CN104166968A - 一种图像去雾的方法、装置及移动终端 - Google Patents
一种图像去雾的方法、装置及移动终端 Download PDFInfo
- Publication number
- CN104166968A CN104166968A CN201410422414.3A CN201410422414A CN104166968A CN 104166968 A CN104166968 A CN 104166968A CN 201410422414 A CN201410422414 A CN 201410422414A CN 104166968 A CN104166968 A CN 104166968A
- Authority
- CN
- China
- Prior art keywords
- value
- transmissivity
- input picture
- atmosphere light
- pixel
- 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.)
- Withdrawn
Links
Abstract
本发明适用于图像处理技术领域,提供了一种图像去雾的方法、装置及移动终端,所述方法包括:估测输入图像的大气光值;根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;对所述透射率进行优化,得到优化透射率;通过引导滤波器对所述优化透射率进行修正,得到透射传播图;根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。本发明,在对输入图像进行去雾处理时,引入透射率优化机制,可以对估测得到的透射率进行优化,得到优化透射率。引入优化透射率的去雾处理方法,可以适用于含有大量灰白区域的图像,在处理该类图像时,可以避免灰白区域的色彩失真,完全满足用户户外拍摄的需求。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种图像去雾的方法、装置及移动终端。
背景技术
现今,由于环境的影响,雾霾天气越来越普遍。在雾天这种常见的恶劣天气影响下,室外视觉系统通常会因为受到大气中水滴的影响而导致通过移动终端拍摄得到的图像产生白化现象,使得图像退化,甚至模糊,这给户外拍摄以及图像处理和信息提取等带来较大的困难。
目前,移动终端的拍摄功能虽然已经有较多的图片增强处理能力,但是还未专门集成雾天图像清晰化的处理能力,利用传统的图像增强算法并不能高效的处理雾天拍摄到的图像,尤其是在处理含有大量灰白区域的图像时,图像的灰白区域容易出现色彩失真,因此,不能完全满足用户户外拍摄的需求。
发明内容
本发明实施例提供了一种图像去雾的方法、装置及移动终端,旨在解决现有技术提供的移动终端在处理含有大量灰白区域的图像时,图像的灰白区域容易出现色彩失真的问题。
一方面,提供一种图像去雾的方法,所述方法包括:
估测输入图像的大气光值;
根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;
对所述透射率进行优化,得到优化透射率;
通过引导滤波器对所述优化透射率进行修正,得到透射传播图;
根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
进一步地,在所述估测输入图像的大气光值之前,还包括:
判断所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值。
进一步地,所述对所述透射率进行优化,得到优化透射率包括:
当所述输入图像的当前像素点的RGB分量的亮度最大值和最小值之差小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值大于预设门限时,设置所述像素点对应的优化透射率为1;
否则,设置所述像素点对应的优化透射率为所述透射率。
进一步地,所述估测输入图像的大气光值包括:
步骤A、获取输入图像;
步骤B、计算所述输入图像的RGB通道中亮度最大值与最小值的差值;
步骤C、从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点;
步骤D、如果当前像素点对应的差值小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A;
步骤E、如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再返回执行步骤D,直至所述大气光值不为0;
其中,α大于0,小于5,Δα大于0,小于5。
另一方面,提供一种图像去雾的装置,所述装置包括:
大气光值估测单元,用于估测输入图像的大气光值;
透射率估测单元,用于根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;
透射率优化单元,用于对所述透射率进行优化,得到优化透射率;
透射率修正单元,用于通过引导滤波器对所述优化透射率进行修正,得到透射传播图;
图像去雾单元,用于根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
进一步地,所述装置还包括:
带雾判断单元,用于判断所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值。
进一步地,所述透射率优化单元包括:
第一优化模块,用于当所述输入图像的当前像素点的RGB分量的亮度最大值和最小值之差小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值大于预设门限时,设置所述像素点对应的优化透射率为1;
第二优化模块,用于否则,设置所述像素点对应的优化透射率为所述透射率。
进一步地,所述大气光值估测单元包括:
