CN104766307A - 一种图像处理的方法及设备 - Google Patents
一种图像处理的方法及设备 Download PDFInfo
- Publication number
- CN104766307A CN104766307A CN201510113039.9A CN201510113039A CN104766307A CN 104766307 A CN104766307 A CN 104766307A CN 201510113039 A CN201510113039 A CN 201510113039A CN 104766307 A CN104766307 A CN 104766307A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- map
- pixel
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 10
- 230000002146 bilateral effect Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000001914 filtration Methods 0.000 claims description 105
- 238000002834 transmittance Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 38
- 238000010586 diagram Methods 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004501 airglow Methods 0.000 abstract 5
- 230000006870 function Effects 0.000 description 22
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理的方法及设备,通过引入引导图,保留了采集到的图像的边缘信息,从而提升了通过大气散射模型的方法对雾天降质图像处理后得到的目标图像的显示质量。所述方法包括:根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理的方法及设备。
背景技术
随着计算机视觉与图像处理技术的发展,户外视觉系统已经广泛应用于交通运输、安全防卫、地形检测等领域。然而,在雾天条件下,由于大气中薄雾、烟尘等微粒的散射影响,户外视觉系统获取的图像出现了对比度降低、颜色失真、模糊不清等质量退化问题。
目前,针对如上雾天降质图像的去雾方法大体分为两种,其一为通过针对视觉系统的硬件进行升级,即采用长焦高变倍电动镜头作为高清透雾镜头,通过名为“子弹光”的近红外光线穿透雾气,并在摄像机上对其处理从而达到聚焦成像的目的;其二为通过软件针对视觉系统获取的图像进行去雾处理,一般情况下,采用基于图像增强或者大气散射模型的方法达到对雾天降质图像进行去雾处理的目的。但由于高清透雾镜头价格十分昂贵,而软件去雾算法的成本相比低廉,部署算法也相对比较容易,因此现有的对图像的去雾的效果主要依赖于图像去雾算法。
其中,图像增强的方法一般通过统计雾天降质图像的时域和频域特性,选取适当的图像增强算法,从而提高雾天降质图像的清晰度,但该类方法只能提取部分原图像特征,不能充分利用原图像的全部有用信息,普适性低,稳定性差。而根据大气散射模型的方法克制了此类问题,该大气散射模型主要是从雾天降质图像的物理成因的角度入手,对雾天降质图像进行复原以达到去雾的目的。
综上所述,通过大气散射模型的方法对雾天降质图像处理时,尽管大气散射模型对雾天降质图像去雾处理的效果较好,但仍存在未充分利用原图像的深度信息的问题。
发明内容
本发明实施例提供了一种图像处理的方法及设备,通过引入引导图,增强了采集到的图像的边缘信息,并通过结合联合双边滤波算法,保留了采集到的原图像的边缘信息以及深度信息,从而提升了通过大气散射模型的方法对雾天降质图像处理后得到的目标图像的显示质量。
本发明实施例提供的一种图像处理的方法,该方法包括:
根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;
通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;
根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
通过该方法,以大气散射模型为基础,通过引入引导图,增强了采集到的图像的边缘信息,再利用联合双边滤波算法对该图像进行处理,从而有效的保留了该原图像的边缘信息以及深度信息,从而提升了通过大气散射模型的方法对雾天降质图像处理后得到的目标图像的显示质量。
本发明实施例提供的一种图像处理的设备,该设备包括:
获取灰度图像单元,用于根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;
得到引导图单元,用于通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;
确定大气光幕图单元,用于根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
确定透射率单元,用于根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
确定目标图像单元,用于根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
通过该设备,以大气散射模型为基础,通过引入引导图,增强了采集到的图像的边缘信息,再利用联合双边滤波算法对该图像进行处理,从而有效的保留了该原图像的边缘信息以及深度信息。
附图说明
图1为本发明实施例提供了一种图像处理的方法的流程示意图;
图2为本发明实施例提供了一种图像去雾处理的方法的流程示意图;
图3为本发明实施例提供了一种求解确定的最终大气光幕图的方法的流程示意图;
图4为本发明实施例提供了一种求解大气光值的方法的流程示意图;
图5为本发明实施例提供了一种图像处理的设备的结构示意图。
具体实施方式
本发明实施例提供了一种图像处理的方法及设备,以大气散射模型为基础,通过引入引导图,增强了采集到的图像的边缘信息,并通过结合联合双边滤波算法,实现了对采集到的原图像的边缘信息以及深度信息的保留,从而提升了通过大气散射模型的方法对雾天降质图像处理后得到的目标图像的显示质量。
下面将结合实施例对本发明提供的图像处理方法进行解释说明。
参见图1,本发明实施例提供了一种图像处理的方法,该方法包括:
S101、根据采集到的图像中每一像素的红绿蓝RGB三个通道的亮度值中的最小值,确定灰度图像;
S102、通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;
S103、根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
S104、根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
S105、根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
为能够更好的理解本发明,将简要介绍形成雾天降质图像的原理以及大气散射模型。天空的自然光在雾天大气粒子的散射作用下到达设备捕捉范围,被设备捕获,从而使得采集到的图像受到干扰,导致雾天降质图像的形成。因此,根据形成雾天降质图像的原理,得到的大气散射模型即公式一:
