CN103617602A - 有雾图像的质量最佳化方法 - Google Patents
有雾图像的质量最佳化方法 Download PDFInfo
- Publication number
- CN103617602A CN103617602A CN201310652968.8A CN201310652968A CN103617602A CN 103617602 A CN103617602 A CN 103617602A CN 201310652968 A CN201310652968 A CN 201310652968A CN 103617602 A CN103617602 A CN 103617602A
- Authority
- CN
- China
- Prior art keywords
- image
- mist
- blue
- green
- value
- 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
Abstract
一种有雾图像的质量最佳化方法,包括下列步骤:(一)输入有雾天气获得的数字图像为源图像;(二)对有雾图像进行衰减补偿,生成补偿后图像;(三)对补偿后图像进行去雾变换获得去雾后图像;(四)对去雾后图像进行快速自适应最佳化变换,得到最后的质量最佳化图像。本发明的特点是:算法简单,因而处理速度快,可有效应用于有雾视频处理领域,获得最佳化的结果图像。
Description
技术领域
本发明属于数字图像处理领域,涉及一种针对在雾中获得的图像的质量最佳化方法。
背景技术
在雾天情况下,由于场景能见度降低,图像中目标的对比度和颜色特征等变差,导致室外视频系统得不到清晰可见的图像,因此需要在视频处理中消除雾气对场景图像的影响。视频是由一帧帧图像构成,在数字图像处理中,现有的去雾方法要么算法复杂,数据处理量大,而算法简单的去雾方法又得不到视觉效果好的图像,不能有效的用于视频图像的处理。
发明内容
本发明的目的是提供一种算法简单,能快速的实现去雾,得到视觉效果最佳去雾图像的自适应最佳化方法。
为达到本发明的目的,本发明提出一种有雾图像的质量最佳化方法,其关键在于包括下列步骤:
步骤1:输入图像:选择有雾环境中由成像设备获得的数字图像为源图像S=TDev(i,x,y),i=0,1,2表示红、绿、蓝三分量。S为雾和被成像物体的合成图像,并经传输路径上的雾衰减后到达成像设备的图像。其中,S的大小为M(像素点)×N(像素点),x的范围为:0~(M-1),y的范围为:0~(N-1)。
步骤2:衰减补偿(Compensating attenuation):由于源图像S=TDev(i,x,y),是被成像物体的图像与被成像物体所在的物平面上的雾的图像的合成图像经传输路径上的雾衰减之后到达成像器件的图像,所以要恢复图像,首先应对衰减进行补偿,以还原成像物体所在的物平面上的雾的图像与被成像的物体的图像的合成图像,即补偿后图像E=TCom(i,x,y)。按公知的光的衰减物理定律,由成像器件获得的图像为:
TDev(i,x,y)=TCom(i,x,y)*e-βd
因而,未被雾衰减的图像,即补偿后图像TCom(i,x,y)为:
式中,β为成像光线传输途径上的雾对成像光线的衰减(吸收)系数,在0~0.01间取值;d的变化范围为0~(N-1)。衰减补偿后的图像是物面上雾的图像和被成像物体的合成图像,尚需去雾以完成真正的图像恢复。
步骤3:去雾(Removing fog):衰减补偿使有雾图像的谱线右移。衰减补偿后图像E=TCom(i,x,y),是物体图像与物平面内雾的图像的合成图像。研究发现,由于有雾的原因,使有雾图像的三分带色度谱的谱帯变窄,因此,只需把谱帯拉宽为0~255,就能实现去雾。去雾后图像C可通过以下方法获得:
(1)获取补偿后图像E=TCom(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=TCom(0,x,y)、G(x,y)=TCom(1,x,y)、B(x,y)=TCom(2,x,y),作出红、绿、蓝三种分量的色度谱,分别计算三分量色度谱的左、右边缘值:Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量。
色度谱可以按照中国专利《用于底层图像挖掘的图像灰度/色度信息的高分辨检测方法》(专利号:200610054324.9)中的方法进行,使用该方法获取色度谱,可以得到具有一个色度级的高分辨率的色度谱,更有利于确定其左、右边界值。
(2)求取Left(i)的最大值Left;
(3)求取Right(i)的最小值Right;
(4)对图像E的红、绿、蓝三分量分别进行修改的Zadeh-X变换,生成变换后的数字图像即为去雾后图像C=T(i,x,y);
(5)所述修改的Zadeh-X变换方法如下:
约束条件为:
和
Theta=Left;
DeltaRem=Right-Left
上式中,为取得最大的可能对比度,取k=255。i=0,1,2表示红、绿、蓝三分量;O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值,T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值。
上述步骤是与有雾图像的成像过程相反的,是真正的“图像恢复”。由于恢复后图像的质量,一般不是最佳化的,因此还要对恢复的图像质量进行最佳化。