输入图像获取模块,用于获取输入图像;
差值计算模块,用于计算所述输入图像的RGB通道中亮度最大值与最小值的差值;
像素点选取模块,用于从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点;
第一大气光值估测模块,用于如果当前像素点对应的差值小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A;
第二大气光值估测模块,用于如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再调用第一大气光值估测模块,直至所述大气光值不为0;
其中,α大于0,小于5,Δα大于0,小于5。
又一方面,提供一种移动终端,所述移动终端包括如上所述的图像去雾的装置。
在本发明实施例,在对输入图像进行去雾处理时,引入透射率优化机制,可以对估测得到的透射率进行优化,得到优化透射率。引入优化透射率的去雾处理方法,可以适用于含有大量灰白区域的图像,在处理该类图像时,可以避免灰白区域的色彩失真,完全满足用户户外拍摄的需求。
附图说明
图1是本发明实施例一提供的图像去雾的方法的实现流程图;
图2是本发明实施例一提供的估测输入图像的大气光值的实现流程图;
图3是本发明实施例二提供的图像去雾的方法的实现流程图;
图4是本发明实施例三提供的图像去雾的装置的结构框图;
图5是本发明实施例四提供的图像去雾的装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中,先估测输入图像的大气光值,并根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率,再对所述透射率进行优化,得到优化透射率,然后通过引导滤波器对所述优化透射率进行修正,得到透射传播图,最后根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
以下结合具体实施例对本发明的实现进行详细描述:
实施例一
图1示出了本发明实施例一提供的图像去雾的方法的实现流程,详述如下:
在步骤S101中,估测输入图像的大气光值。
暗通道先验规律是由何凯明通过对大量的图像统计归纳得到的,可以简单地描述为:在不包含天空的无雾图像中,对于图像中的任意像素点,在它周围合适的局部窗口范围内,至少有一个颜色通道具有较低并且趋近于零的亮度值,公式为:
其中,w(x)表示以像素x为中心的局部窗口,窗口半径取值一般都很小,Jc表示无雾图像的任意颜色通道,Jdark为输入图像的暗通道,r、g、b分别代表红、绿、蓝三个颜色通道。
何凯明根据所述暗通道先验规律提出了一种大气光值估计方法,通过该方法虽然可在一定程度上避免选取输入图像中白色或高亮度物体的亮度值作为大气光值,但并不能保证选取到的大气光值一定属于输入图像中雾气最浓的区域。
在本发明实施例中,认为大气光值选取的区域应该是一个“灰度世界”。根据这条规律,估计大气光值时,先选取亮度最大的前0.5%的N个像素点,从N个像素点对应的输入图像中筛选取出满足下面限制条件的像素点:
其中,在上面的公式中,differ_map(x)为输入图像的RGB通道中亮度最大值与最小值的差值,α取值可在0~5之间适当调整,在限制条件下,将选取出来的像素中RGB各分量的最大值作为全局大气光值。
加入了限制条件之后,在有天空区域或者是浓雾区域的图像中可以准确的求出全局大气光值,但在没有这类区域的图像中就得不到合适的大气光值,因此在新的大气光值获取算法中加入循环,算法流程如图2所示,使得α的值根据判断的限制条件递增,直到找到合适的全局大气光值,具体流程如下所示。
步骤1、获取输入图像。
其中,可以通过移动终端的光线传感器获得图像。
步骤2、计算所述输入图像的RGB通道中亮度最大值与最小值的差值differ_map(x)。
步骤3、从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点。
其中,可以选取亮度最大的前0.5%个像素点。
步骤4、如果当前像素点对应的差值differ_map(x)小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A。
步骤5、如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再返回执行步骤4,直至所述大气光值不为0,
其中,α大于0,小于5,Δα大于0,小于5,通过α=α+Δα使α的值根据判断条件递增。
这种大气光值计算方法,相比现有的大气光值计算方法,进一步增强了算法的鲁棒性,提高了大气光值计算的精确度,同时能够避免A值过大,使得清晰化后的无雾图像偏暗。
需要说明的是,步骤2可以在步骤3之前执行,也可以在步骤3之后执行,并没有先后顺序之分。
在步骤S102中,根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率。
雾天成像是由大气衰减模型和大气光成像模型共同作用的结果,综上,雾天成像模型可表示为:
I(x)=J(x)t(x)+A(1-t(x))
在上述公式中,I(x)是在云雾天气,通过光线传感器获得的图像,J(x)是不受大气影响的成像结果,即想要从等式中恢复出的实际场景,将无穷远处的大气光值L(∞,λ)表示为A,称为大气光值。假设大气光在观测的图像中是均匀分布的,A在整幅图像中是个常量向量,与具体的像素位置和大小无关,其中x表示图像的像素索引。
在本发明实施例中,在大气成像模型的两边同时除以Ac,并且基于暗通道先验规律,同时求取RGB三个通道中的亮度最小值,由物理模型可知,雾气越浓,透射率越大,反之则越小。然而,在实际情况下,特别是雾气较浓时,完全去除雾气时反而失去真实性和美感,故对透射率进行修正,引入修正参数ω,于是初步估测得到的透射率为:
在步骤S103中,对所述透射率进行优化,得到优化透射率。