I(x)=J(x)t(x)+A(1-t(x)) 公式一
其中,I(x)表示采集到的图像,即有雾图像;J(x)表示目标图像,即去雾处理后的无雾图像;t(x)表示采集到的图像中每一像素的透射率;A为大气光值。
为能够便于叙述,将大气散射模型中天空的自然光由于雾天大气粒子的散射作用被设备捕获的部分A(1-t(x)),定义为大气光幕图V(x)。从而该大气散射模型被分解为:
I(x)=J(x)t(x)+V(x) 公式二
V(x)=A(1-t(x)) 公式三
因此,根据公式二可知,对目标图像J(x)的求解,也就转换成对透射率t(x)以及大气光幕图V(x)的求解,而根据公式三可知,根据大气光幕图V(x)以及大气光值A,即可得到透射率t(x),因此,对目标图像J(x)的求解,也就转换成对大气光幕图V(x)以及大气光值A的求解。
由于本发明在求解大气光幕图时,为了增强采集到的原图像的边缘,引入了引导图G(x),通过引导图结合联合双边滤波算法对大气光幕图进一步精化。设定V(x)为确定的初始大气光幕图,为确定的最终大气光幕图。
参见图2,本发明实施例提供了一种图像去雾处理的方法,该方法包括:
S201、根据采集到的图像I(x)中每一像素的红色通道R的亮度值、绿色通道G的亮度值以及蓝色通道B的亮度值中的数值,采用最小值算法即公式四,确定灰度图像M(x):
M(x)=minc∈{R,G,B}(Ic(x)); 公式四
S202、根据灰度图像M(x),利用联合双边滤波原理,确定确定的最终大气光幕图
S203、根据灰度图像M(x),利用暗通道原理,确定大气光值A;
S204、根据确定的最终大气光幕图以及大气光值A,利用公式三,得到透射率t(x);
S205、根据采集到的图像I(x)、确定的最终大气光幕图以及透射率t(x),利用公式二,得到目标图像J(x)。
其中,S202与S203并无先后顺序之分,也可以先执行S203再执行S202。
下面将结合图3对S202进行详细的解释说明,即求解确定的最终大气光幕图的方法,该方法包括:
S301、利用中值滤波算法估计S101中确定的灰度图像M(x)中每一像素x处的局部均值N(x),即:
N(x)=medianΩ(x)(M(x)) 公式五
其中,Ω(x)表示以像素x为中心的滤波窗口。
S302、利用中值滤波算法估计灰度图像M(x)中每一像素x处的局部标准差,结合局部均值N(x)得到去噪处理后的K(x),即:
K(x)=N(x)-medianΩ(x)(|M(x)-N(x)|) 公式六
S303、根据S201得到的灰度图像M(x)可知,确定的初始大气光幕图V(x)中的每一像素的大气光幕值均大于零,且小于或者等于该像素对应在灰度图像M(x)上的灰度值。因此,在此前提下,为保持目标图像的自然性,设定调节可视度的阈值p,得到确定的初始大气光幕图V(x),即:
V(x)=max(min(pK(x),M(x)),0),p∈[0,1] 公式七
具体地,阈值p的最优取值范围为p∈[0.9,1]。
其中,S301与S302可以根据不同的需求选择合适的滤波算法,即S301与S302也可以利用双边滤波算法估算N(x)和K(x)。但由于使用中值滤波算法处理图像的速度相比使用双边滤波算法处理的速度快,而且由于本发明还会利用联合双边滤波对确定的初始大气光幕图V(x)进行精细化处理,因此,为保证对采集到的图像的处理效率,S301与S302选择采用中值滤波算法。
下面将利用联合双边滤波算法,对得到的确定的初始大气光幕图V(x)进行精细化处理。联合双边滤波算法是在双边滤波算法的基础上引入引导图信息,从而实现增强图像的边缘信息。其中,双边滤波算法具体为:
其中,Vb(x)表示双边滤波算法后的确定的初始大气光幕图,y表示滤波窗口Ω(x)中原图像中的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,即定义域核,g(V(x)-V(y))表示确定的初始大气光幕图中像素x与像素y的灰度相似度权值,即值域核,V(y)表示确定的初始大气光幕图中像素y的灰度值,σS表示定义域核的高斯滤波参数,σR表示值域核的高斯滤波参数。
S304、利用双边滤波算法估计S201确定的灰度图像M(x),从而得到引导图G(x),即:
G(x)=bilateralΩ(x)(M(x)) 公式十一
S305、通过引入引导图G(x)的联合双边滤波算法,得到确定的最终大气光幕图
其中,y表示滤波窗口Ω(x)中采集到的图像的任一像素,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值,即引导图中像素x与像素y的值域核。
虽然引入引导图的方法,增强了采集到的图像的边缘信息,但也引入了部分有雾信息。为解决该问题,本发明在引入引导图的同时,再引入引导图误差修正函数,该引导图误差修正函数h(V(y)-G(y))为:
其中,σT表示引导图误差修正函数的高斯滤波参数。
通过引入引导图G(x)以及引导图误差修正函数h(V(y)-G(y))的联合双边滤波算法,得到确定的最终大气光幕图
其中,y表示滤波窗口Ω(x)中采集到的图像的任一像素,引导图误差修正函数h(V(y)-G(y)),g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值,即引导图中像素x与像素y的值域核。
由于S203中利用了暗通道原理,对大气光值A进行求解。其中,暗通道原理为单幅无雾图像的非天空部分的像素的RGB三个分量中至少一个颜色分量的强度值趋近于0,该暗通道原理具体表示如下所示:
Jdark(x)→0 公式十七
其中,M(x)表示灰度图像,Jdark(x)表示暗通道图。
因此,正如暗通道原理所假设Jdark(x)=0,根据该假设条件,可得出透射率t(x),但该假设对于天空部分的图像的处理是无效的。由于暗通道图中亮度较高的像素往往包含着大气光值A,因此利用暗通道图的方法对大气光值进行估算。
下面将结合图4对S203进行详细的解释说明,即求解大气光值A的方法,该方法包括:
S401、利用预设的最小值滤波算法,分别对S201确定的灰度图像M(x)中每行像素的灰度值进行计算,确定第一最小灰度值矩阵,再分别对第一最小灰度值矩阵中每列像素的灰度值,利用预设的最小值滤波算法进行计算,确定第二最小灰度值矩阵;或者,利用预设的最小值滤波算法,分别对S201确定的灰度图像M(x)中每列像素的灰度值进行计算,确定第三最小灰度值矩阵,再分别对第三最小灰度值矩阵中每行像素的灰度值,利用预设的最小值滤波算法进行计算,确定第四最小灰度值矩阵;根据所述第二最小灰度值矩阵或者所述第四最小灰度值矩阵中的像素的灰度值,确定暗通道图Jdark(x),其中,所述最小灰度值矩阵图包括:预设的滤波窗口内的最小的灰度值。
S402、统计暗通道图Jdark(x)中亮度值最高的前1%的像素,并根据暗通道图Jdark(x)中的像素与采集到的图像I(x)中的像素的对应关系,确定统计得到的暗通道图中的像素对应在采集到的图像中的像素。
S403、根据确定的采集到的图像中的像素中三个通道的亮度值,分别确定红色通道的亮度值中的最大值、绿色通道的亮度值中的最大值和蓝色通道的亮度值中的最大值。
S404、比较红色通道的亮度值中的最大值、绿色通道的亮度值中的最大值和蓝色通道的亮度值中的最大值,确定最大的亮度值作为大气光值A。
由于现有技术中的最小值滤波算法需要对每一像素的亮度进行多次比较,因而该算法的复杂度高,然而通过本发明实施例中的预设的最小值滤波算法,能够实现每一元素比较不超过三次。