步骤4:对去雾后图像C=T(i,x,y)进行快速自适应最佳化,得到最佳化图像Z=TOpt(i,x,y);
快速自适应最佳化通过修改的Zadeh-X变换实现,修改的Zadeh-X变换为:
约束条件与步骤3中的Zadeh-X变换方法的约束条件相同;
上式中,取k=255。两个变换参数DeltaOpt和Theta分别取值为:
DeltaOpt=5×(255-AL)0.811
和
上式中,i=0,1,2表示红、绿、蓝三分量;O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值;TOpt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值;AL为去雾后图像C=T(i,x,y)的平均亮度,计算如下:
其中,L(x,y)是去雾后图像C=T(i,x,y)的像素点(x,y)的亮度值,M、N是去雾后图像C=T(i,x,y)在X、Y方向上的像素数。
像素点(x,y)的亮度值L(x,y)可以通过该像素点(x,y)的红、绿、蓝三种分量的色度值R(x,y)、G(x,y)、B(x,y)根据下式计算得到:
本发明的显著效果是:利用修改的Zadeh-X变换方法,经过三个主要的步骤,即衰减补偿—去雾—自适应最佳化,就可得到质量最佳化的去雾图像。本发明算法简单,因而处理速度快,可有效应用于有雾视频处理领域,获得最佳化的结果图像。
附图说明
图1本发明的流程图;
图2(a)是实施例1中的源图像,图2(b)是图2(a)经衰减补偿-去雾-快速自适应最佳化变换后的图像;
图3(a)是实施例2中的源图像,图3(b)是图3(a)经衰减补偿-去雾-快速自适应最佳化变换后的图像。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
实施例1:
如图1所示的流程:一种有雾图像的质量最佳化方法,包括下列步骤:
步骤1:输入图像:选择有雾环境中由成像设备获得的数字图像为源图像S=TDev(i,x,y),i=0,1,2表示红、绿、蓝三分量,其中,S的大小为M×N,x的范围为:0~(M-1),y的范围为:0~(N-1);图2(a)所示源图像S的大小为295×184。
步骤2:衰减补偿:按下式对源图像S=TDev(i,x,y)进行衰减补偿,得到补偿后图像E=TCom(i,x,y):
式中,β为成像光线传输途径上的雾对成像光线的衰减系数,在0~0.01间取值,本例中取0.008;d的变化范围为0~(N-1);
步骤3:去雾:去雾后图像C可通过以下方法获得:
(1)获取补偿后图像E=TCom(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=TCom(0,x,y)、G(x,y)=TCom(1,x,y)、B(x,y)=TCom(2,x,y),作出红、绿、蓝三种分量的色度谱,分别计算三分量色度谱的左、右边缘值:Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量;
(2)求取Left(i)的最大值Left;
(3)求取Right(i)的最小值Right;
(4)对图像E的红、绿、蓝三分量分别进行Zadeh-X变换,生成变换后的数字图像即为去雾后图像C=T(i,x,y);
所述Zadeh-X变换方法如下:
约束条件为:
和
Theta=Left;
DeltaRem=Right-Left
上式中,取k=255;O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值,T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值;
步骤4:对去雾后图像C=T(i,x,y)进行快速自适应最佳化,得到最佳化图像Z=TOpt(i,x,y);
快速自适应最佳化通过修改的Zadeh-X变换实现,修改的Zadeh-X变换为:
约束条件与步骤3中的Zadeh-X变换方法的约束条件相同;
上式中,取k=255;两个变换参数DeltaOpt和Theta分别取值为:
DeltaOpt=5×(255-AL)0.811
上式中,O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值;TOpt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值;AL为去雾后图像C=T(i,x,y)的平均亮度,计算如下:
其中,L(x,y)是去雾后图像C=T(i,x,y)的像素点(x,y)的亮度值,M、N是去雾后图像C=T(i,x,y)在X、Y方向上的像素数。
像素点(x,y)的亮度值L(x,y)可以通过该像素点(x,y)的红、绿、蓝三种分量的色度值R(x,y)、G(x,y)、B(x,y)根据下式计算得到:
式中,为定义域约束常数,使L(x,y)在[0,255]内变化,以便能在显示器上显示图像。本实施例中,源图像的平均亮度ALDev=180.3369。步骤4后获得的最佳化图像的平均亮度ALOpt=111.7298。从人眼的直接视觉效果来看,图2(b)的图像的视觉质量更好。
实施例2:
本实施例2与实施例1的步骤相同,其不同之处在于:本实施例的源图像S如图3(a)所示。图3(b)所示的最佳化图像的平均亮度为ALOpt=143.9972,相比图3(a)的源图像的平均亮度ALDev=208.5449。从人眼的直接视觉效果来看,图3(b)的图像比图3(a)的源图像的视觉质量更好。