何凯明提出的透射率估测算法中适用范围有局限性:如果图像中含有大片的颜色接近大气光的灰白区域,则这些区域不满足暗通道先验规律,得到的暗通道不接近零,因此,估测得到的透射率与实际的透射率之间是有偏差的,而且这些区域的RGB通道值相差很小,在图像清晰化过程中除以远远小于1的时,三个颜色通道的差值会发生很大的变化,从而出现色彩的失真。
为了避免灰白区域的色彩失真,在本发明实施例中,提出一种对初步估测得到的透射率的改进方法,引入了调节机制,用公式表示为:
其中,当输入图像的当前像素点的RGB分量的亮度最大值和最小值之差f(x)小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值Idark大于预设门限threshold时,则设置所述像素点对应的优化透射率为1,否则,设置所述像素点对应的优化透射率为所述透射率
其中,阈值σ取值为1~10,暗通道中亮度值的判断门限通过已有的Otsu类间最大方差法确定。
在步骤S104中,通过引导滤波器对所述优化透射率进行修正,得到透射传播图。
在本发明实施例中,通过引导滤波器Guided filter对优化透射率进行修正,修正后得到透射传播图t(x),可实现实时高效的清晰化算法。引导滤波器有很好的边缘保持效果。它不仅仅在视觉上使得图像光滑,而且使得图像的纹理得以保持。引导滤波器的时间复杂度为O(N),时间的复杂度与滤波所采用的窗口半径无关,可实现透射率的快速修正,比最初的Laplacian抠图修正速度更快,比传统的快速双边滤波器有更好的效果。
在步骤S105中,根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
在本发明实施例中,通过步骤S101和步骤S202至S204分别得到了大气光值A和透射传播图t(x),要恢复出清晰的图像J,则可根据雾天成像模型,通过下面的等式实现:
其中,引入参数t0作为透射率的下限,可以使得场景雾气较为稠密处保留一定量的雾气,这样处理后的图像不会有明显的人工痕迹,t0越大,远处保留的雾气越多。
需要说明的是,步骤S101和步骤S102没有先后顺序之分,步骤S101可以在步骤S102之前执行,也可以在步骤S102之后执行。
本实施例,根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率后,先对所述透射率进行优化,得到优化透射率,然后,通过引导滤波器对所述优化透射率进行修正,得到透射传播图,最后,根据得到的透射传播图将输入图像恢复为无雾图像。其中,在对透射率进行优化得到优化透射率的处理过程中,当输入图像的当前像素点的RGB分量的亮度最大值和最小值之差f(x)小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值Idark大于预设门限threshold时,则设置所述像素点对应的优化透射率为1,可以避免灰白区域的色彩失真。
实施例二
图3示出了本发明实施例二提供的图像去雾的方法的实现流程,详述如下:
在步骤S301中,判断输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值,如果是,则执行步骤S302,否则存储所述输入图像。
在本发明实施例中,计算输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例,如果所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例小于预设比例值,则执行步骤S302,否则,认为所述输入图像为清晰的图像,直接存储所述输入图像至数据库中。
具体的,利用暗通道先验规律判断输入图像中是否包含雾气遮罩。由于清晰户外图像的暗通道中大部分像素的像素值都为零,而带雾图像则不符合这条规律,因此,通过计算输入图像的暗通道中亮度较低的像素的所占比例来判断输入图像是否清晰,用公式表示为:
其中,Hdark为暗通道的直方图,T是限定较低的亮度值的阈值,一般T的取值都小于50。
预设比例值可以为90%。如果计算出亮度值低于50的像素点在输入图像中所占比例p的值大于90%,那么,输入图像可被认为是清晰的图像,可直接存储到数据库当中,否则输入图像就是带雾的图像,需要进一步的增强处理。
传统判断输入图像是否含有雾气的方法包括多幅图像对比判断的方法和图像对比度判断方法。多幅图像对比判断的方法是:获取同一场景、不同天气条件下的图像,通过将这多幅图像对比得知图像中含有雾气遮罩。图像对比度判断方法是:通过计算输入图像的对比度的值,认为对比度低于给定阈值的图像为带雾的图像。
多幅图像对比方法,由于图像的采集较为复杂,不适合于实际应用;而图像对比度的方法由于场景比较复杂多变,比较难确定判断的阈值。利用暗通道先验规律判断输入图像是否具有雾气遮罩时,不会出现现有的两种方法存在的缺陷,具有明显的优势。
另外,在得知输入图像为带有雾气遮罩的有雾图像后,还可以生成一个询问信息,询问用户是否需要去除输入图像中的雾气,如果是,在执行步骤S302,否则,直接存储输入图像至数据库中。
在步骤S302中,估测输入图像的大气光值。
在步骤S303中,根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率。
在步骤S304中,对所述透射率进行优化,得到优化透射率。
在步骤S305中,通过引导滤波器对所述优化透射率进行修正,得到透射传播图。
在步骤S306中,根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
需要说明的是,步骤S302和步骤S303没有先后顺序之分,步骤S302可以在步骤S303之前执行,也可以在步骤S303之后执行。
本实施例,在对输入图像进行去雾处理之前,先判断输入图像是否为带有雾气遮罩的图像,如果是,才进行去雾处理,可以避免移动终端对清晰的图像进行去雾处理。并且,在对输入图像进行是否带雾判断时,利用暗通道先验规律进行判断。相比现有的判断方法,具有明显的优势。
