CN103714519A - 一种快速并行图像去雾方法 - Google Patents

Abstract

本发明公开了一种快速并行图像去雾方法，涉及图像处理和计算机视觉技术领域，本发明通过首先计算出单像素最小分量矩阵，然后复用该单像素最小分量矩阵并行计算出其他滑窗模板下图像对应的最小分量矩阵，最后结合图像的边缘信息选择不同滑窗模板对应的场景透射系数完成对图像的去雾。本发明的方法在数据层面上支持流水线操作，易于并行执行；恢复出的图像质量较高，解决了图像去雾处理时物体边缘附近易产生光晕的问题；避免了原始算法的软抠图处理，计算量小，能够达到实时处理的目的，便于实际应用。

Description

一种快速并行图像去雾方法

技术领域

本发明涉及图像处理和计算机视觉技术领域，特别是一种基于有雾图像各色彩通道暗元素信息的图像快速并行去雾方法。

背景技术

雾造成的成像质量退化对人们的生产生活有着直接的影响，图像的去雾是恢复图像可视性及可理解性关键技术，也是图像处理领域的一个研究热点。经典的图像增强算法往往假设输入图像是物体表面反射光，针对有雾图像，这些方法的数学模型在一定程度上并不能较好地描述成像退化过程，从而影响最终的图像去雾效果。因此，研究和改进雾天成像退化模型和去雾方法十分必要。

现有的图像去雾方法一般是基于雾天图像的先验信息规律对雾天图像进行一定程度上的增强或恢复，以提高图像的可视性。典型的方法有Fattal方法、Tan方法和He方法。

Fattal方法的先验信息是假设环境光分量和物体表面的反射光分量是不相关的，以此估计出物体表面反射光分量，但恢复出的图像往往失真度较高。

Tan方法发现的先验信息是无雾图像的对比度往往比有雾图像的对比度要高，基于此类先验信息，通过算法处理使有雾图像的局部区域的对比度达到最大，以达到图像去雾的目的。但恢复的图像对比度往往很高，容易造成图像纹理细节信息的淹没。

He方法基于色彩通道暗元素的先验信息，恢复出的图像质量较真实，但是此方法只考虑了一个尺度参数，且采用运算极为复杂的软抠图优化方法来估计场景的透射系数，在遇到图像边缘时往往会出现光晕现象，影响最终图像质量。该方法去雾效果虽然比较理想，但计算太过复杂，计算量会随着图像尺寸的增大呈现出几何级增加，难以直接运用到实际应用中。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种快速并行图像去雾方法，并行计算程度高，图像去雾效果好，能够达到实时处理的目的，可以方便的应用于实际系统中。

本发明采用的技术方案是这样的：一种快速并行图像去雾方法，包括以下步骤：

（1）、将输入图像I（x,y）转换到RGB色彩空间，并计算图像中每个像素点RGB色彩分量中的最小值，获得输入I（x,y）的单像素最小值矩阵

记

对应的图像为I1（x,y）；

（2）、采用Sobel算子对图像I1（x,y）进行边缘检测，并对检测得到的边缘点和非边缘点进行二值化处理，得到二值图像Ib1（x,y）；

（3）、复用单像素最小值矩阵

对图像I1（x,y）进行3x3滑窗最小值滤波，水平和竖直方向的滑动步长均为1个像素，得到3x3尺度像素最小值矩阵

（4）、复用最小值矩阵

对图像I1（x,y）进行5x5滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到5x5尺度像素最小值矩阵

（5）、复原最小值矩阵

对图像I1（x,y）进行7x7滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到7x7尺度像素最小值矩阵

（6）、采用5x5统计模板对二值图像Ib1（x,y）进行遍历，如果当前被访问的像素p（x,y）为边缘点，则该点的最小分量值

如果当前被访问的像素p（x,y）为非边缘点，则统计以该点为中心的模板范围内边缘点数量，如果边缘点数量等于零，则该点的最小分量值

如果边缘点数量大于零，则该点的最小分量值

（7）、在统计图像I1（x,y）中取值最大的前100个像素点，并将这些点的坐标记录在矩阵C中；

（8）、找出矩阵C中各坐标点在输入图像I（x,y）中对应的像素，分别计算出这些像素点对应的最大色彩分量值Rmax,Gmax,Bmax，取这三个最大分量的最大值a=max{Rmax,Gmax,Bmax}作为环境光照的色彩通道分量，记为环境光照强度值A=｛a，a，a｝；

