，可是使得对所述待处理图像的分类结果更准确，最终使得去雾处理的效果更佳。

S103，根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别。

在本实施例中，所述待处理图像的类型可以包括但不限于低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像。

S104，根据所述待处理图像的类别对所述待处理图像进行处理。

通过对待处理图像的分类，可以实现对各种图像的细分，并根据分类的结果采取最合适的去雾方法对待处理图像进行处理，从而得到最佳的去雾效果。避免了因为对所有类型的图像采用固定统一的处理方式而带来的去雾效果差的问题。

请参照图2，为本发明图像处理方法的第二实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S201，获取待处理的图像。

一般地，所述待处理图像可以是各种图形和影像，包括所有具有视觉效果的画面，如纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的各种画面。

S202，对所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数。

将所述待处理图像进行分块处理，可是使得对所述待处理图像的分类结果更准确，最终使得去雾处理的效果更佳。

S203，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S204，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。需要说明的是，步骤S203及步骤S204并无严格的先后之分，两者可以分开进行也可以同时进行。

S205，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、对比度极低图像块、浓雾图像块、薄雾图像块及良好图像块。

S206，根据各类所述图像块所占的比例得到所述待处理图像的类别。

具体地，所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理图像归类为低照度图像。

S207，根据所述待处理图像的类别对所述待处理图像进行处理。

在本实施例中，给出了一种判断所述待处理图像类别的具体方法，通过与图像清晰度最紧密相关的亮度参数和对比度参数进行分析、对比，最后实现对所述待处理图像较为准确的分类，确保后续按照所述待处理图像的类别选择最佳处理方法进行处理，得到较佳的去雾效果。

请参照图3，为本发明图像处理方法的第三实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S301，获取待处理的图像。

一般地，所述待处理图像可以是各种图形和影像，包括所有具有视觉效果的画面，如纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的各种画面。

S302，对所述待处理图像进行分块得到至少两个的图像块。

将所述待处理图像进行分块处理，可是使得对所述待处理图像的分类结果更准确，最终使得去雾处理的效果更佳。

S303，统计每个所述图像块中每一个像素点RGB三通道的像素强度值。

S304，计算每一个所述像素点RGB三通道的像素强度值的均值与方差。

S305，在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。S306，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S307，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。

S308，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、对比度极低图像块、浓雾图像块、薄雾图像块及良好图像块。

S309，根据各类所述图像块所占的比例得到所述待处理图像的类别。

所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理图像归类为低照度图像。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\∑}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\μ}}_k\≤T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\∑}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\σ}}_k\≤\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25。

则当T=95，L>0.5时，可以将所述待处理图像归为低照度图像；

当Image_T1=20,C1>0.8时，可以将所述待处理图像归为对比度极低图像；

当Image_T2=25,C2>0.89时，可以将所述待处理图像归为浓雾图像；

当Image_T3=55,C3>0.89时，可以将所述待处理图像归为薄雾图像；

当所述待处理图像的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理图像归为良好图像。

S310，根据所述待处理图像的类别对所述待处理图像进行处理。

在本实施例中，给出了一种计算图像块的亮度参数及对比度参数的方法，采用这种方法进行计算，因为基于像素点及图像块的属性，因此计算结果精确，从而能对待处理图像进行准确的分类，为后续采用对应方法进行去雾处理提供了良好的基础。

图4是本发明图像处理方法的第四实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S401，获取待处理的图像。

一般地，所述待处理图像可以是各种图形和影像，包括所有具有视觉效果的画面，如纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的各种画面。

S402，对所述待处理图像进行分块得到至少两个的图像块。

将所述待处理图像进行分块处理，可是使得对所述待处理图像的分类结果更准确，最终使得去雾处理的效果更佳。

S403，统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

S404，计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

S405，在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。

S406，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S407，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。

S408，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、对比度极低图像块、浓雾图像块、薄雾图像块及良好图像块。

S409，根据各类所述图像块所占的比例得到所述待处理图像的类别。

所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理图像归类为低照度图像。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\∑}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\μ}}_k\≤T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\overset{B}{\∑}}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\σ}}_k\≤\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25。

则当T=95，L>0.5时，可以将所述待处理图像归为低照度图像；

当Image_T1=20,C1>0.8时，可以将所述待处理图像归为对比度极低图像；

当Image_T2=25,C2>0.89时，可以将所述待处理图像归为浓雾图像；

当Image_T3=55,C3>0.89时，可以将所述待处理图像归为薄雾图像；

当所述待处理图像的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理图像归为良好图像。

S410，根据所述待处理图像的类别对所述待处理图像进行处理。若所述待处理图像的类别为低照度图像，则执行步骤S411；若所述待处理图像的类别为对比度极低图像，则执行步骤S412；若所述待处理图像的类别为浓雾图像，则执行步骤S413；若所述待处理图像的类别为薄雾图像，则执行步骤S414；若所述待处理图像的类别为良好图像，则执行步骤S415。

S411，采用带颜色校正的Retinex方法对所述待处理图像进行去雾处理。

具体地，该方法可以包括：根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

更具体地，可以通过如下公式计算所述待处理图像的反射分量：

$R_{\mathrm{MSR}}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ω}}_n\{\log I(x,y)-\log [F_n(x,y)*Y(x,y)\left]\right\}$

其中，R_MSR为所述待处理图像的反射分量，i为通道索引，n为高斯和函数尺度索引，I(x,y)表示所述待处理图像在（x，y）位置的强度值，N表示高斯核函数的数量，F_n(x,y)表示N个不同权重的高斯核函数，ω_n为其对应的权重，Y(x,y)为所述待处理图像在YUV颜色空间中的亮度分量；

通过如下公式为所述待处理图像的反射分量加入颜色校正：

$R_{\mathrm{MSRCRi}}(x,y)=C_i(x,y)R_{\mathrm{MSRi}}(x,y)$

其中， $C_i(x,y)=\mathrm{\β}\log [\mathrm{\α}{I}_i(x,y)/\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{I}_i(x,y)],$ R_MSRi(x，y)为所述待处理图像未加入颜色校正前的反射分量，R_MSRCRi(x,y)为所述待处理图像加入颜色校正后的反射分量，i为通道索引，C_i(x,y)为颜色恢复方程，I_i(x,y)为所述待处理图像第i个颜色通道在(x，y)位置的强度值，α和β为预设调节系数，α为了使数值范围在0-255之间，β为了调节颜色强度，大部分情况取1。

将转换到YUV颜色空间中待处理图像的亮度分量Y与高斯核函数做卷积就得到了近似的图像照度分量，从原始图像中去除照度分量就得到反射分量，为提高准确性，将原始图像的亮度分量分别与N个不同尺度的高斯核函数卷积，重复上述过程后将得到的反射分量加权求和。

对于低照度图像，由于颜色保真的一些限制使得图像亮度提高受限制，而此种情况下亮度提高是首要任务，对于此类图像使用图像恢复的方法去雾后的效果往往不如原图效果，因此采用带颜色校正的Retinex方法对所述待处理图像进行处理能大幅提高待处理图像的亮度，获得较佳的去雾效果。