本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
实施例三
图4示出了本发明实施例三提供的图像去雾的装置具体结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。该图像去雾的装置4可以是内置于移动终端中的软件单元、硬件单元或者软硬件结合的单元,该装置4包括:大气光值估测单元41、透射率估测单元42、透射率优化单元43、透射率修正单元44和图像去雾单元45。
其中,大气光值估测单元41,用于估测输入图像的大气光值;
透射率估测单元42,用于根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;
透射率优化单元43,用于对所述透射率进行优化,得到优化透射率;
透射率修正单元44,用于通过引导滤波器对所述优化透射率进行修正,得到透射传播图;
图像去雾单元45,用于根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
具体的,所述透射率优化单元43包括:
第一优化模块,用于当所述输入图像的当前像素点的RGB分量的亮度最大值和最小值之差小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值大于预设门限时,设置所述像素点对应的优化透射率为1;
第二优化模块,用于否则,设置所述像素点对应的优化透射率为所述透射率。
具体的,所述大气光值估测单元41包括:
输入图像获取模块,用于获取输入图像;
差值计算模块,用于计算所述输入图像的RGB通道中亮度最大值与最小值的差值;
像素点选取模块,用于从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点;
第一大气光值估测模块,用于如果当前像素点对应的差值小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A;
第二大气光值估测模块,用于如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再调用第一大气光值估测模块,直至所述大气光值不为0;
其中,α大于0,小于5,Δα大于0,小于5。
本发明实施例提供的图像去雾的装置可以应用在前述对应的方法实施例一中,详情参见上述实施例一的描述,在此不再赘述。
实施例四
图5示出了本发明实施例四提供的图像去雾的装置具体结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。该图像去雾的装置5可以是内置于移动终端中的软件单元、硬件单元或者软硬件结合的单元,该装置5包括:带雾判断单元51,还包括实施例三种所示的大气光值估测单元41、透射率估测单元42、透射率优化单元43、透射率修正单元44和图像去雾单元45。
其中,带雾判断单元51,用于判断所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值。
如果所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例小于预设比例值,则调用大气光值估测单元41、透射率估测单元42、透射率优化单元43、透射率修正单元44和图像去雾单元45,对输入图像进行去雾处理;否则,认为所述输入图像为清晰的图像,直接存储所述输入图像至数据库中。
值得注意的是,上述装置实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
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 (9)
1.一种图像去雾的方法,其特征在于,所述方法包括:
估测输入图像的大气光值;
根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;
对所述透射率进行优化,得到优化透射率;
通过引导滤波器对所述优化透射率进行修正,得到透射传播图;
根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
2.如权利要求1所述的方法,其特征在于,在所述估测输入图像的大气光值之前,还包括:
判断所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值。
3.如权利要求1所述的方法,其特征在于,所述对所述透射率进行优化,得到优化透射率包括:
当所述输入图像的当前像素点的RGB分量的亮度最大值和最小值之差小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值大于预设门限时,设置所述像素点对应的优化透射率为1;
否则,设置所述像素点对应的优化透射率为所述透射率。
4.如权利要求1、2或3所述的方法,其特征在于,所述估测输入图像的大气光值包括:
步骤A、获取输入图像;
步骤B、计算所述输入图像的RGB通道中亮度最大值与最小值的差值;
步骤C、从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点;
步骤D、如果当前像素点对应的差值小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A;
步骤E、如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再返回执行步骤D,直至所述大气光值不为0;
其中,α大于0,小于5,Δα大于0,小于5。
5.一种图像去雾的装置,其特征在于,所述装置包括:
大气光值估测单元,用于估测输入图像的大气光值;
透射率估测单元,用于根据雾天成像模型和暗通道先验规律估测所述输入图像的透射率;