具体地,该预设的最小值滤波算法如下所示:
具体地,将所述灰度图像中每行的第一个像素的索引值加入到预设队列的队首,其中,所述预设的队列为空队列;
对所述第一个像素所在行之后的每一像素做如下处理:
比较该像素的灰度值与所述队列的队尾元素对应的像素的灰度值,当该像素的灰度值小于所述队列的队尾元素对应的像素的灰度值时,删除所述队列的队尾元素,再次比较该像素的灰度值与所述队列的队尾元素对应的像素的灰度值,直到当该像素的灰度值大于所述队列的队尾元素对应的像素的灰度值时,将该像素的索引值加入到所述队列的队尾;
当该像素的索引值不小于预设的滤波窗口的大小时,得到该滤波窗口内所述灰度图像的像素的最小的灰度值,其中,所述灰度图像的像素的最小的灰度值为位于所述队列的队首元素对应的灰度值;
根据该滤波窗口内所述灰度图像的像素的最小的灰度值与该滤波窗口的中心像素的索引值的对应关系,确定第一最小灰度值矩阵;
将所述第一最小灰度值矩阵中每列第一个像素的索引值加入到预设的队列中,其中,所述预设的队列为空队列;
对所述第一个像素所在列之后的每一像素做如下处理:
比较该像素的灰度值与所述队列的队尾元素对应的像素的灰度值,当该像素的灰度值小于所述队列的队尾元素对应的像素的灰度值时,删除所述队列的队尾元素,再次比较该像素的灰度值与所述队列的队尾元素对应的像素的灰度值,直到当该像素的灰度值大于所述队列的队尾元素对应的像素的灰度值时,将该像素所对应的索引值加入到所述队列的队尾;
当该像素的索引值不小于预设的滤波窗口的大小时,确定该滤波窗口内第一最小灰度值矩阵中的最小的灰度值,其中,所述第一最小灰度值矩阵中的最小的灰度值为位于所述队列的队首元素对应的灰度值;
根据该滤波窗口内第一最小灰度值矩阵的最小的灰度值与该滤波窗口的中心像素对应的索引值的对应关系,确定暗通道图。
其中,所述当该像素的索引值不小于预设的滤波窗口的大小时,确定该滤波窗口内所述灰度图像中的像素的最小的灰度值,包括:
当该像素的索引值不小于预设的滤波窗口的大小时,确定所述队列的队首元素所对应的像素是否位于该滤波窗口内;
当所述队列的队首元素所对应的像素不在滤波窗口内时,删除所述队列的队首元素,并将所述队列中的所有元素向队首移动一位,更新所述队列,并得到该滤波窗口内所述灰度图像的像素的最小的灰度值。
其中,当该灰度值的索引值不小于预设的滤波窗口的大小时,得到该滤波窗口内第一最小灰度值矩阵的最小的灰度值,包括:
当该灰度值的索引值不小于预设的滤波窗口的大小时,确定所述队列的队首元素所对应的像素是否位于该滤波窗口内;
当所述队列的队首元素所对应的像素不在滤波窗口内时,删除所述队列的队首元素,并将所述队列中的所有元素向队首移动一位,更新所述队列,并得到该滤波窗口内第一最小灰度值矩阵的最小的灰度值。
为能够更好理解该预设的最小值滤波算法,下面将结合附图与实施例进行解释说明。但本发明并不局限于下面所述的实施例。
假设灰度图像M(x)每一行包括十个像素,该像素的亮度表示为a[i],其中,i表示该像素的索引下标。按照预设的最小值滤波算法,对灰度图像M(x)中任一行进行滤波处理。该行像素组成的亮度值集合为a[10]={17,25,2,0,7,80,5,11,30,3}。假设,预设的最小值滤波算法的滤波窗口的大小为五个像素大小,双端队列的长度与滤波窗口大小相同,即双端队列表示为b[5]。
当i为0时,将该行第一个像素的索引下标“0”加入双端队列,即该索引下标为队首,此时双端队列为b[5]={0,,,,}。
当i为1时,a[1]>a[0],将该行第二个像素的索引下标“1”加入双端队列,位于第一个像素的索引下标的后一个,此时双端队列为b[5]={0,1,,,}。
当i为2时,a[2]<a[1],删除双端队列队尾,即将该行第二个像素的索引下标“1”删除,此时双端队列为b[5]={0,,,,};再次比较a[2]与a[0]的大小,由于a[2]<a[0],继续删除双端队列队尾,此时的队尾为该行第一个像素的索引下标“0”,此时双端队列为b[5]={,,,,};由于此时双端队列中没有数值,则将该行第三个像素的索引下标“2”加入双端队列,此时双端队列为b[5]={2,,,,}。
当i为3时,a[3]<a[2],删除双端队列队尾,即将该行第三个像素的索引下标“2”删除,此时双端队列为b[5]={,,,,};由于此时双端队列中没有数值,将该行第四个像素的索引下标“3”加入双端队列,此时双端队列为b[5]={3,,,,}。
当i为4时,a[4]>a[3],将该行第五个像素的索引下标“4”加入双端队列,此时双端队列为b[5]={3,4,,,}。
当i为5时,a[5]>a[4],将该行第六个像素的索引下标“5”加入双端队列,此时双端队列为b[5]={3,4,5,,},此时以第四个像素为中心的窗口中像素的最小亮度值为a[3]。
当i为6时,a[6]<a[5],删除双端队列队尾,即将该行第六个像素的索引下标“5”删除,此时双端队列为b[5]={3,4,,,};a[6]<a[4],删除双端队列队尾,即将该行第五个像素的索引下标“4”删除,此时双端队列为b[5]={3,,,,};a[6]>a[3],将该行第七个像素的索引下标“6”加入双端队列,此时双端队列为b[5]={3,6,,,},此时以第五个像素为中心的窗口中像素的最小亮度值为a[3]。
当i为7时,a[7]>a[6],将该行第八个像素的索引下标“7”加入双端队列,此时双端队列为b[5]={3,6,7,,},此时以第六个像素为中心的窗口中像素的最小亮度值为a[3]。
当i为8时,a[8]>a[7],将该行第九个像素的索引下标“8”加入双端队列,此时双端队列为b[5]={3,6,7,8,};由于i=block+b[1],则删除双端队列队首,此时双端队列为b[5]={6,7,8,,},此时以第七个像素为中心的窗口中像素的最小亮度值为a[6]。
当i为9时,a[9]<a[8],删除双端队列队尾,即将该行第九个像素的索引下标“8”删除,此时双端队列为b[5]={6,7,,,};a[9]<a[7],删除双端队列队尾,即将该行第八个像素的索引下标“7”删除,此时双端队列为b[5]={6,,,,};a[9]<a[6],删除双端队列队尾,即将该行第七个像素的索引下标“6”删除,此时双端队列为b[5]={,,,,};由于此时双端队列中没有数值,将该行第十个像素的索引下标“9”加入双端队列,此时双端队列为b[5]={9,,,,},此时以第八个像素为中心的窗口中像素的最小亮度值为a[9]。
至此,该行像素的最小值滤波完毕,得到矩阵c[5]={0,0,0,5,3}。然后将每一行都进行上述操作,从而得到最小灰度值矩阵,再利用预设的最小值滤波算法,对该最小灰度值矩阵中每列灰度值进行计算,得到暗通道图。
由于暗通道原理所假设Jdark(x)=0对采集到的图像中的天空部分的处理,将会导致该天空部分图像失真,因此,本发明通过确定天空部分图像的像素,然后通过调整该像素的透射率,从而实现对该天空部分图像的去雾恢复。
具体地,当所述采集到的图像中每一像素的红色通道的亮度值满足预设条件或者绿色通道的亮度值满足预设条件或者蓝色通道的亮度值满足预设条件时,调节该像素满足预设条件的通道所对应的透射率,其中,所述预设条件包括:所述采集到的图像中每一像素的红色通道的亮度值与所述大气光值的差值小于预设的常数,或者绿色通道的亮度值与所述大气光值的差值小于预设的常数,或者蓝色通道的亮度值与所述大气光值的差值小于预设的常数;根据所述采集到的图像、所述大气光幕图以及确定的满足预设条件的通道所对应的调节后的透射率,利用大气散射模型确定目标图像;
当所述采集到的图像中每一像素中的三个通道的亮度值不满足预设条件时,则根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
由于通过本发明的联合双边滤波算法处理后的目标图像,针对部分图像难免有偏色的情况出现,但该目标图像相比通过暗通道原理处理后的图像偏色情况明显减轻,但为达到最佳的效果,进一步解决偏色问题,因此,本发明实施例在S205之后,对S205中所得到的目标图像进行如下处理:
选取所述目标图像中每一像素满足预设亮度范围的红色通道,并计算所述满足预设亮度范围的红色通道的平均值;
选取所述目标图像中每一像素满足预设亮度范围的绿色通道,并计算所述满足预设亮度范围的绿色通道的平均值;
选取所述目标图像中每一像素满足预设亮度范围的蓝色通道,并计算所述满足预设亮度范围的蓝色通道的平均值;
根据所述目标图像、所述满足预设亮度范围的红色通道的平均值、所述满足预设亮度范围的绿色通道的平均值以及所述满足预设亮度范围的蓝色通道的平均值,通过白平衡处理得到偏色处理后的目标图像。
其中,所述预设条件为|Ic(x)-A|<b,c∈{R,G,B},其中,Ic(x)表示所述采集到的图像中任一像素的红色通道或绿色通道或蓝色通道,I(x)表示所述采集到的图像,R表示采集到的图像中的像素的红色分量,G表示采集到的图像中的像素的绿色分量,B表示采集到的图像中的像素的蓝色分量,A表示大气光值,b为预设常数且b∈[45,75]。
当所述采集到的图像中每一像素的红色通道的亮度值满足预设条件或者绿色通道的亮度值满足预设条件或者蓝色通道的亮度满足预设条件时,采用如下公式,调节该像素满足预设条件的分量所对应的透射率:
其中,|Ic(x)-A|表示满足预设条件的通道的亮度值与所述大气光值的差值,t(x)表示满足预设条件的通道所对应的透射率。
根据所述采集到的图像、所述大气光幕图以及确定的满足预设条件的通道所对应的调节后的透射率,利用大气散射模型确定目标图像,包括:
采用如下公式确定目标图像:
其中,J(x)表示目标图像,I(x)表示采集到的图像,表示大气光幕图,表示满足预设条件的通道所对应的调节后的透射率。
当所述采集到的图像中每一像素的分量的强度值不满足预设条件时,则根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像,包括:
当所述采集到的图像中每一像素的三个通道的亮度值不满足预设条件时,采用如下公式确定目标图像:
其中,J(x)表示目标图像,I(x)表示采集到的图像,表示大气光幕图,t(x)表示采集到的图像的像素的透射率。
参见图5,本发明实施例提供了一种图像处理的设备,该设备包括:
获取灰度图像单元501,用于根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;
得到引导图单元502,用于通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;
确定大气光幕图单元503,用于根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
确定透射率单元504,用于根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
确定目标图像单元505,用于根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
具体地,所述得到引导图单元502在通过暗通道去雾算法,利用所述灰度图像确定大气光值时,具体用于:
利用预设的最小值滤波算法,分别对所述灰度图像中每行像素或每列像素中的每一像素的灰度值进行计算,确定第一最小灰度值矩阵;
利用所述预设的最小值滤波算法,分别对所述第一最小灰度值矩阵中每列像素的灰度值中的每一灰度值进行计算,确定第二最小灰度值矩阵;
根据所述第二最小灰度值矩阵中的像素的灰度值,确定暗通道图;
根据所述暗通道图,利用暗通道去雾算法确定大气光值。
具体地,所述确定大气光幕图单元503,具体用于:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图;
所述确定目标图像单元505,具体用于:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
具体地,所述确定大气光幕图单元503,具体用于:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数,其中,所述引导图误差修正函数为所述初始大气光幕图中每一像素的灰度值与引导图中对应像素的灰度值的差值的高斯核函数;
根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图;
所述确定目标图像单元505,具体用于:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
具体地,所述确定目标图像单元505,具体用于:
若所述采集到的图像中的像素的红绿蓝任一通道的亮度值满足预设条件,则根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率;
根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设调节的通道所对应的调节后的透射率,利用大气散射模型确定目标图像。
具体地,所述确定目标图像单元505,还用于:
在所述目标图像的像素的红绿蓝每一通道中,选取满足预设亮度值范围的亮度值,并分别计算满足预设亮度值范围的红色通道的亮度值的平均值、满足预设条件的绿色通道的亮度值的平均值以及满足预设条件的蓝色通道的亮度值的平均值;
根据所述目标图像、所述红色通道的亮度值的平均值、所述绿色通道的亮度值的平均值以及所述蓝色通道的亮度值的平均值,通过白平衡处理得到偏色处理后的图像。
具体地,所述得到引导图单元502在通过双边滤波算法,利用所述灰度图像生成引导图时,具体用于:
采用如下公式,生成引导图:
G(x)=bilateralΩ(x)(M(x));
其中,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,M(x)表示灰度图像。
具体地,所述确定大气光幕图单元503在根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图时,具体用于:
通过如下公式确定最终大气光幕图:
其中,表示最终大气光幕图,V(y)表示初始大气光幕图,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,即定义域核,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值,即值域核,σS表示定义域核的高斯滤波参数,σR表示值域核的高斯滤波参数。
具体地,所述确定大气光幕图单元503在根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数时,具体用于:
通过如下公式确定引导图误差修正函数:
其中,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,y表示以像素x为中心的滤波窗口中采集到的图像的任一像素,σT表示引导图误差修正函数的高斯滤波参数。
具体地,所述确定大气光幕图单元503在根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图时,具体用于:
采用如下公式,确定最终大气光幕图:
其中,表示最终大气光幕图,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值。
具体地,所述预设条件为|Ic(x)-A|<b,c∈{R,G,B},其中,Ic(x)表示所述采集到的图像中任一像素的红色通道或绿色通道或蓝色通道,I(x)表示所述采集到的图像,R表示采集到的图像中的像素的红色通道,G表示采集到的图像中的像素的绿色通道,B表示采集到的图像中的像素的蓝色通道,A表示大气光值,b为预设常数。
具体地,所述确定目标图像单元505在根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率时,具体用于:
采用如下公式确定该通道所对应的调节后的透射率:
其中,|Ic(x)-A|表示满足预设条件的通道的亮度值与所述大气光值的差值,t(x)表示满足预设条件的通道所对应的透射率;
所述确定目标图像单元505在根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设调节的通道所对应的调节后的透射率,利用大气散射模型确定目标图像时,具体用于:
采用如下公式确定目标图像:
其中,J(x)表示目标图像,I(x)表示采集到的图像,表示最终确定的大气光幕图,表示满足预设条件的通道所对应的调节后的透射率。
具体地,本发明实施例中所述获取灰度图像单元501、所述得到引导图单元502、所述确定大气光幕图单元503、所述确定透射率单元504以及所述确定目标图像单元505均可由处理器实现。
综上所述,本发明提供了一种图像处理的方法及设备,用以实现以大气散射模型为基础,通过引入引导图,增强了采集到的图像的边缘信息,并通过结合联合双边滤波算法,实现了对采集到的原图像的边缘信息以及深度信息的保留;并通过引入引导图误差修正函数,对引入的引导图中的信息进行修正,从而实现了对采集到的图像的边缘信息的增强;通过预设的最小值滤波算法,简化了最小值滤波算法,从而实现了暗通道图的求解效率的提升;通过优化该天空部分图像像素的透射率,从而实现对该天空部分图像的去雾恢复;通过对目标图像进行偏色处理,从而能够更好的恢复采集到的图像。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (24)
1.一种图像处理的方法,其特征在于,该方法包括:
根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;
通过双边滤波算法,利用所述灰度图像生成引导图,以及通过暗通道去雾算法,利用所述灰度图像确定大气光值;
根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
2.根据权利要求1所述的方法,其特征在于,所述通过暗通道去雾算法,利用所述灰度图像确定大气光值,包括:
利用预设的最小值滤波算法,分别对所述灰度图像中每行像素或每列像素中的每一像素的灰度值进行计算,确定第一最小灰度值矩阵;
利用所述预设的最小值滤波算法,分别对所述第一最小灰度值矩阵中每列像素的灰度值中的每一灰度值进行计算,确定第二最小灰度值矩阵;
根据所述第二最小灰度值矩阵中的像素的灰度值,确定暗通道图;
根据所述暗通道图,利用暗通道去雾算法确定大气光值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述引导图,利用联合双边滤波算法对所述灰度图进行处理,确定大气光幕图,包括:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图;
所述根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像,包括:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
4.根据权利要求2所述的方法,其特征在于,所述根据所述引导图,利用联合双边滤波算法对所述灰度图进行处理,确定大气光幕图,包括:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数,其中,所述引导图误差修正函数为所述初始大气光幕图中每一像素的灰度值与引导图中对应像素的灰度值的差值的高斯核函数;
根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图;
所述根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像,包括:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
5.根据权利要求3或4所述的方法,其特征在于,在根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率之后,该方法还包括:
若所述采集到的图像中的像素的红绿蓝任一通道的亮度值满足预设条件,则根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率;
所述根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像,包括:
根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设条件的通道所对应的调节后的透射率,利用大气散射模型确定目标图像。
6.根据权利要求1所述的方法,其特征在于,在根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像之后,该方法还包括:
在所述目标图像的像素的红绿蓝每一通道中,选取满足预设亮度值范围的亮度值,并分别计算满足预设亮度值范围的红色通道的亮度值的平均值、满足预设条件的绿色通道的亮度值的平均值以及满足预设条件的蓝色通道的亮度值的平均值;
根据所述目标图像、所述红色通道的亮度值的平均值、所述绿色通道的亮度值的平均值以及所述蓝色通道的亮度值的平均值,通过白平衡处理得到偏色处理后的图像。
7.根据权利要求1所述的方法,其特征在于,通过双边滤波算法,利用所述灰度图像生成引导图,包括:
采用如下公式,生成引导图:
G(x)=bilateralΩ(x)(M(x));
其中,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,M(x)表示灰度图像。
8.根据权利要求3所述的方法,其特征在于,根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图,包括:
通过如下公式确定最终大气光幕图:
其中,表示最终大气光幕图,V(y)表示初始大气光幕图,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,即定义域核,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值,即值域核,σS表示定义域核的高斯滤波参数,σR表示值域核的高斯滤波参数。
9.根据权利要求4所述的方法,其特征在于,根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数,包括:
通过如下公式确定引导图误差修正函数:
其中,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,y表示以像素x为中心的滤波窗口中采集到的图像的任一像素,σT表示引导图误差修正函数的高斯滤波参数。
10.根据权利要求9所述的方法,其特征在于,根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图,包括:
采用如下公式,确定最终大气光幕图:
其中,表示最终大气光幕图,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值。
11.根据权利要求5所述的方法,其特征在于,所述预设条件为c∈{R,G,B},其中,Ic(x)表示所述采集到的图像中任一像素的红色通道或绿色通道或蓝色通道,I(x)表示所述采集到的图像,R表示采集到的图像中的像素的红色通道,G表示采集到的图像中的像素的绿色通道,B表示采集到的图像中的像素的蓝色通道,A表示大气光值,b为预设常数。
12.根据权利要求11所述的方法,其特征在于,根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率,包括:
采用如下公式,确定该通道所对应的调节后的透射率:
其中,|Ic(x)-A|表示满足预设条件的通道的亮度值与所述大气光值的差值,t(x)表示满足预设条件的通道所对应的透射率;
根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设条件的通道所对应的调节后的透射率,利用大气散射模型确定目标图像,包括:
采用如下公式确定目标图像:
其中,J(x)表示目标图像,I(x)表示采集到的图像,表示最终大气光幕图,表示满足预设条件的通道所对应的调节后的透射率。
13.一种图像处理的设备,其特征在于,该设备包括:
获取灰度图像单元,用于根据采集到的图像中每一像素的红绿蓝三个通道的亮度值中最小的值,确定灰度图像;
得到引导图单元,用于通过双边滤波算法,利用所述灰度图像生成引导图,以及,通过暗通道去雾算法,利用所述灰度图像确定大气光值;
确定大气光幕图单元,用于根据所述引导图,利用联合双边滤波算法对所述灰度图像进行处理,确定大气光幕图;
确定透射率单元,用于根据所述大气光值以及所述大气光幕图,确定所述采集到的图像中的像素的透射率;
确定目标图像单元,用于根据所述采集到的图像、所述大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
14.根据权利要求13所述的设备,其特征在于,所述得到引导图单元在通过暗通道去雾算法,利用所述灰度图像确定大气光值时,具体用于:
利用预设的最小值滤波算法,分别对所述灰度图像中每行像素或每列像素中的每一像素的灰度值进行计算,确定第一最小灰度值矩阵;
利用所述预设的最小值滤波算法,分别对所述第一最小灰度值矩阵中每列像素的灰度值中的每一灰度值进行计算,确定第二最小灰度值矩阵;
根据所述第二最小灰度值矩阵中的像素的灰度值,确定暗通道图;
根据所述暗通道图,利用暗通道去雾算法确定大气光值。
15.根据权利要求14所述的设备,其特征在于,所述确定大气光幕图单元,具体用于:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图;
所述确定目标图像单元,具体用于:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
16.根据权利要求14所述的设备,其特征在于,所述确定大气光幕图单元,具体用于:
根据所述灰度图像,确定初始大气光幕图,其中,该初始大气光幕图是基于所述灰度图像中像素的灰度值的估计值生成的;
根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数,其中,所述引导图误差修正函数为所述初始大气光幕图中每一像素的灰度值与引导图中对应像素的灰度值的差值的高斯核函数;
根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图;
所述确定目标图像单元,具体用于:
根据所述采集到的图像、所述最终大气光幕图以及所述透射率,利用大气散射模型确定目标图像。
17.根据权利要求15或16所述的设备,其特征在于,所述确定目标图像单元,具体用于:
若所述采集到的图像中的像素的红绿蓝任一通道的亮度值满足预设条件,则根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率;
根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设调节的通道所对应的调节后的透射率,利用大气散射模型确定目标图像。
18.根据权利要求13所述的设备,其特征在于,所述确定目标图像单元,还用于:
在所述目标图像的像素的红绿蓝每一通道中,选取满足预设亮度值范围的亮度值,并分别计算满足预设亮度值范围的红色通道的亮度值的平均值、满足预设条件的绿色通道的亮度值的平均值以及满足预设条件的蓝色通道的亮度值的平均值;
根据所述目标图像、所述红色通道的亮度值的平均值、所述绿色通道的亮度值的平均值以及所述蓝色通道的亮度值的平均值,通过白平衡处理得到偏色处理后的图像。
19.根据权利要求13所述的设备,其特征在于,所述得到引导图单元在通过双边滤波算法,利用所述灰度图像生成引导图时,具体用于:
采用如下公式,生成引导图:
G(x)=bilateralΩ(x)(M(x));
其中,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,M(x)表示灰度图像。
20.根据权利要求15所述的设备,其特征在于,所述确定大气光幕图单元在根据所述初始大气光幕图以及所述引导图,利用联合双边滤波算法确定最终大气光幕图时,具体用于:
通过如下公式确定最终大气光幕图:
其中,表示最终大气光幕图,V(y)表示初始大气光幕图,G(x)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,即定义域核,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值,即值域核,σS表示定义域核的高斯滤波参数,σR表示值域核的高斯滤波参数。
21.根据权利要求16所述的设备,其特征在于,所述确定大气光幕图单元在根据所述初始大气光幕图以及所述引导图,利用高斯核函数确定引导图误差修正函数时,具体用于:
通过如下公式确定引导图误差修正函数:
其中,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,y表示以像素x为中心的滤波窗口中采集到的图像的任一像素,σT表示引导图误差修正函数的高斯滤波参数。
22.根据权利要求21所述的设备,其特征在于,所述确定大气光幕图单元在根据所述初始大气光幕图、所述引导图以及所述引导图误差修正函数,利用联合双边滤波算法确定最终大气光幕图时,具体用于:
采用如下公式,确定最终大气光幕图:
其中,表示最终大气光幕图,h(V(y)-G(y))表示引导图误差修正函数,V(y)表示初始大气光幕图,G(y)表示采集到的图像的引导图,Ω(x)表示以像素x为中心的滤波窗口,y表示该滤波窗口中采集到的图像的任一像素,f(x-y)表示像素x与像素y的空间相似度权值,g(G(x)-G(y))表示引导图中像素x与像素y的灰度相似度权值。
23.根据权利要求17所述的设备,其特征在于,所述预设条件为c∈{R,G,B},其中,Ic(x)表示所述采集到的图像中任一像素的红色通道或绿色通道或蓝色通道,I(x)表示所述采集到的图像,R表示采集到的图像中的像素的红色通道,G表示采集到的图像中的像素的绿色通道,B表示采集到的图像中的像素的蓝色通道,A表示大气光值,b为预设常数。
24.根据权利要求23所述的设备,其特征在于,所述确定目标图像单元在根据该像素满足预设条件的通道的亮度值与所述大气光值的差值以及该通道所对应的透射率,确定该通道所对应的调节后的透射率时,具体用于:
采用如下公式确定该通道所对应的调节后的透射率:
其中,|Ic(x)-A|表示满足预设条件的通道的亮度值与所述大气光值的差值,t(x)表示满足预设条件的通道所对应的透射率;
所述确定目标图像单元在根据所述采集到的图像、所述最终大气光幕图以及确定的满足预设调节的通道所对应的调节后的透射率,利用大气散射模型确定目标图像时,具体用于:
采用如下公式确定目标图像:
其中,J(x)表示目标图像,I(x)表示采集到的图像,表示确定的最终大气光幕图,表示满足预设条件的通道所对应的调节后的透射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113039.9A CN104766307A (zh) | 2015-03-13 | 2015-03-13 | 一种图像处理的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113039.9A CN104766307A (zh) | 2015-03-13 | 2015-03-13 | 一种图像处理的方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104766307A true CN104766307A (zh) | 2015-07-08 |
Family
ID=53648116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510113039.9A Pending CN104766307A (zh) | 2015-03-13 | 2015-03-13 | 一种图像处理的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766307A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513024A (zh) * | 2015-12-07 | 2016-04-20 | 魅族科技(中国)有限公司 | 一种图像处理的方法及终端 |
CN105592304A (zh) * | 2015-12-31 | 2016-05-18 | 成都移动魔方科技有限公司 | 一种远程自动数据采集方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN107464225A (zh) * | 2017-07-27 | 2017-12-12 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN107633490A (zh) * | 2017-09-19 | 2018-01-26 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN107680054A (zh) * | 2017-09-26 | 2018-02-09 | 长春理工大学 | 雾霾环境下多源图像融合方法 |
CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
WO2018054189A1 (zh) * | 2016-09-26 | 2018-03-29 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
CN108416741A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
CN110189348A (zh) * | 2019-05-29 | 2019-08-30 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN114022397A (zh) * | 2022-01-06 | 2022-02-08 | 广东欧谱曼迪科技有限公司 | 一种内窥镜图像去雾方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908210A (zh) * | 2010-08-13 | 2010-12-08 | 北京工业大学 | 彩色图像去雾处理方法和系统 |
CN101950416A (zh) * | 2010-09-15 | 2011-01-19 | 北京理工大学 | 基于双边滤波的实时图像去雾增强方法 |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN103489166A (zh) * | 2013-10-12 | 2014-01-01 | 大连理工大学 | 一种基于双边滤波的单幅图像去雾方法 |
US20140072216A1 (en) * | 2012-09-10 | 2014-03-13 | Google Inc. | Image De-Hazing by Solving Transmission Value |
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
CN104281999A (zh) * | 2013-07-12 | 2015-01-14 | 东北师范大学 | 基于结构信息的单幅图像去雾方法 |
-
2015
- 2015-03-13 CN CN201510113039.9A patent/CN104766307A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908210A (zh) * | 2010-08-13 | 2010-12-08 | 北京工业大学 | 彩色图像去雾处理方法和系统 |
CN101950416A (zh) * | 2010-09-15 | 2011-01-19 | 北京理工大学 | 基于双边滤波的实时图像去雾增强方法 |
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
US20140072216A1 (en) * | 2012-09-10 | 2014-03-13 | Google Inc. | Image De-Hazing by Solving Transmission Value |
CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN104281999A (zh) * | 2013-07-12 | 2015-01-14 | 东北师范大学 | 基于结构信息的单幅图像去雾方法 |
CN103489166A (zh) * | 2013-10-12 | 2014-01-01 | 大连理工大学 | 一种基于双边滤波的单幅图像去雾方法 |
Non-Patent Citations (4)
Title |
---|
CHUNXIA XIAO等: "Fast image dehazing using guided joint bilateral filter", 《THE VISUAL COMPUTER》 * |
KAIMING HE 等: "Single image haze removal using dark channel prior", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
游谦: "雾天退化图像的清晰方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
秦占民: "基于结构保持的图像去雾方法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513024A (zh) * | 2015-12-07 | 2016-04-20 | 魅族科技(中国)有限公司 | 一种图像处理的方法及终端 |
CN105592304A (zh) * | 2015-12-31 | 2016-05-18 | 成都移动魔方科技有限公司 | 一种远程自动数据采集方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106204494B (zh) * | 2016-07-15 | 2019-11-22 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
WO2018054189A1 (zh) * | 2016-09-26 | 2018-03-29 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
CN107872608A (zh) * | 2016-09-26 | 2018-04-03 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
US10911644B2 (en) | 2016-09-26 | 2021-02-02 | Huawei Technologies Co., Ltd. | Device and method for improving image quality |
CN107872608B (zh) * | 2016-09-26 | 2021-01-12 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
CN107464225B (zh) * | 2017-07-27 | 2020-05-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN107464225A (zh) * | 2017-07-27 | 2017-12-12 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN107633490A (zh) * | 2017-09-19 | 2018-01-26 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN107633490B (zh) * | 2017-09-19 | 2023-10-03 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN107680054A (zh) * | 2017-09-26 | 2018-02-09 | 长春理工大学 | 雾霾环境下多源图像融合方法 |
CN107680054B (zh) * | 2017-09-26 | 2021-05-18 | 长春理工大学 | 雾霾环境下多源图像融合方法 |
CN107844761B (zh) * | 2017-10-25 | 2021-08-10 | 海信集团有限公司 | 交通标志的检测方法及装置 |
CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
CN108416741A (zh) * | 2018-01-23 | 2018-08-17 | 浙江工商大学 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
CN108416741B (zh) * | 2018-01-23 | 2021-10-12 | 浙江工商大学 | 基于亮度对比度增强和饱和度补偿的快速图像去雾方法 |
CN110189348B (zh) * | 2019-05-29 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN110189348A (zh) * | 2019-05-29 | 2019-08-30 | 北京达佳互联信息技术有限公司 | 头像处理方法、装置、计算机设备及存储介质 |
CN114022397A (zh) * | 2022-01-06 | 2022-02-08 | 广东欧谱曼迪科技有限公司 | 一种内窥镜图像去雾方法、装置、电子设备及存储介质 |
CN114022397B (zh) * | 2022-01-06 | 2022-04-19 | 广东欧谱曼迪科技有限公司 | 一种内窥镜图像去雾方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766307A (zh) | 一种图像处理的方法及设备 | |
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN105354806B (zh) | 基于暗通道的快速去雾方法及系统 | |
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 | |
CN104794697B (zh) | 一种基于暗原色先验的图像去雾方法 | |
CN108876743A (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
CN110827218B (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
CN110827210B (zh) | 一种基于颜色曲线分解的水下图像清晰化方法及系统 | |
CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
CN110689490A (zh) | 一种基于纹理颜色特征和优化透射率的水下图像复原方法 | |
CN110570360A (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN103578083A (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN102609909A (zh) | 一种单幅图像去雾方法及装置 | |
CN106355560A (zh) | 一种雾霾图像中大气光值的提取方法及系统 | |
CN104318535A (zh) | 图像去雾的方法、装置及移动终端 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN105631825B (zh) | 基于滚动导向的图像去雾方法 | |
CN112200755B (zh) | 一种图像去雾方法 | |
CN107437241B (zh) | 一种结合边缘检测的暗通道图像去雾方法 | |
CN104715456A (zh) | 一种图像的去雾方法 | |
CN112598777B (zh) | 一种基于暗通道先验的雾霾融合方法 | |
Negru et al. | Exponential image enhancement in daytime fog conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150708 |