S412，采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。

具体地，此类图像的低对比度往往不仅仅是因为雾等降质天气的影响，对此类图像进行基于雾天大气散射模型以及暗通道先验的去雾方法后的结果图像对比度仍旧很低，而自适应方法将该类图像进行基于图像增强的方法，并将结果图再进行直方图拉伸强制增强其对比度能取得最佳的去雾效果。

S413，采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

具体地，该方法可以包括：将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

更具体地，根据大气散射模型，雾化图像的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)是拍摄到的图像强度；J(x)为目的无雾图像；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

将I(x)转化到YUV颜色空间，对其中得到的Y分量及量即亮度进行上述的Retinex过程得到照度分量估计L(x)，结合上式可得：

$\frac{I\left(x\right)}{L\left(x\right)}=\frac{J\left(x\right)t\left(x\right)}{L\left(x\right)}+\frac{A(1-t\left(x\right))}{L\left(x\right)}$

再令：A(x)=A(1-t(x)),其中A(x)为大气光分量，其值近似取待处理图像中最亮区域像素点三通道的最大值平均。

将A(x)的近似为YUV颜色空间中的Y分量：

A(x)＝0.257I_R(x)+0.507I_G(x)+0.098I_B(x)

其中，I_R(x)、I_G(x)、I_B(x)为拍摄到的图像分别在RGB三通道的图像强度，进行双边滤波得到细化后的A(x)，根据A(x)=A(1-t(x))即可求得衰减项t(x)：

$t\left(x\right)=1-\frac{A\left(x\right)}{A}$

从而得到最终的目的无雾图像

$\tilde{J}\left(x\right)=\frac{J\left(x\right)}{L\left(x\right)}=(\frac{I\left(x\right)}{L\left(x\right)}-\frac{A(1-t\left(x\right))}{L\left(x\right)})t\left(x\right)$

此类图像对比度和亮度偏低，对于此类图像进行基于暗通道先验的去雾方法后的结果图像对亮度仍旧很低，而自适应方法将该类图像对比度提高同时也加大了亮度。

S414，采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

具体地，该方法可以包括：根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

更具体地，根据大气散射模型，雾化图像的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

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

其中，I(x)是拍摄到的图像强度；J(x)为目的无雾图像；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。i为颜色通道索引且i=1,2,3，Ω(x)为以像素x为中心的图像块，y为取该块中的一个像素。Iⁱ(y)表示y像素在i颜色通道中的图像强度，Jⁱ(y)表示y像素在i颜色通道中的目的无雾图像，根据暗通道先验模型，无雾条件下图像的暗通道的J^dark(x)值应该趋近于0：

$J^{\mathrm{dark}}\left(x\right)=\underset{i}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)\→0$

由于大气光强A通常大于0，所以：

$\frac{\underset{i}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)}{A}\→0$

综合上述公式可得到所述待处理图像的透射率

即大气传播矩阵的粗略估计：

$\tilde{t}\left(x\right)=1-\frac{\underset{c\∈\{R,G,B\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}$

对其加入修正项，以减少失真：

$\tilde{t}\left(x\right)=\left\{\begin{array}{c}1-\frac{\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}+\mathrm{\α}\frac{R_0-R\left(x\right)}{R_0},R\left(x\right)\≤R_0\\ 1-\frac{\mathrm{\ω}\underset{c\∈\{R,G,B\}}{\min }\left(\underset{y\∈\mathrm{\Ω}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A},\mathrm{else}\end{array}\right.$

其中，ω及α分别为暗通道估计权重和容差权重，为可调节参数，R₀为容差界，A为大气光强，c为RGB三通道之一，可理解为c通道，c=R、G、B中的一个。I^c(y)表示y像素在c通道的图像强度，R(x)为所述待处理图像与大气光接近的程度，从而判断出所述待处理图像的明亮区域，其表达式为：

$R\left(x\right)=\underset{c\∈\{R,G,B\}}{\mathrm{\Σ}}\mathrm{abs}(I^c\left(x\right)-A^c)$

其中，abs()为取绝对值函数，I^c(x)为x像素位置在c通道（RGB三通道之一）的图像强度，A^c为c通道（RGB三通道之一）的大气光强。

对所述待处理图像的透射率

进行平滑滤波或者软抠图从而优化视觉效果得到t(x)，最终得到目的无雾图像J^c(x)的公式为：

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

其中，透射率下限t0用于防止噪声被过度放大，J^c(x)为x像素位置在c通道的目的无雾图像，I^c(x)为x像素位置在c通道的图像强度，A^c为c通道的大气光强，t(x)是衰减项。

当待处理图像被判断为薄雾图像时，该种情况认为待处理图像的雾或者霾均匀分布在环境中，并认为待处理图像本身对比度不是很差，使用考虑其形成过程的大气散射模型并加入暗原色先验的雾天图像恢复方法，该方法的处理结果更接近自然。

S415，不对所述待处理图像作去雾处理。

在本实施例中，给出了针对不同类型待处理图像的最优去雾处理方法，这些方法经过详细计算及实践校验，确保了对各种类型图像的最优处理，从而得到最佳的去雾效果。

请参照图5，为本发明视频处理方法的第一实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S501，获取待处理视频的视频帧。

S502，对所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数。

将所述待处理视频的视频帧进行分块处理，可是使得对所述待处理视频的视频帧的分类结果更准确，最终使得去雾处理的效果更佳。

S503，根据每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别。

具体地，所述待处理视频的视频帧的类别可包括低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧。

S504，根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

通过对待处理视频的视频帧的分类，可以实现对各种视频帧的细分，并根据分类的结果采取最合适的去雾方法对待处理视频的视频帧进行处理，从而得到最佳的去雾效果。避免了因为对所有类型的视频帧采用固定统一的处理方式而带来的去雾效果差的问题。

请参照图6，为本发明视频处理方法的第二实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S601，获取待处理视频的视频帧。

S602，对所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数。

将所述待处理视频的视频帧进行分块处理，可是使得对所述待处理视频的视频帧的分类结果更准确，最终使得去雾处理的效果更佳。

S603，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S604，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。

S605，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、浓雾图像块、薄雾图像块及良好图像块。

S606，根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

具体地，所述待处理视频的视频帧的类别可包括低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧。如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理视频的视频帧归类为低照度视频帧。

S607，根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

在本实施例中，给出了一种判断所述待处理视频的视频帧的类别的具体方法，通过与视频帧清晰度最紧密相关的亮度参数和对比度参数进行分析、对比，最后实现对所述待处理视频的视频帧较为准确的分类，确保后续按照所述待处理视频的视频帧的类别选择最佳处理方法进行处理，得到较佳的去雾效果。

请参照图7，为本发明视频处理方法的第三实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S701，获取待处理视频的视频帧。