透射率优化单元,用于对所述透射率进行优化,得到优化透射率;
透射率修正单元,用于通过引导滤波器对所述优化透射率进行修正,得到透射传播图;
图像去雾单元,用于根据所述雾天成像模型、所述大气光值和所述透射传播图,将所述输入图像恢复为无雾图像。
6.如权利要求4所述的装置,其特征在于,所述装置还包括:
带雾判断单元,用于判断所述输入图像的暗通道中亮度值低于预设亮度阈值的像素所占的比例是否小于预设比例值。
7.如权利要求4所述的装置,其特征在于,所述透射率优化单元包括:
第一优化模块,用于当所述输入图像的当前像素点的RGB分量的亮度最大值和最小值之差小于预设阈值σ,且所述像素点在对应的暗通道中的亮度值大于预设门限时,设置所述像素点对应的优化透射率为1;
第二优化模块,用于否则,设置所述像素点对应的优化透射率为所述透射率。
8.如权利要求5、6或7所述的装置,其特征在于,所述大气光值估测单元包括:
输入图像获取模块,用于获取输入图像;
差值计算模块,用于计算所述输入图像的RGB通道中亮度最大值与最小值的差值;
像素点选取模块,用于从所述输入图像的暗通道中选取亮度最大的、预设数量的像素点;
第一大气光值估测模块,用于如果当前像素点对应的差值小于预设调整值α,则从所述输入图像中选取出所述像素点的RGB各分量中的最大值,并将所述最大值作为大气光值A;
第二大气光值估测模块,用于如果所述大气光值A为0,则使α=α+Δα,同时将下一个像素点作为当前像素点,再调用第一大气光值估测模块,直至所述大气光值不为0;
其中,α大于0,小于5,Δα大于0,小于5。
9.一种移动终端,其特征在于,所述移动终端包括如权利要求5至8任一项所述的图像去雾的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422414.3A CN104166968A (zh) | 2014-08-25 | 2014-08-25 | 一种图像去雾的方法、装置及移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410422414.3A CN104166968A (zh) | 2014-08-25 | 2014-08-25 | 一种图像去雾的方法、装置及移动终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104166968A true CN104166968A (zh) | 2014-11-26 |
Family
ID=51910761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410422414.3A Withdrawn CN104166968A (zh) | 2014-08-25 | 2014-08-25 | 一种图像去雾的方法、装置及移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166968A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 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 |
CN104599266A (zh) * | 2014-12-31 | 2015-05-06 | 小米科技有限责任公司 | 图像中雾气区域的检测方法、装置及终端 |
CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
CN105488769A (zh) * | 2015-12-08 | 2016-04-13 | 中国航空工业集团公司西安航空计算技术研究所 | 一种实时视频去雾方法 |
CN105872373A (zh) * | 2016-03-31 | 2016-08-17 | 北京奇虎科技有限公司 | 一种自动去雾拍照方法、装置和设备 |
CN105973850A (zh) * | 2016-03-14 | 2016-09-28 | 中国科学院合肥物质科学研究院 | 基于单帧彩色图像的可见光波段大气透过率测量方法 |
CN106339988A (zh) * | 2016-01-07 | 2017-01-18 | 深圳艾科创新微电子有限公司 | 一种图像去雾方法及装置 |
CN106846263A (zh) * | 2016-12-28 | 2017-06-13 | 中国科学院长春光学精密机械与物理研究所 | 基于融合通道且对天空免疫的图像去雾方法 |
CN107636724A (zh) * | 2015-07-17 | 2018-01-26 | 中央大学校产学协力团 | 影像的波长自适应去雾装置及方法 |
CN109272475A (zh) * | 2018-08-31 | 2019-01-25 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN115170443A (zh) * | 2022-09-08 | 2022-10-11 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
-
2014
- 2014-08-25 CN CN201410422414.3A patent/CN104166968A/zh not_active Withdrawn
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331867A (zh) * | 2014-11-06 | 2015-02-04 | 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 |
CN104599266B (zh) * | 2014-12-31 | 2017-07-14 | 小米科技有限责任公司 | 图像中雾气区域的检测方法、装置及终端 |
CN104599266A (zh) * | 2014-12-31 | 2015-05-06 | 小米科技有限责任公司 | 图像中雾气区域的检测方法、装置及终端 |
CN104683767A (zh) * | 2015-02-10 | 2015-06-03 | 浙江宇视科技有限公司 | 透雾图像生成方法及装置 |
CN107636724A (zh) * | 2015-07-17 | 2018-01-26 | 中央大学校产学协力团 | 影像的波长自适应去雾装置及方法 |
CN105488769A (zh) * | 2015-12-08 | 2016-04-13 | 中国航空工业集团公司西安航空计算技术研究所 | 一种实时视频去雾方法 |
CN105488769B (zh) * | 2015-12-08 | 2019-02-19 | 中国航空工业集团公司西安航空计算技术研究所 | 一种实时视频去雾方法 |
CN106339988B (zh) * | 2016-01-07 | 2019-06-14 | 深圳开阳电子股份有限公司 | 一种图像去雾方法及装置 |
CN106339988A (zh) * | 2016-01-07 | 2017-01-18 | 深圳艾科创新微电子有限公司 | 一种图像去雾方法及装置 |
CN105973850A (zh) * | 2016-03-14 | 2016-09-28 | 中国科学院合肥物质科学研究院 | 基于单帧彩色图像的可见光波段大气透过率测量方法 |
CN105872373A (zh) * | 2016-03-31 | 2016-08-17 | 北京奇虎科技有限公司 | 一种自动去雾拍照方法、装置和设备 |
CN106846263A (zh) * | 2016-12-28 | 2017-06-13 | 中国科学院长春光学精密机械与物理研究所 | 基于融合通道且对天空免疫的图像去雾方法 |
CN106846263B (zh) * | 2016-12-28 | 2019-11-29 | 中国科学院长春光学精密机械与物理研究所 | 基于融合通道且对天空免疫的图像去雾方法 |
CN109272475A (zh) * | 2018-08-31 | 2019-01-25 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN109272475B (zh) * | 2018-08-31 | 2022-02-18 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN115170443A (zh) * | 2022-09-08 | 2022-10-11 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
CN115170443B (zh) * | 2022-09-08 | 2023-01-13 | 荣耀终端有限公司 | 一种图像处理方法、拍摄方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104166968A (zh) | 一种图像去雾的方法、装置及移动终端 | |
CN108596853B (zh) | 基于背景光统计模型和传输地图优化的水下图像增强方法 | |
CN109523480B (zh) | 一种海雾图像的去雾方法、装置、计算机存储介质及终端 | |
CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN109118446B (zh) | 一种水下图像复原及去噪方法 | |
CN106251301A (zh) | 一种基于暗原色先验的单幅图像去雾方法 | |
CN104331867A (zh) | 图像去雾的方法、装置及移动终端 | |
CN103778599B (zh) | 一种图像处理方法及系统 | |
CN102609909B (zh) | 一种单幅图像去雾方法及装置 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN101783012A (zh) | 一种基于暗原色的自动图像去雾方法 | |
CN107301624A (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾算法 | |
US9704227B2 (en) | Method and apparatus for image enhancement | |
CN103034983B (zh) | 一种基于各向异性滤波的去雾方法 | |
CN104036466A (zh) | 一种视频去雾方法与系统 | |
CN104299192A (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
CN104599256A (zh) | 基于单幅图像的去除图像雨线的方法和系统 | |
CN104318535B (zh) | 图像去雾的方法、装置及移动终端 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN104766307A (zh) | 一种图像处理的方法及设备 | |
CN105118027A (zh) | 一种图像的去雾方法 | |
CN105023246B (zh) | 一种基于对比度和结构相似度的图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C04 | Withdrawal of patent application after publication (patent law 2001) | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20141126 |