从数据可以看出,两种情况的源图,即图2(a)和图3(a)的平均亮度都过高,最佳化后的图像的平均亮度都变低,与最佳可视平均亮度127.5的差值(-15.9702和16.4972)都分别比源图像与最佳可视平均亮度127.5的差值(52.8369和80.0449)小的多,人类直接视觉感知质量也好得多。
Claims (1)
1.一种有雾图像的质量最佳化方法,其特征在于包括下列步骤:
步骤1:输入图像:选择有雾环境中由成像设备获得的数字图像为源图像S=TDev(i,x,y),i=0,1,2表示红、绿、蓝三分量,其中,S的大小为M×N,x的范围为:0~(M-1),y的范围为:0~(N-1);
步骤2:衰减补偿:按下式对源图像S=TDev(i,x,y)进行衰减补偿,得到补偿后图像E=TCom(i,x,y):
式中,β为成像光线传输途径上的雾对成像光线的衰减系数,在0~0.01间取值;d的变化范围为0~(N-1);
步骤3:去雾:去雾后图像C可通过以下方法获得:
(1)获取补偿后图像E=TCom(i,x,y)每个像素点的红、绿、蓝三种分量的色度值R(x,y)=TCom(0,x,y)、G(x,y)=TCom(1,x,y)、B(x,y)=TCom(2,x,y),作出红、绿、蓝三种分量的色度谱,分别计算三分量色度谱的左、右边缘值:Left(i)和Right(i),i=0,1,2表示红、绿、蓝三分量;
(2)求取Left(i)的最大值Left;
(3)求取Right(i)的最小值Right;
(4)对图像E的红、绿、蓝三分量分别进行Zadeh-X变换,生成变换后的数字图像即为去雾后图像C=T(i,x,y);
所述Zadeh-X变换方法如下:
约束条件为:
和
Theta=Left;
DeltaRem=Right-Left
上式中,取k=255;i=0,1,2表示红、绿、蓝三分量;O(i,x,y)表示衰减补偿后图像E的第i颜色通道的像素点(i,x,y)的色度值,T(i,x,y)表示去雾后图像C=T(i,x,y)的第i颜色通道的像素点(i,x,y)的色度值;
步骤4:对去雾后图像C=T(i,x,y)进行快速自适应最佳化,得到最佳化图像Z=TOpt(i,x,y);
快速自适应最佳化通过修改的Zadeh-X变换实现,修改的Zadeh-X变换为:
上式中,取k=255;两个变换参数DeltaOpt和Theta分别取值为:
DeltaOpt=5×(255-AL)0.811
上式中,i=0,1,2表示红、绿、蓝三分量;O(i,x,y)表示去雾后图像C=T(i,x,y)第i颜色通道的像素点(i,x,y)的色度值;TOpt(i,x,y)表示变换后最佳化图像Z第i颜色通道的像素点(i,x,y)的色度值;AL为去雾后图像C=T(i,x,y)的平均亮度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652968.8A CN103617602B (zh) | 2013-12-06 | 2013-12-06 | 有雾图像的质量最佳化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652968.8A CN103617602B (zh) | 2013-12-06 | 2013-12-06 | 有雾图像的质量最佳化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617602A true CN103617602A (zh) | 2014-03-05 |
CN103617602B CN103617602B (zh) | 2017-06-27 |
Family
ID=50168306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310652968.8A Expired - Fee Related CN103617602B (zh) | 2013-12-06 | 2013-12-06 | 有雾图像的质量最佳化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617602B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105282421A (zh) * | 2014-07-16 | 2016-01-27 | 宇龙计算机通信科技(深圳)有限公司 | 一种去雾图像获取方法、装置及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668226A (zh) * | 2009-09-11 | 2010-03-10 | 重庆医科大学 | 获取质量最好彩色图像的方法 |
CN102800061A (zh) * | 2012-06-26 | 2012-11-28 | 重庆医科大学 | 高照度下数字图像快速自适应最佳化方法 |
WO2013018101A1 (en) * | 2011-08-03 | 2013-02-07 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist or haze from images and videos |
-
2013
- 2013-12-06 CN CN201310652968.8A patent/CN103617602B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668226A (zh) * | 2009-09-11 | 2010-03-10 | 重庆医科大学 | 获取质量最好彩色图像的方法 |