S702，对所述待处理视频的视频帧进行分块得到至少两个的图像块。

将所述待处理视频的视频帧进行分块处理，可是使得对所述待处理视频的视频帧的分类结果更准确，最终使得去雾处理的效果更佳。

S703，统计每个所述图像块中每一个像素点RGB三通道的像素强度值。

S704，计算每一个所述像素点RGB三通道的像素强度值的均值与方差。

S705，在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。

此外，全局亮度参数则可以根据整个视频帧所有像素点三通道的均值最大值得出。

S706，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S707，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。

S708，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、浓雾图像块、薄雾图像块及良好图像块。

S709，根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

具体地，所述待处理视频的视频帧的类别可包括低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧。其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理视频的视频帧归类为低照度视频帧。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\mathrm{\Σ}}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\μ}}_k\≤T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\overset{B}{\∑}}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\σ}}_k\≤\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25，第一全局亮度阈值M1=30，第二全局亮度阈值M2=60。

则当T=95，L>0.5时，可以将待处理视频的视频帧归为低照度视频；

当Image_T2=25，C2>0.89，M1<30时，可以将所述待处理视频的视频帧归为浓雾视频；

当Image_T3=55，C3>0.89，M2<60时，可以将所述待处理视频的视频帧归为薄雾视频；

当所述待处理视频的视频帧的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理视频的视频帧归为良好视频。

相对于图像的处理，针对视频的处理取消了对比度极低视频的分类，以防止过度消耗去雾时间，同时避免由于颜色失真带来的闪烁。

S710，根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

在本实施例中，给出了一种计算图像块的亮度参数及对比度参数的方法，采用这种方法进行计算，因为基于像素点及图像块的属性，因此计算结果精确，从而能对待处理视频的视频帧进行准确的分类，为后续采用对应方法进行去雾处理提供了良好的基础。

图8是本发明视频处理方法的第四实施例的流程示意图；在本实施例中，所述方法包括以下步骤：

S801，获取待处理视频的视频帧。

S802，对所述待处理视频的视频帧进行分块得到至少两个的图像块。

将所述待处理视频的视频帧进行分块处理，可是使得对所述待处理视频的视频帧的分类结果更准确，最终使得去雾处理的效果更佳。

S803，统计每个所述图像块中每一个像素点RGB三通道的像素强度值。

S804，计算每一个所述像素点RGB三通道的像素强度值的均值与方差。

S805，在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。

此外，全局亮度参数则可以根据整个视频帧所有像素点三通道的均值最大值得出。

S806，将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果。

S807，将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果。

S808，根据所述亮度对比结果或对比度对比结果将所述图像块分类。

一般地，根据与预设的亮度阈值或对比度阈值对比之后可以将所述图像块分为低照度图像块、浓雾图像块、薄雾图像块及良好图像块。

S809，根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

具体地，所述待处理视频的视频帧的类别可包括低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧。其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

如低照度图像块占所有图像块的比例超过一半时，则可以将所述待处理视频的视频帧归类为低照度视频帧。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\&mu;}}_k\&le;T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\&sigma;}}_k\&le;\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25，第一全局亮度阈值M1=30，第二全局亮度阈值M2=60。

则当T=95，L>0.5时，可以将待处理视频的视频帧归为低照度视频；

当Image_T2=25，C2>0.89，M1<30时，可以将所述待处理视频的视频帧归为浓雾视频；

当Image_T3=55，C3>0.89，M2<60时，可以将所述待处理视频的视频帧归为薄雾视频；

当所述待处理视频的视频帧的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理视频的视频帧归为良好视频。

相对于图像的处理，针对视频的处理取消了对比度极低视频的分类，以防止过度消耗去雾时间，同时避免由于颜色失真带来的闪烁。

S810，根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。若所述待处理视频的视频帧的类别为低照度视频帧，则执行步骤S811；若所述待处理视频的视频帧的类别为浓雾视频帧，则执行步骤S812；若所述待处理视频的视频帧的类别为薄雾视频帧，则执行步骤S813；若所述待处理视频的视频帧的类别为良好视频帧，则执行步骤S814。

S811，采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行去雾处理；

具体地，该方法可以包括：根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

更具体地，可以通过如下公式计算所述待处理视频的视频帧的反射分量：

$R_{\mathrm{MSR}}=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_n\{\log I(x,y)-\log [F_n(x,y)*Y(x,y)\left]\right\}$

其中，R_MSR为所述待处理视频的视频帧的反射分量，i为通道索引，n为高斯和函数尺度索引，I(x,y)表示所述待处理视频的视频帧在（x，y）位置的强度值，N表示高斯核函数的数量，F_n(x,y)表示N个不同权重的高斯核函数，ω_n为其对应的权重，Y(x,y)为所述待处理视频的视频帧在YUV颜色空间中的亮度分量；

通过如下公式为所述待处理视频的视频帧的反射分量加入颜色校正：

$R_{\mathrm{MSRCRi}}(x,y)=C_i(x,y)R_{\mathrm{MSRi}}(x,y)$

其中， $C_i(x,y)=\mathrm{\&beta;}\log [\mathrm{\&alpha;}{I}_i(x,y)/\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{I}_i(x,y)],$ R_MSRi(x,y)为所述待处理视频的视频帧未加入颜色校正前的反射分量，R_MSRCRi(x,y)为所述待处理视频的视频帧加入颜色校正后的反射分量，i为通道索引，C_i(x,y)为颜色恢复方程，I_i(x,y)为所述待处理视频的视频帧第i个颜色通道在(x，y)位置的强度值，α和β为预设调节系数，α为了使数值范围在0-255之间，β为了调节颜色强度，大部分情况取1。

将转换到YUV颜色空间中所述待处理视频的视频帧的亮度分量Y与高斯核函数做卷积就得到了近似的视频帧照度分量，从原始视频帧中去除照度分量就得到反射分量，为提高准确性，将原始视频帧的亮度分量分别与N个不同尺度的高斯核函数卷积，重复上述过程后将得到的反射分量加权求和。

对于低照度视频帧，由于颜色保真的一些限制使得视频帧亮度提高受限制，而此种情况下亮度提高是首要任务，对于此类视频帧使用图像恢复的方法去雾后的效果往往不如原图效果，因此采用带颜色校正的Retinex方法对此类视频帧进行处理能大幅提高此类视频帧的亮度，获得较佳的去雾效果。

S812，采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理；

具体地，该方法可以包括：将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

更具体地，根据大气散射模型，雾化视频帧的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)是拍摄到的视频帧强度；J(x)为目的无雾视频帧；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

将I(x)转化到YUV颜色空间，对其中得到的Y分量及量即亮度进行上述的Retinex过程得到照度分量估计L(x)，结合上式可得：

$\frac{I\left(x\right)}{L\left(x\right)}=\frac{J\left(x\right)t\left(x\right)}{L\left(x\right)}+\frac{A(1-t\left(x\right))}{L\left(x\right)}$

再令：A(x)=A(1-t(x)),其中A(x)为大气光分量，其值近似取待处理视频帧中最亮区域像素点三通道的最大值平均。

将A(x)的近似为YUV颜色空间中的Y分量：

A(x)＝0.257I_R(x)+0.507I_G(x)+0.098I_B(x)

其中，I_R(x)、I_G(x)、I_B(x)为拍摄到的视频帧分别在RGB三通道的图像强度，进行双边滤波得到细化后的A(x)，根据A(x)=A(1-t(x))即可求得衰减项t(x)：

$t\left(x\right)=1-\frac{A\left(x\right)}{A}$

从而得到最终的目的无雾视频帧

$\tilde{J}\left(x\right)=\frac{J\left(x\right)}{L\left(x\right)}=(\frac{I\left(x\right)}{L\left(x\right)}-\frac{A(1-t\left(x\right))}{L\left(x\right)})t\left(x\right)$

此类视频帧对比度和亮度偏低，对于此类视频帧进行基于暗通道先验的去雾方法后的结果视频帧对亮度仍旧很低，而自适应方法将此类视频帧对比度提高同时也加大了亮度。

S813，采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理；

具体地，该方法可以包括：计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

更具体地，根据大气散射模型，雾化视频帧的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{I}^i\left(y\right)\right)}{A}=t\left(x\right)\frac{\underset{i}{\min }\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{j}^i\left(y\right)}{A}+(1-t\left(x\right))$

其中，I(x)是拍摄到的视频帧强度；J(x)为目的无雾视频帧；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

i为颜色通道索引且i=1,2,3，Ω(x)为以像素x为中心的图像块，y为取该块中的一个像素。Iⁱ(y)表示y像素在i颜色通道中的视频帧强度，Jⁱ(y)表示y像素在i颜色通道中的目的无雾视频帧，根据暗通道先验模型，无雾条件下视频帧的暗通道的J^dark(x)值应该趋近于0：

$J^{\mathrm{dark}}\left(x\right)=\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\left(J^i\left(y\right)\right)\right)\&RightArrow;0$

由于大气光强A通常大于0，所以：

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)}{A}\&RightArrow;0$

综合上述公式可得到所述待处理视频的视频帧的透射率

即大气传播矩阵的粗略估计：

$\tilde{t}\left(x\right)=1-\frac{\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}$

对其加入修正项，以减少失真：

$\tilde{t}\left(x\right)=\left\{\begin{array}{c}1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}+\mathrm{\&alpha;}\frac{R_0-R\left(x\right)}{R_0},R\left(x\right)\&le;R_0\\ 1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A},\mathrm{else}\end{array}\right.$

其中，ω及α分别为暗通道估计权重和容差权重，为可调节参数，R₀为容差界，A为大气光强，c为RGB三通道之一，可理解为c通道，c=R、G、B中的一个。I^c(y)表示y像素在c通道的视频帧强度，R(x)为所述待处理图像与大气光接近的程度，从而判断出所述待处理图像的明亮区域，其表达式为：

$R\left(x\right)=\underset{c\&Element;\{R,G,B\}}{\mathrm{\&Sigma;}}\mathrm{abs}(I^c\left(x\right)-A^c)$

其中，abs()为取绝对值函数，I^c(x)为x像素位置在c通道（RGB三通道之一）的视频帧强度，A^c为c通道（RGB三通道之一）的大气光强。

对所述待处理视频的视频帧的透射率

进行平滑滤波或者软抠图从而优化视觉效果得到t(x)，最终得到目的无雾视频帧J^c(x)的公式为：

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

其中，透射率下限t0用于防止噪声被过度放大，J^c(x)为x像素位置在c通道的目的无雾视频帧，I^c(x)为x像素位置在c通道的视频帧强度，A^c为c通道的大气光强，t(x)是衰减项。

当待处理视频帧被判断为薄雾视频帧时，该种情况认为待处理视频帧的雾或者霾均匀分布在环境中，并认为待处理视频帧本身对比度不是很差，使用考虑其形成过程的大气散射模型并加入暗原色先验的雾天视频帧恢复方法，该方法的处理结果更接近自然。

优选地，计算大气光强可包括：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。

这样，应用了视频帧间的光强具有的相关性，从而避免了去雾后视频的闪烁。

更优选地，所述根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，包括：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

这样就实现了对视频帧间的光强做了平滑滤波处理，防止了因连续视频帧之间因光强不连续引起的视频闪烁。

S814，不对所述待处理视频的视频帧作去雾处理。

在本实施例中，给出了针对不同类型待处理视频的视频帧的最优去雾处理方法，这些方法经过详细计算及实践校验，确保了对各种类型视频帧的最优处理，从而得到最佳的去雾效果。

请参照图9，为本发明图像处理装置的第一实施例的组成示意图；在本实施例中，所述装置包括：获取单元100、分块单元200、分类单元300、处理单元400。

所述获取单元100用于获取待处理的图像。

所述分块单元200用于对所述获取单元100获取的所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数。

所述分类单元300用于根据所述分块单元200获得的每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别。

所述处理单元400用于根据所述分类单元300得到的所述待处理图像的类别对所述待处理图像进行处理。

所述分类单元300具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例得到所述待处理图像的类别。

所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\&mu;}}_k\&le;T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\&sigma;}}_k\&le;\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25。

则当T=95，L>0.5时，可以将所述待处理图像归为低照度图像；

当Image_T1=20,C1>0.8时，可以将所述待处理图像归为对比度极低图像；

当Image_T2=25,C2>0.89时，可以将所述待处理图像归为浓雾图像；

当Image_T3=55,C3>0.89时，可以将所述待处理图像归为薄雾图像；

当所述待处理图像的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理图像归为良好图像。

所述分块单元200具体用于：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。

所述处理单元400具体用于：

若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理。

若所述待处理图像的类别为对比度极低图像，则采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。具体地，此类图像的低对比度往往不仅仅是因为雾等降质天气的影响，对此类图像进行基于雾天大气散射模型以及暗通道先验的去雾方法后的结果图像对比度仍旧很低，而自适应方法将该类图像进行基于图像增强的方法，并将结果图再进行直方图拉伸强制增强其对比度能取得最佳的去雾效果。

若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

若所述待处理图像的类别为良好图像，则不对所述待处理图像作处理。

具体地，若所述待处理图像的类别为低照度图像，则所述处理单元400具体用于：

根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

更具体地，可以通过如下公式计算所述待处理图像的反射分量：

$R_{\mathrm{MSR}}=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_n\{\log I(x,y)-\log [F_n(x,y)*Y(x,y)\left]\right\}$

其中，R_MSR为所述待处理图像的反射分量，i为通道索引，n为高斯和函数尺度索引，I(x,y)表示所述待处理图像在（x，y）位置的强度值，N表示高斯核函数的数量，F_n(x,y)表示N个不同权重的高斯核函数，ω_n为其对应的权重，Y(x,y)为所述待处理图像在YUV颜色空间中的亮度分量；

通过如下公式为所述待处理图像的反射分量加入颜色校正：

$R_{\mathrm{MSRCRi}}(x,y)=C_i(x,y)R_{\mathrm{MSRi}}(x,y)$

其中， $C_i(x,y)=\mathrm{\&beta;}\log [\mathrm{\&alpha;}{I}_i(x,y)/\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{I}_i(x,y)],$ R_MSRi(x,y)为所述待处理图像未加入颜色校正前的反射分量，R_MSRCRi(x,y)为所述待处理图像加入颜色校正后的反射分量，i为通道索引，C_i(x,y)为颜色恢复方程，I_i(x,y)为所述待处理图像第i个颜色通道在(x，y)位置的强度值，α和β为预设调节系数，α为了使数值范围在0-255之间，β为了调节颜色强度，大部分情况取1。

将转换到YUV颜色空间中待处理图像的亮度分量Y与高斯核函数做卷积就得到了近似的图像照度分量，从原始图像中去除照度分量就得到反射分量，为提高准确性，将原始图像的亮度分量分别与N个不同尺度的高斯核函数卷积，重复上述过程后将得到的反射分量加权求和。

对于低照度图像，由于颜色保真的一些限制使得图像亮度提高受限制，而此种情况下亮度提高是首要任务，对于此类图像使用图像恢复的方法去雾后的效果往往不如原图效果，因此采用带颜色校正的Retinex方法对所述待处理图像进行处理能大幅提高待处理图像的亮度，获得较佳的去雾效果。

若所述待处理图像的类别为浓雾图像，则所述处理单元400具体用于：

将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

更具体地，根据大气散射模型，雾化图像的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)是拍摄到的图像强度；J(x)为目的无雾图像；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

将I(x)转化到YUV颜色空间，对其中得到的Y分量及量即亮度进行上述的Retinex过程得到照度分量估计L(x)，结合上式可得：

$\frac{I\left(x\right)}{L\left(x\right)}=\frac{J\left(x\right)t\left(x\right)}{L\left(x\right)}+\frac{A(1-t\left(x\right))}{L\left(x\right)}$

再令：A(x)=A(1-t(x)),其中A(x)为大气光分量，其值近似取待处理图像中最亮区域像素点三通道的最大值平均。

将A(x)的近似为YUV颜色空间中的Y分量：

A(x)＝0.257I_R(x)+0.507I_G(x)+0.098I_B(x)

其中，I_R(x)、I_G(x)、I_B(x)为拍摄到的图像分别在RGB三通道的图像强度，进行双边滤波得到细化后的A(x)，根据A(x)=A(1-t(x))即可求得衰减项t(x)：

$t\left(x\right)=1-\frac{A\left(x\right)}{A}$

从而得到最终的目的无雾图像

$\tilde{J}\left(x\right)=\frac{J\left(x\right)}{L\left(x\right)}=(\frac{I\left(x\right)}{L\left(x\right)}-\frac{A(1-t\left(x\right))}{L\left(x\right)})t\left(x\right)$

此类图像对比度和亮度偏低，对于此类图像进行基于暗通道先验的去雾方法后的结果图像对亮度仍旧很低，而自适应方法将该类图像对比度提高同时也加大了亮度。

若所述待处理图像的类别为薄雾图像，则所述处理单元具体用于：

根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

更具体地，根据大气散射模型，雾化图像的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{I}^i\left(y\right)\right)}{A}=t\left(x\right)\frac{\underset{i}{\min }\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{J}^i\left(y\right)}{A}+(1-t\left(x\right))$

其中，I(x)是拍摄到的图像强度；J(x)为目的无雾图像；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。i为颜色通道索引且i=1,2,3，Ω(x)为以像素x为中心的图像块，y为取该块中的一个像素。Iⁱ(y)表示y像素在i颜色通道中的图像强度，Jⁱ(y)表示y像素在i颜色通道中的目的无雾图像，根据暗通道先验模型，无雾条件下图像的暗通道的J^dark(x)值应该趋近于0：

$J^{\mathrm{dark}}\left(x\right)=\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)\&RightArrow;0$

由于大气光强A通常大于0，所以：

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)}{A}\&RightArrow;0$

综合上述公式可得到所述待处理图像的透射率

即大气传播矩阵的粗略估计：

$\tilde{t}\left(x\right)=1-\frac{\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}$

对其加入修正项，以减少失真：

$\tilde{t}\left(x\right)=\left\{\begin{array}{c}1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}+\mathrm{\&alpha;}\frac{R_0-R\left(x\right)}{R_0},R\left(x\right)\&le;R_0\\ 1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A},\mathrm{else}\end{array}\right.$

其中，ω及α分别为暗通道估计权重和容差权重，为可调节参数，R₀为容差界，A为大气光强，c为RGB三通道之一，可理解为c通道，c=R、G、B中的一个。I^c(y)表示y像素在c通道的图像强度，R(x)为所述待处理图像与大气光接近的程度，从而判断出所述待处理图像的明亮区域，其表达式为：

$R\left(x\right)=\underset{c\&Element;\{R,G,B\}}{\mathrm{\&Sigma;}}\mathrm{abs}(I^c\left(x\right)-A^c)$

其中，abs()为取绝对值函数，I^c(x)为x像素位置在c通道（RGB三通道之一）的图像强度，A^c为c通道（RGB三通道之一）的大气光强。

对所述待处理图像的透射率

进行平滑滤波或者软抠图从而优化视觉效果得到t(x)，最终得到目的无雾图像J^c(x)的公式为：

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

其中，透射率下限t0用于防止噪声被过度放大，J^c(x)为x像素位置在c通道的目的无雾图像，I^c(x)为x像素位置在c通道的图像强度，A^c为c通道的大气光强，t(x)是衰减项。

当待处理图像被判断为薄雾图像时，该种情况认为待处理图像的雾或者霾均匀分布在环境中，并认为待处理图像本身对比度不是很差，使用考虑其形成过程的大气散射模型并加入暗原色先验的雾天图像恢复方法，该方法的处理结果更接近自然。

请参照图10，为本发明视频处理装置的第一实施例的组成示意图。在本实施例中，所述装置包括：获取单元500、分块单元600、分类单元700、处理单元800。

所述获取单元500用于获取待处理视频的视频帧。

所述分块单元600用于对所述获取单元100获取的所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数；

所述分类单元700用于根据所述分块单元200获得每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别。

所述处理单元800用于根据所述分类单元得到的所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

所述分类单元700具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

所述待处理视频的视频帧的类型包括：低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧，其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

具体地，各类图像块的比例可通过如下公式计算：

$L=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{l}_k}{B}$ $l_k=\left\{\begin{array}{cc}1,& {\mathrm{\&mu;}}_k\&le;T\\ 0& \mathrm{else}\end{array}\right.$

$C_m=\frac{\underset{k=1}{\overset{B}{\&Sum;}}{c}_k}{B}$ $c_k=\left\{\begin{array}{cc}1,& {\mathrm{\&sigma;}}_k\&le;\mathrm{Image}\_T_m\\ 0& \mathrm{else}\end{array}\right.$

其中，T为亮度阈值，Image_T_m为对比度阈值，L、C_m为相应阈值下的图像块比例，B为图像块的个数，l_k用于表示第K个图像块的亮度参数是否小于亮度阈值T，若小于则其值为1，否则其值为0，c_k用于表示第K个图像块的对比度参数是否小于对比度阈值Image_T_m，若小于则c_k为1，否则c_k为0。

举例来说，可以预先设置一组阈值，如令T=95，Image_T1=20，Image_T2=25，第一全局亮度阈值M1=30，第二全局亮度阈值M2=60。

则当T=95，L>0.5时，可以将待处理视频的视频帧归为低照度视频；

当Image_T2=25，C2>0.89，M1<30时，可以将所述待处理视频的视频帧归为浓雾视频；

当Image_T3=55，C3>0.89，M2<60时，可以将所述待处理视频的视频帧归为薄雾视频；

当所述待处理视频的视频帧的亮度参数及对比度参数不满足上述任一条件时，可以将所述待处理视频的视频帧归为良好视频。

相对于图像的处理，针对视频的处理取消了对比度极低视频的分类，以防止过度消耗去雾时间，同时避免由于颜色失真带来的闪烁。

所述分块单元200具体用于：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

具体地，对于由M×N个像素组成的待处理图像，可以分成B=T×S个图像块，对RGB三通道分别进行处理，

通过如下公式计算亮度参数和对比度参数：

μ_k＝max_i(μ_i)

σ_k＝max_i(σ_i)

其中，μ表示均值,σ表示方差，k为图像块索引，i为通道索引且i=1,2,3。

此外，全局亮度参数则可以根据整个视频帧所有像素点三通道的均值最大值得出。

所述处理单元800具体用于：

若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理。

若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

若所述待处理视频的类别视频帧为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理。

若所述待处理视频的视频帧的类别为良好视频帧，则不对所述待处理视频的视频帧作处理。

具体地，若所述待处理视频的视频帧的类别为低照度视频帧，则所述处理单元800具体用于：

根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

更具体地，可以通过如下公式计算所述待处理视频的视频帧的反射分量：

$R_{\mathrm{MSR}}=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_n\{\log I(x,y)-\log [F_n(x,y)*Y(x,y)\left]\right\}$

其中，R_MSR为所述待处理视频的视频帧的反射分量，i为通道索引，n为高斯和函数尺度索引，I(x,y)表示所述待处理视频的视频帧在（x，y）位置的强度值，N表示高斯核函数的数量，F_n(x,y)表示N个不同权重的高斯核函数，ω_n为其对应的权重，Y(x,y)为所述待处理视频的视频帧在YUV颜色空间中的亮度分量；

通过如下公式为所述待处理视频的视频帧的反射分量加入颜色校正：

R_MSRCRi(x,y)＝C_i(x,y)R_MSRi(x,y)

其中， $C_i(x,y)=\mathrm{\&beta;}\log [\mathrm{\&alpha;}{I}_i(x,y)/\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{I}_i(x,y)],$ R_MSRi(x,y)为所述待处理视频的视频帧未加入颜色校正前的反射分量，R_MSRCRi(x,y)为所述待处理视频的视频帧加入颜色校正后的反射分量，i为通道索引，C_i(x,y)为颜色恢复方程，I_i(x,y)为所述待处理视频的视频帧第i个颜色通道在(x，y)位置的强度值，α和β为预设调节系数，α为了使数值范围在0-255之间，β为了调节颜色强度，大部分情况取1。

将转换到YUV颜色空间中所述待处理视频的视频帧的亮度分量Y与高斯核函数做卷积就得到了近似的视频帧照度分量，从原始视频帧中去除照度分量就得到反射分量，为提高准确性，将原始视频帧的亮度分量分别与N个不同尺度的高斯核函数卷积，重复上述过程后将得到的反射分量加权求和。

对于低照度视频帧，由于颜色保真的一些限制使得视频帧亮度提高受限制，而此种情况下亮度提高是首要任务，对于此类视频帧使用图像恢复的方法去雾后的效果往往不如原图效果，因此采用带颜色校正的Retinex方法对此类视频帧进行处理能大幅提高此类视频帧的亮度，获得较佳的去雾效果。

若所述待处理视频的视频帧的类别为浓雾视频帧，则所述处理单元800具体用于：

将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

更具体地，根据大气散射模型，雾化视频帧的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

其中，I(x)是拍摄到的视频帧强度；J(x)为目的无雾视频帧；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

将I(x)转化到YUV颜色空间，对其中得到的Y分量及量即亮度进行上述的Retinex过程得到照度分量估计L(x)，结合上式可得：

$\frac{I\left(x\right)}{L\left(x\right)}=\frac{J\left(x\right)t\left(x\right)}{L\left(x\right)}+\frac{A(1-t\left(x\right))}{L\left(x\right)}$

再令：A(x)=A(1-t(x)),其中A(x)为大气光分量，其值近似取待处理视频帧中最亮区域像素点三通道的最大值平均。

将A(x)的近似为YUV颜色空间中的Y分量：

A(x)＝0.257I_R(x)+0.507I_G(x)+0.098I_B(x)

其中，I_R(x)、I_G(x)、I_B(x)为拍摄到的视频帧分别在RGB三通道的图像强度，进行双边滤波得到细化后的A(x)，根据A(x)=A(1-t(x))即可求得衰减项t(x)：

$t\left(x\right)=1-\frac{A\left(x\right)}{A}$

从而得到最终的目的无雾视频帧

$\tilde{J}\left(x\right)=\frac{J\left(x\right)}{L\left(x\right)}=(\frac{I\left(x\right)}{L\left(x\right)}-\frac{A(1-t\left(x\right))}{L\left(x\right)})t\left(x\right)$

此类视频帧对比度和亮度偏低，对于此类视频帧进行基于暗通道先验的去雾方法后的结果视频帧对亮度仍旧很低，而自适应方法将此类视频帧对比度提高同时也加大了亮度。

若所述待处理视频的视频帧为薄雾视频帧，则所述处理单元800具体用于：

计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

更具体地，根据大气散射模型，雾化视频帧的退化过程可以表示为：

I(x)＝J(x)t(x)+A(1-t(x))

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{I}^i\left(y\right)\right)}{A}=t\left(x\right)\frac{\underset{i}{\min }\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }{J}^i\left(y\right)}{A}+(1-t\left(x\right))$

其中，I(x)是拍摄到的视频帧强度；J(x)为目的无雾视频帧；t(x)是衰减项，表示光线通过大气的透射率；A是大气光强，x表示像素位置。

i为颜色通道索引且i=1,2,3，Ω(x)为以像素x为中心的图像块，y为取该块中的一个像素。Iⁱ(y)表示y像素在i颜色通道中的视频帧强度，Jⁱ(y)表示y像素在i颜色通道中的目的无雾视频帧，根据暗通道先验模型，无雾条件下视频帧的暗通道的J^dark(x)值应该趋近于0：

$J^{\mathrm{dark}}\left(x\right)=\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)\&RightArrow;0$

由于大气光强A通常大于0，所以：

$\frac{\underset{i}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(J^i\left(y\right)\left)\right)}{A}\&RightArrow;0$

综合上述公式可得到所述待处理视频帧透射率

即大气传播矩阵的粗略估计：

$\tilde{t}\left(x\right)=1-\frac{\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}$

对其加入修正项，以减少失真：

$\tilde{t}\left(x\right)=\left\{\begin{array}{c}1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A}+\mathrm{\&alpha;}\frac{R_0-R\left(x\right)}{R_0},R\left(x\right)\&le;R_0\\ 1-\frac{\mathrm{\&omega;}\underset{c\&Element;\{R,G,B\}}{\min }\left(\underset{y\&Element;\mathrm{\&Omega;}\left(x\right)}{\min }\right(I^c\left(y\right)\left)\right)}{A},\mathrm{else}\end{array}\right.$

其中，ω及α分别为暗通道估计权重和容差权重，为可调节参数，R₀为容差界，A为大气光强，c为RGB三通道之一，可理解为c通道，c=R、G、B中的一个。I^c(y)表示y像素在c通道的视频帧强度，R(x)为所述待处理图像与大气光接近的程度，从而判断出所述待处理图像的明亮区域，其表达式为：

$R\left(x\right)=\underset{c\&Element;\{R,G,B\}}{\mathrm{\&Sigma;}}\mathrm{abs}(I^c\left(x\right)-A^c)$

其中，abs()为取绝对值函数，I^c(x)为x像素位置在c通道（RGB三通道之一）的视频帧强度，A^c为c通道（RGB三通道之一）的大气光强。

对所述待处理视频的视频帧的透射率

进行平滑滤波或者软抠图从而优化视觉效果得到t(x)，最终得到目的无雾视频帧的公式为：

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

其中，透射率下限t0用于防止噪声被过度放大，J^c(x)为x像素位置在c通道的目的无雾视频帧，I^c(x)为x像素位置在c通道的视频帧强度，A^c为c通道的大气光强，t(x)是衰减项。

当待处理视频帧被判断为薄雾视频帧时，该种情况认为待处理视频帧的雾或者霾均匀分布在环境中，并认为待处理视频帧本身对比度不是很差，使用考虑其形成过程的大气散射模型并加入暗原色先验的雾天视频帧恢复方法，该方法的处理结果更接近自然。

所述处理单元800计算大气光强，具体用于：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。这样，应用了视频帧间的光强具有的相关性，从而避免了去雾后视频的闪烁。

所述处理单元800根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，具体用于：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

这样就实现了对视频帧间的光强做了平滑滤波处理，防止了因连续视频帧之间因光强不连续引起的视频闪烁。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

通过上述实施例的描述，本发明具有以下优点：

通过对图像或视频帧的分类，并对不同类型的图像或者视频帧进行最合适的去雾处理，从而避免了因处理方式固化且单一带来的去雾效果不佳的问题；在分类时精确到每个像素点参数的计算，分类的准确度高，为后续选择合适的去雾方法提供了基础；在进行去雾处理时，对现有的经典模型进行了改进，针对图像或视频帧的亮度分量进行处理而非原始图像或视频帧本身，提升去雾的效果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，简称ROM）或随机存储记忆体（Random Access Memory，简称RAM）等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (50)

1.一种图像处理方法，其特征在于，包括：

获取待处理的图像；

对所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数；

根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别；

根据所述待处理图像的类别对所述待处理图像进行处理。

2.如权利要求1所述的方法，其特征在于，所述根据每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别，包括：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例得到所述待处理图像的类别。

3.如权利要求1或2所述的方法，其特征在于，所述获得每个所述图像块的亮度参数和对比度参数，包括：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

4.如权利要求3所述的方法，其特征在于，所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

5.如权利要求4所述的方法，其特征在于，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理。

6.如权利要求4所述的方法，其特征在于，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为对比度极低图像，则采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。

7.如权利要求4所述的方法，其特征在于，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

8.如权利要求4所述的方法，其特征在于，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

9.如权利要求4所述的方法，其特征在于，所述根据所述待处理图像的类别对所述待处理图像进行处理，包括：

若所述待处理图像的类别为良好图像，则不对所述待处理图像作处理。

10.如权利要求5所述的方法，其特征在于，所述若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理，包括：

根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

11.如权利要求7所述的方法，其特征在于，若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理，包括：

将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

12.如权利要求8所述的方法，其特征在于，若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理，包括：

根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

13.一种视频处理方法，其特征在于，包括：

获取待处理视频的视频帧；

对所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数；

根据每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别；

根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

14.如权利要求13所述的方法，其特征在于，所述根据每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别，包括：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

15.如权利要求13或14所述的方法，其特征在于，所述获得每个所述图像块的亮度参数和对比度参数，包括：

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

16.如权利要求15所述的方法，其特征在于，所述待处理视频的视频帧的类型包括：低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧，其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

17.如权利要求16所述的方法，其特征在于，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理。

18.如权利要求16所述的方法，其特征在于，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

19.如权利要求16所述的方法，其特征在于，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的类别视频帧为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理。

20.如权利要求16所述的方法，其特征在于，所述根据所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理，包括：

若所述待处理视频的视频帧的类别为良好视频帧，则不对所述待处理视频的视频帧作处理。

21.如权利要求17所述的方法，其特征在于，若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理，包括：

根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

22.如权利要求18所述的方法，其特征在于，若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理，包括：

将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

23.如权利要求19所述的方法，其特征在于，若所述待处理视频的视频帧的类别为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理，包括：

计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正,得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

24.如权利要求23所述的方法，其特征在于，所述计算大气光强，包括：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。

25.如权利要求24所述的方法，其特征在于，所述根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，包括：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

26.一种图像处理装置，其特征在于，包括：

获取单元，用于获取待处理的图像；

分块单元，用于对所述获取单元获取的所述待处理图像进行分块得到至少两个的图像块，获得每个所述图像块的亮度参数和对比度参数；

分类单元，用于根据所述分块单元获得的每个所述图像块的亮度参数或对比度参数得到所述待处理图像的类别；

处理单元，用于根据所述分类单元得到的所述待处理图像的类别对所述待处理图像进行处理。

27.如权利要求26所述的装置，其特征在于，所述分类单元具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例得到所述待处理图像的类别。

28.如权利要求26或27所述的装置，其特征在于，所述分块单元具体用于：

对所述获取单元获取的所述待处理图像进行分块得到至少两个的图像块；

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

29.如权利要求28所述的装置，其特征在于，所述待处理图像的类别包括低照度图像、对比度极低图像、浓雾图像、薄雾图像及良好图像，其中，所述低照度图像是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理图像；所述对比度极低图像是指所述对比度参数小于第一对比度阈值的图像块的比例大于第二预设比例的所述待处理图像；所述浓雾图像是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例的所述待处理图像；所述薄雾图像是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例的所述待处理图像；不满足上述条件的则为良好图像。

30.如权利要求29所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理图像的类别为低照度图像，则采用带颜色校正的Retinex方法对所述待处理图像进行处理。

31.如权利要求29所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理图像的类别为对比度极低图像，则采用带颜色校正的Retinex方法处理后再结合对比度受限的强制直方图拉伸的方法对所述待处理图像进行去雾处理。

32.如权利要求29所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理图像的类别为浓雾图像，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

33.如权利要求29所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理图像的类别为薄雾图像，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理图像进行去雾处理。

34.如权利要求29所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理图像的类别为良好图像，则不对所述待处理图像作处理。

35.如权利要求30所述的装置，其特征在于，若所述待处理图像的类别为低照度图像，则所述处理单元具体用于：

根据所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

从所述待处理图像中去除所述照度分量得到反射分量；

为所述待处理图像的反射分量加入颜色校正。

36.如权利要求32所述的装置，其特征在于，若所述待处理图像的类别为浓雾图像，则所述处理单元具体用于：

将所述待处理图像在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理图像的照度分量；

根据大气光分量及所述待处理图像在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾图像。

37.如权利要求33所述的装置，其特征在于，若所述待处理图像的类别为薄雾图像，则所述处理单元具体用于：

根据大气散射模型及暗通道先验模型计算得到所述待处理图像的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理图像的强度、大气光强及衰减项计算无雾图像。

38.一种视频处理装置，其特征在于，包括：

获取单元，用于获取待处理视频的视频帧；

分块单元，用于对所述获取单元获取的所述待处理视频的视频帧进行分块得到至少两个的图像块，获得所述待处理视频的视频帧的全局亮度参数及每个所述图像块的亮度参数和对比度参数；

分类单元，用于根据所述分块单元获得每个所述图像块的亮度参数或对比度参数或每个所述图像块的对比度参数结合所述待处理视频的视频帧的全局亮度参数，得到所述待处理视频的视频帧的类别；

处理单元，用于根据所述分类单元得到的所述待处理视频的视频帧的类别对所述待处理视频的视频帧进行处理。

39.如权利要求38所述的装置，其特征在于，所述分类单元具体用于：

将每个所述图像块的亮度参数与预设的亮度阈值对比得到亮度对比结果；

将每个所述图像块的对比度参数与预设的对比度阈值对比得到对比度对比结果；

根据所述亮度对比结果或对比度对比结果将所述图像块分类；

根据各类所述图像块所占的比例或结合所述待处理视频的视频帧的全局亮度参数得到所述待处理视频的视频帧的类别。

40.如权利要求38或39所述的装置，其特征在于，所述分块单元具体用于：

对所述获取单元获取的所述待处理视频的视频帧进行分块得到至少两个的图像块；

统计每个所述图像块中每一个像素点RGB三通道的像素强度值；

计算每一个所述像素点RGB三通道的像素强度值的均值与方差；

在全部所述像素点中，取所述RGB三通道像素强度值的均值中的最大值作为所述图像块的亮度参数，在全部所述像素点中，取所述RGB三通道像素强度值的方差中的最大值作为所述图像块的对比度参数。

41.如权利要求40所述的装置，其特征在于，所述待处理视频的视频帧的类型包括：低照度视频帧、浓雾视频帧、薄雾视频帧及良好视频帧，其中，所述低照度视频帧是指所述亮度参数小于第一亮度阈值的图像块的比例大于第一预设比例的所述待处理视频的视频帧；所述浓雾视频帧是指所述对比度参数小于第二对比度阈值的图像块的比例大于第三预设比例且所述全局亮度参数小于第一全局亮度阈值的所述待处理视频的视频帧；所述薄雾视频帧是指所述对比度参数小于第三对比度阈值的图像块的比例大于第四预设比例且所述全局亮度参数小于第二全局亮度阈值的所述待处理视频的视频帧；不满足上述条件的则为良好视频帧。

42.如权利要求41所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为低照度视频帧，则采用带颜色校正的Retinex方法对所述待处理视频的视频帧进行处理。

43.如权利要求41所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为浓雾视频帧，则采用Retinex与双边滤波结合的方法对所述待处理图像进行去雾处理。

44.如权利要求41所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理视频的类别视频帧为薄雾视频帧，则采用基于大气散射模型并加入暗原色先验的方法对所述待处理视频的视频帧进行去雾处理。

45.如权利要求41所述的装置，其特征在于，所述处理单元具体用于：

若所述待处理视频的视频帧的类别为良好视频帧，则不对所述待处理视频的视频帧作处理。

46.如权利要求42所述的装置，其特征在于，若所述待处理视频的视频帧的类别为低照度视频帧，则所述处理单元具体用于：

根据所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

从所述待处理视频的视频帧中去除所述照度分量得到反射分量；

为所述待处理视频的视频帧的反射分量加入颜色校正。

47.如权利要求43所述的装置，其特征在于，若所述待处理视频的视频帧的类别为浓雾视频帧，则所述处理单元具体用于：

将所述待处理视频的视频帧在YUV颜色空间中的亮度分量结合高斯核函数计算所述待处理视频的视频帧的照度分量；

根据大气光分量及所述待处理视频的视频帧在YUV颜色空间中的亮度分量计算得到光线通过大气的透射率，即大气散射模型中的衰减项；

利用大气散射模型结合得到的所述照度分量及衰减项计算无雾视频帧。

48.如权利要求44所述的装置，其特征在于，若所述待处理视频的视频帧为薄雾视频帧，则所述处理单元具体用于：

计算大气光强，根据大气散射模型及暗通道先验模型计算得到所述待处理视频的视频帧的大气传播矩阵；

对所述大气传播矩阵进行修正得到修正后的大气传播矩阵；

对所述修正后的大气传播矩阵进行平滑滤波或软抠图处理得到大气散射模型中的衰减项；

根据所述待处理视频的视频帧的强度、大气光强及衰减项计算无雾视频帧。

49.如权利要求48所述的装置，其特征在于，所述处理单元计算大气光强，具体用于：

将所述待处理视频的视频帧RGB三通道的均值分别进行加权计算得到所述待处理视频的视频帧RGB三通道的大气光强值；

根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强。

50.如权利要求49所述的装置，其特征在于，所述处理单元根据所述待处理视频的视频帧RGB三通道的大气光强值计算得到所述待处理视频的视频帧的大气光强，具体用于：

将所述待处理视频的视频帧的RGB三通道大气光强值与所述待处理视频的视频帧的至少前一视频帧的RGB三通道大气光强值对应累加求均值作为所述待处理视频的视频帧的RGB三通道大气光强值。

Images