（9）、计算场景中各像素点对应的透射系数矩阵T（x,y）；

（10）、根据场景透射系数矩阵T（x,y）以及环境光照强度值A，计算得到去雾后的图像J（x,y）。

作为优选方式，当步骤（1）完成前3行像素的处理之后，步骤（3）可以开始执行；当步骤（3）完成前3行单元数据的计算之后，因此步骤（1）、（3）、（4）、（5）之间可以用流水线的方式实现；步骤（4）和（5）可以并行执行。

对上述方案进行进一步优选，所述步骤（1）中，计算得到单像素最小值矩阵

的公式为 $M_{\min }^1\left(I\right)=\min \{R\left(I\right),G\left(I\right),B\left(I\right)\}.$

对上述方案进行进一步优选，所述步骤（3）中，3x3滑窗最小值滤波的计算公式为 $M_{\min }^3\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,0,1})}{\min }\left(\underset{j\∈(-\mathrm{1,0,1})}{\min }{M}_{\min }^1(x+i,y+j)\right).$

对上述方案进行进一步优选，所述步骤（4）中，5x5滑窗最小值滤波器的计算公式为 $M_{\min }^5\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,1})}{\min }\left(\underset{j\∈(-\mathrm{1,1})}{\min }{M}_{\min }^3(x+i,y+j)\right).$

对上述方案进行进一步优选，所述步骤（5）中，7x7滑窗最小值滤波器的计算公式为 $M_{\min }^7\left(I(x,y)\right)=\underset{i\∈(-\mathrm{2,0,2})}{\min }\left(\underset{j\∈(-\mathrm{2,0,2})}{\min }{M}_{\min }^3(x+i,y+j)\right).$

对上述方案进行进一步优选，所述步骤（9）中，透射系数矩阵的计算公式为 $T(x,y)=1-\underset{(x,y)\∈\mathrm{\Ω}}{\min }\left(M_{\min }(I(x,y)/a)\right).$

对上述方案进行进一步优选，所述步骤（10）中，计算去雾后图像的计算公式为 $J(x,y)=\frac{I(x,y)-A(1-\max (T(x,y),t_0))}{\max (T(x,y),t_0)\×t_1}.$

综上所述，由于采用了上述技术方案，本发明的有益效果是：在数据层面上支持流水线操作，易于并行执行；恢复出的图像质量较高，解决了图像去雾处理时物体边缘附近易产生光晕的问题；避免了原始算法的软抠图处理，计算量小，能够达到实时处理的目的，便于实际应用。

附图说明

图1是本发明的处理流程图。

图2是3x3滑窗最小值滤波操作边界像素的填充示意图。

图3是3x3滑窗最小值滤波操作的水平和竖直步进示意图。

图4是5x5滑窗最小值滤波操作的水平和竖直步进示意图。

图5是7x7滑窗最小值滤波操作的水平和竖直步进示意图。

图6是步骤（1）、（3）、（4）、（5）之间的4级流水线并行操作流程。

图7是边缘像素点统计及最小值矩阵M更新计算流程。

具体实施方式

下面结合附图，通过一个实施例对本发明作详细的说明。

最佳实施例

如图1所示，一种快速并行图像去雾方法，包括以下步骤：

（1）、将输入图像I（x,y）转换到RGB色彩空间，并计算图像中每个像素点RGB色彩分量中的最小值，获得输入I（x,y）的单像素最小值矩阵

记

对应的图像为I1（x,y）。

所述步骤（1）中，计算得到单像素最小值矩阵

的公式为

其中，R（I）,G（I）,B（I）分别表示提取图像I（x,y）的R、G、B色彩分量。

（2）、采用Sobel算子对图像I1（x,y）进行边缘检测，并对检测得到的边缘点和非边缘点进行二值化处理，得到二值图像Ib1（x,y）。所述二值化处理即对于图像边界处的像素点和边界以外的像素点用灰度值为255的像素填充到滤波器模板中参与计算，如图2所示。

（3）、复用单像素最小值矩阵

对图像I1（x,y）进行3x3滑窗最小值滤波，水平和竖直方向的滑动步长均为1个像素，得到3x3尺度像素最小值矩阵

所述步骤（3）中，3x3滑窗最小值滤波的计算公式为 $M_{\min }^3\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,0,1})}{\min }\left(\underset{j\∈(-\mathrm{1,0,1})}{\min }{M}_{\min }^1(x+i,y+j)\right).$ 所述3x3滑窗最小值滤波器在具体计算过程中的水平和竖直方向的步进操作如图3所示。

（4）、复用最小值矩阵

对图像I1（x,y）进行5x5滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到5x5尺度像素最小值矩阵

所述步骤（4）中，5x5滑窗最小值滤波器的计算公式为 $M_{\min }^5\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,1})}{\min }\left(\underset{j\∈(-\mathrm{1,1})}{\min }{M}_{\min }^3(x+i,y+j)\right).$ 所述5x5滑窗最小值滤波在具体计算中的水平和竖直方向的步进操作如图4所示。

（5）、复原最小值矩阵

对图像I1（x,y）进行7x7滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到7x7尺度像素最小值矩阵

所述步骤（5）中，7x7滑窗最小值滤波器的计算公式为 $M_{\min }^7\left(I(x,y)\right)=\underset{i\∈(-\mathrm{2,0,2})}{\min }\left(\underset{j\∈(-\mathrm{2,0,2})}{\min }{M}_{\min }^3(x+i,y+j)\right).$ 所述7x7滑窗最小值滤波在具体计算中的水平和竖直方向的步进操作如图5所示。

（6）、采用5x5统计模板对二值图像Ib1（x,y）进行遍历，如果当前被访问的像素p（x,y）为边缘点，则该点的最小分量值

如果当前被访问的像素p（x,y）为非边缘点，则统计以该点为中心的模板范围内边缘点数量，如果边缘点数量大于零，则该点的最小分量值

如果边缘点数量等于零，则该点的最小分量值步骤（6）的流程图如图7所示。

（7）、在统计图像I1（x,y）中取值最大的前100个像素点，并将这些点的坐标记录在矩阵C中。

（8）、找出矩阵C中各坐标点在输入图像I（x,y）中对应的像素，分别计算出这些像素点对应的最大色彩分量值Rmax,Gmax,Bmax，取这三个最大分量的最大值a=max{Rmax,Gmax,Bmax}作为环境光照的色彩通道分量，记为环境光照强度值A=｛a，a，a｝。

（9）、计算场景中各像素点对应的透射系数矩阵T（x,y）。

所述步骤（9）中，透射系数矩阵的计算公式为

$T(x,y)=1-\underset{(x,y)\∈\mathrm{\Ω}}{\min }\left(M_{\min }(I(x,y)/a)\right).$

（10）、根据场景透射系数矩阵T（x,y）以及环境光照强度值A，计算得到去雾后的图像J（x,y）。

所述步骤（10）中，计算去雾后图像的计算公式为

其中t0为透射系数的全局最小值，为了保证去雾结果中天空区域不出现过度增强现象以及调整图像的饱和度，本发明中t0的取值范围为(0，0.5]，t1取值范围为[1.0，2.0]。

当步骤（1）完成前3行像素的处理之后，步骤（3）可以开始执行。由于步骤（4）和（5）中均复用了步骤（3）的输出结果

当步骤（3）完成前2行单元数据的计算之后，其结果已经可以满足步骤（4）计算的启动需要;另外，步骤（4）和（5）计算过程中彼此不存在数据依赖关系，因此步骤（4）和（5）可以并行执行。因此，当步骤（3）完成前3行单元数据的计算之后，步骤（1）、（3）、（4）、（5）之间可以用流水线的方式实现，如图6所示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种快速并行图像去雾方法，其特征在于包括以下步骤：

（1）、将输入图像I（x,y）转换到RGB色彩空间，并计算图像中每个像素点RGB色彩分量中的最小值，获得输入I（x,y）的单像素最小值矩阵

记对应的图像为I¹（x,y）；

（2）、采用Sobel算子对图像I¹（x,y）进行边缘检测，并对检测得到的边缘点和非边缘点进行二值化处理，得到二值图像I_b ¹（x,y）；

（3）、复用单像素最小值矩阵

对图像I¹（x,y）进行3x3滑窗最小值滤波，水平和竖直方向的滑动步长均为1个像素，得到3x3尺度像素最小值矩阵

（4）、复用最小值矩阵

对图像I¹（x,y）进行5x5滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到5x5尺度像素最小值矩阵

（5）、复原最小值矩阵

对图像I¹（x,y）进行7x7滑窗最小值滤波，水平和竖直方向的滑动步长均为2个像素，得到7x7尺度像素最小值矩阵

（6）、采用5x5统计模板对二值图像I_b ¹（x,y）进行遍历，如果当前被访问的像素p（x,y）为边缘点，则该点的最小分量值如果当前被访问的像素p（x,y）为非边缘点，则统计以该点为中心的模板范围内边缘点数量，如果边缘点数量等于零，则该点的最小分量值

如果边缘点数量大于零，则该点的最小分量值

（7）、在统计图像I¹（x,y）中取值最大的前100个像素点，并将这些点的坐标记录在矩阵C中；

（8）、找出矩阵C中各坐标点在输入图像I（x,y）中对应的像素，分别计算出这些像素点对应的最大色彩分量值Rmax,Gmax,Bmax，取这三个最大分量的最大值a=max{Rmax,Gmax,Bmax}作为环境光照的色彩通道分量，记为环境光照强度值A=｛a，a，a｝；

（9）、计算场景中各像素点对应的透射系数矩阵T（x,y）；

（10）、根据场景透射系数矩阵T（x,y）以及环境光照强度值A，计算得到去雾后的图像J（x,y）。

2.根据权利要求1所述的一种快速并行图像去雾方法，其特征在于：当步骤（1）完成前3行像素的处理之后，步骤（3）可以开始执行；当步骤（3）完成前3行单元数据的计算之后，因此步骤（1）、（3）、（4）、（5）之间可以用流水线的方式实现；步骤（4）和（5）可以并行执行。

3.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（1）中，计算得到单像素最小值矩阵

的公式为

$M_{\min }^1\left(I\right)=\min \{R\left(I\right),G\left(I\right),B\left(I\right)\}.$

4.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（3）中，3x3滑窗最小值滤波的计算公式为

$M_{\min }^3\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,0,1})}{\min }\left(\underset{j\∈(-\mathrm{1,0,1})}{\min }{M}_{\min }^1(x+i,y+j)\right).$

5.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（4）中，5x5滑窗最小值滤波器的计算公式为

$M_{\min }^5\left(I(x,y)\right)=\underset{i\∈(-\mathrm{1,1})}{\min }\left(\underset{j\∈(-\mathrm{1,1})}{\min }{M}_{\min }^3(x+i,y+j)\right).$

6.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（5）中，7x7滑窗最小值滤波器的计算公式为

$M_{\min }^7\left(I(x,y)\right)=\underset{i\∈(-\mathrm{2,0,2})}{\min }\left(\underset{j\∈(-\mathrm{2,0,2})}{\min }{M}_{\min }^3(x+i,y+j)\right).$

7.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（9）中，透射系数矩阵的计算公式为

$T(x,y)=1-\underset{(x,y)\∈\mathrm{\Ω}}{\min }\left(M_{\min }(I(x,y)/a)\right).$

8.根据权利要求1或2所述的一种快速并行图像去雾方法，其特征在于：所述步骤（10）中，计算去雾后图像的计算公式为

$J(x,y)=\frac{I(x,y)-A(1-\max (T(x,y),t_0))}{\max (T(x,y),t_0)\×t_1}.$

Images