WO2013018101A1 (en) * | 2011-08-03 | 2013-02-07 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist or haze from images and videos |
CN102800061A (zh) * | 2012-06-26 | 2012-11-28 | 重庆医科大学 | 高照度下数字图像快速自适应最佳化方法 |
Non-Patent Citations (2)
Title |
---|
谢文明 等: "长焦区光声成像系统中的信号补偿", 《中国激光》, vol. 39, no. 1, 31 January 2012 (2012-01-31) * |
谢正祥 等: "基于视觉感知噪声模型的彩色图像质量评价和彩色图像质量最佳化", 《中国图象图形学报》, vol. 15, no. 10, 31 October 2010 (2010-10-31), pages 1454 - 1464 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105282421A (zh) * | 2014-07-16 | 2016-01-27 | 宇龙计算机通信科技(深圳)有限公司 | 一种去雾图像获取方法、装置及终端 |
CN105282421B (zh) * | 2014-07-16 | 2018-08-24 | 宇龙计算机通信科技(深圳)有限公司 | 一种去雾图像获取方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN103617602B (zh) | 2017-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI514323B (zh) | 基於混合暗通道先驗的影像除霧方法及其系統 | |
CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN103714520B (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
DE102018119625A1 (de) | Reduzieren von strukturierten IR-Mustern bei der Stereoskopischen Tiefensensorbildgebung | |
EP3058549B1 (en) | Converting an image from a dual-band sensor to a visible color image | |
CN102750674A (zh) | 基于自适应容差的视频图像去雾方法 | |
CN105721843A (zh) | 具有彩色像素和白色像素的大幅面显示系统 | |
US20200374444A1 (en) | Evaluation device, evaluation method, and camera system | |
Zheng et al. | Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction | |
CN104867121A (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN103268596A (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
CN103179409B (zh) | 视频透雾处理方法和装置 | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
CN112104847A (zh) | 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法 | |
CN108093175A (zh) | 一种实时高清视频自适应去雾方法及装置 | |
CN104683780A (zh) | 一种视频监控摄像机的自动白平衡方法和装置 | |
Jin et al. | Image Enhancement Based on Selective-Retinex Fusion Algorithm. | |
CN110047052A (zh) | 一种基于fpga的强光抑制夜视增强方法 | |
CN105516674A (zh) | 一种具有hdr显示功能的监视设备 | |
CN103617602A (zh) | 有雾图像的质量最佳化方法 | |
CN105787883A (zh) | 一种宽动态图像装置及算法 | |
US8774553B1 (en) | Advanced adaptive contrast enhancement | |
WO2014034182A1 (ja) | 画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170627 Termination date: 20171206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |