CN104823216B - 图像处理装置、图像处理方法和程序 - Google Patents
图像处理装置、图像处理方法和程序 Download PDFInfo
- Publication number
- CN104823216B CN104823216B CN201380059158.XA CN201380059158A CN104823216B CN 104823216 B CN104823216 B CN 104823216B CN 201380059158 A CN201380059158 A CN 201380059158A CN 104823216 B CN104823216 B CN 104823216B
- Authority
- CN
- China
- Prior art keywords
- mist
- correction
- pixel
- brightness
- ingredient
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims description 24
- 238000012937 correction Methods 0.000 claims abstract description 287
- 239000003595 mist Substances 0.000 claims abstract description 266
- 238000011084 recovery Methods 0.000 claims abstract description 80
- 238000004040 coloring Methods 0.000 claims abstract description 34
- 230000002829 reductive effect Effects 0.000 claims abstract description 13
- 239000004615 ingredient Substances 0.000 claims description 223
- 238000000034 method Methods 0.000 claims description 81
- 230000008569 process Effects 0.000 claims description 71
- 238000010586 diagram Methods 0.000 claims description 24
- 230000001629 suppression Effects 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 abstract description 11
- 238000000926 separation method Methods 0.000 abstract description 7
- 239000013589 supplement Substances 0.000 description 66
- 238000005516 engineering process Methods 0.000 description 10
- 238000002834 transmittance Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000002401 inhibitory effect Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002073 mitogenetic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6027—Correction or control of colour gradation or colour contrast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种图像处理设备，包括：框架分离单元，该框架分离单元从原始图像分离代表通用结构的框架成分；雾/霭校正单元，该雾/霭校正单元基于框架成分的每个颜色通道中的颜色信息计算校正率，由此使得像素的照度越高，被减少的照度就越低，并且该雾/霭校正单元基于校正率校正原始图像中的每个像素的照度；以及照度恢复单元，该照度恢复单元关于在其上的照度已被校正的原始图像，用环境光的照度作为目标恢复其照度。
Description
技术领域
本发明涉及图像处理装置、图像处理方法和程序。
背景技术
在存在雾/霭的情况下，如在图8中所图示的，将被捕获的来自物体的反射光由于在从物体路由到相机传感器时雾/霭的颗粒的散射而被衰减。与此同时，环境光也被雾/霭的颗粒散射并且因此经散射的环境光也到达相机传感器。因此，向相机传感器施加的光变成来自物体的衰减的反射光和经散射的环境光的混合光。在像素位置x处具有波长λ的观测光I(x,λ)由方程式(1)通过使用在像素位置x处的反射光J(x,λ)和环境光A(λ)表达。在这里，t(x,λ)指示反射光的透光率。反射光的透光率在其中环境大气的状态统一的情况下由方程式(2)通过使用每单位距离的扩散系数k和到物体的距离d表达。
I(x，λ)＝t(x，λ)·J(x，λ)+(1-t(x，λ))·A(λ)…(1)
t(x，λ)＝exp(-k(λ)·d(x))…(2)
在可见光波长区域中，由雾/霭的颗粒引起的光的散射被认为独立于的光的波长而相同。因此，观测光I(x,λ)可以由方程式(3)表达。
在其中存在雾/霭的条件下的视频图像恢复技术中，从观测光I(x,λ)估计来自物体的未衰减的反射光J(x,λ)以输出图像，更具体而言，通过估计反射光的透光率t(x)，使用方程式(4)计算反射光J(x,λ)。
在以上描述的估计和恢复中，需要从观测光I(x,λ)针对每个像素估计两个信息(比如反射光J(x,λ)和透光率t(x))，从而使得方程式结果造成其中无法找到解答的不适定问题。因此，需要应当基于关于环境的初步提供的知识估计反射光J(x,λ)和透光率t(x)的最优解。
迄今为止提出了其中反射光和透光率被估计以用于移除雾/霭的一定数量的技术。在它们之中，以下参照非专利文献1和非专利文献2描述了用于关于一张图像作为输入执行校正处理的方法。
非专利文献1公开了其中基于静态获得的知识生成恢复图像的技术，该知识为不具有雾/霭的自然描述图像在目标像素周围包括如下像素，该像素在红色(R)通道、绿色(G)通道和蓝色(B)通道中的任一通道中的值为0。因此，如果在目标像素周围不存在其值为0的像素，则假定这样的情况是环境光的由于雾/霭的重叠的效果的结果，透光率基于重叠量被计算。
进一步地，非专利文献2公开了用于使反射光和环境光相互分离的方法，该方法关注于在到物体的纹理的距离和到物体的距离之间的不相关性(即，环境光的由于雾的重叠的程度)。
[引用列表]
[非专利文献]
[非专利文献1]Kaiming He、Jian Sun和Xiaou Tang，Single Image HazeRemoval Using Dark Channel Prior。关于计算机视觉与模式识别的IEEE会议，2009。
[非专利文献2]Raanan Fattal，Single Image Dehazing。ACM SIGGRAPH 2008，2008。
发明内容
[对问题的解决方案]
然而，非专利文献1的技术包括待解决的这样的问题，该问题为对在以上描述的条件未被满足的区域(例如，天空和白色建筑的区域)进行过度校正。
非专利文献2的技术被期望以在理论上生成高质量图像；然而，作为仿真的结果，在广泛地由光源成分的由于雾的重叠所占据的区域中获得的是低质量输出。这是因为在色带之间的不同信息被用作暗示物体的纹理的信息。更具体而言，在广泛地由光源成分的由于雾的重叠所占据的区域中，这样的区域易受由于在色带之间的极小差值的影响。
本发明被做出以提供能够在如下情况下执行高质量雾/霭校正处理的图像处理装置、图像处理方法和程序，该情况为其中围绕目标像素不存在其值在红色(R)通道、绿色(G)通道和蓝色(B)通道中的任一通道中为0的像素的情况以及其中在色带之间的不同值小的情况。
[用于解决问题的手段]
本发明涉及一种图像处理装置，该图像处理装置包括：骨架(skeleton)成分分离单元，该骨架成分分离单元被配置用于从源图像分离图示透视结构的骨架成分；以及雾/霭校正单元，该雾/霭校正单元被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正源图像的每个像素的亮度。
本发明涉及一种图像处理方法，该图像处理方法包括：分离处理，该分离处理被配置用于从源图像分离图示透视结构的骨架成分；以及雾/霭校正处理，该雾/霭校正处理被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正源图像的每个像素的亮度。
本发明涉及一种程序，该程序用于使得计算机执行：分离处理，该分离处理被配置用于从源图像分离图示透视结构的骨架成分；以及雾/霭校正处理，该雾/霭校正处理被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正源图像的每个像素的亮度。
[发明的有利效果]
根据本发明，即使在如下情况下也能实现高质量雾/霭校正处理，该情况为其中围绕目标像素不存在其值在红色(R)通道、绿色(G)通道和蓝色(B)通道中的任一通道中为0的像素的情况以及其中在色带之间的不同值小的情况。
附图说明
图1是图示了根据第一示例性实施例的图像处理装置的框图。
图2是图示了根据第二示例性实施例的图像处理装置的框图。
图3是图示了根据第三示例性实施例的图像处理装置的框图。
图4是图示了基准水平的图表。
图5是图示了环境光的图表。
图6示出了源图像(即，输入图像)和输出图像。
图7是图示了根据第四示例性实施例的图像处理装置的框图。
图8图示了背景技术。
具体实施方式
以下描述本发明的第一示例性实施例。
图1是图示了根据本发明的第一示例性实施例的图像处理装置的框图。
根据第一示例性实施例的图像处理装置包括骨架成分分离单元1、雾/霭校正单元2和亮度恢复单元3。
骨架成分分离单元1被配置用于从向图像处理装置输入的源图像(例如，输入图像)分离图示透视结构的骨架成分。分离方法的示例包括使用全变差范数最小化的、能够针对每个区域提取亮度和颜色信息的骨架成分/纹理成分分离方法。全变差范数最小化是用于移除图像内的作为纹理成分或者噪声成分的振动成分的技术。更具体而言，在该技术中，通过从源图像(即，输入图像)移除纹理成分或者噪声成分来提取该源图像的骨架成分。
更具体而言，通过求解由方程式(5)表达的最小化问题，图像的骨架成分B从源图像(以下被称为输入图像)I被提取。与多分辨率分析相结合，不仅可以实现细小振动成分的移除，也可以实现在一定程度上的具有宽周期的(低频率)振动成分的移除。在这里，方程式(5)中的下标“2”指示L2范数。
雾/霭校正单元2被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正输入图像的每个像素和骨架成分的每个像素的亮度以移除雾/霭，校正因子在像素变得更亮时降低该像素的亮度。在亮度的校正中，伽马校正被局部地执行以抑制对输入图像的低亮度侧的急剧波动，由此防止黑缺陷。更具体而言，雾/霭校正单元2被配置用于从骨架成分的每个像素的颜色通道的最小值计算每个像素的雾/霭的重叠量，并且从雾/霭的重叠量计算用于像素的校正的伽马值(即，校正因子)以通过关于该像素使用被这样计算出的伽马值来执行伽马校正。附带地，伽马值(即，校正因子)不仅可以利用每个颜色通道中的颜色信息而被确定，还可以附加地利用将被校正的像素周围的亮度而被确定。
更具体而言，雾/霭校正单元2被配置用于关于骨架成分B执行伽马校正，同时基于输入图像I的每个像素的颜色信息改变用于每个像素的伽马值。进一步具体而言，关于在位置x处的像素，被获得以使得骨架成分B的每个颜色通道的最小值被乘以比率r的值被设置为图像的雾/霭的重叠量haze(0<haze<1)(参见方程式(6))。然后，伽马值γh出于校正的目的通过使用方程式(7)被设置，并且校正根据方程式(8)基于伽马值γh被执行。在这里，T1指示在移除雾/霭之后的输入图像，x指示像素的位置并且λ指示颜色通道。
T1(x，λ)＝(I(x，λ))γh…(8)
亮度恢复单元3被配置用于关于其亮度被校正的输入图像，将贯穿其亮度被降低的图像的亮度恢复为图像的作为目标亮度的环境光的亮度。雾/霭校正单元2将围绕饱和点1.0执行校正处理以便抑制由饱和引起的信息丢失。相应地，环境光的亮度和贯穿图像的亮度趋向于暗。现在，贯穿图像的被这样降低的亮度被亮度恢复单元3恢复。更具体而言，亮度恢复单元3被配置用于计算指数γ2以用于将环境光的被这样降低的亮度转换为目标亮度，并且根据方程式(9)通过使用指数γ2校正整个图像。
在这里，T2指示其亮度已被恢复的输入图像。
指数γ2可以通过以下方程式被计算：
γ2＝ln(1.0–q)/ln(1.0–p)
其中环境光在经受雾校正处理之后的值为p并且目标亮度为q。在这里，值p可以是在白校正处理中获得的校正结果。
根据第一示例性实施例的一个方面，在用于从图像移除雾/霭的雾/霭校正处理中，可以通过抑制在输入图像的低亮度侧上的急剧波动来防止黑缺陷。根据第一示例性实施例的另一方面，也可以防止对比度的减小。
以下描述本发明的第二示例性实施例。
图2是图示了根据本发明的第二示例性实施例的图像处理装置的框图。
第二示例性实施例的图像处理装置包括骨架成分/纹理成分分离单元11、雾/霭校正单元12、亮度恢复单元13和噪声抑制单元14。
骨架成分/纹理成分分离单元11被配置用于将向图像处理装置输入的源图像(即，输入图像)分离成图示透视结构的骨架成分和作为源图像的残留成分的纹理成分。分离方法的示例包括使用全变差范数最小化的、能够针对每个区域提取亮度和颜色信息的骨架成分/纹理成分分离方法。全变差范数最小化是用于移除图像内的作为纹理成分或者噪声成分的振动成分的技术。在该技术中，纹理成分或者噪声成分的移除使得能够提取源图像(即，输入图像)的骨架成分。更具体而言，根据以上描述的方程式(1)提取图像的骨架成分B并且从源图像(以下被称为输入图像)I减去骨架成分B。
雾/霭校正单元12被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正输入图像的每个像素和骨架成分的每个像素的亮度以移除雾/霭，校正因子在像素变得更亮时降低该像素的亮度。在亮度校正中，局部伽马校正的执行抑制对输入图像的低亮度侧的急剧波动以防止黑缺陷。更具体而言，雾/霭校正单元2被配置用于从骨架成分的每个像素的颜色通道的最小值计算每个像素的雾/霭的重叠量，并且基于雾/霭的重叠量计算用于校正每个像素的伽马值(即，校正因子)以通过关于每个像素使用被这样计算出的伽马值来执行伽马校正。附带地，伽马值(即，校正因子)不仅可以利用每个颜色通道中的颜色信息而被确定，还可以附加地利用将被校正的像素周围的亮度而被确定。
更具体而言，作为结果的输入图像T1几乎相当于雾/霭校正单元2的作为结果的输入图像。骨架成分B(x,λ)可以通过使用方程式(6)’、(7)’和(8)’以及应用雾/霭移除而被获得，由此获得B1(x,λ)
亮度恢复单元13被配置用于具有与以上描述的亮度恢复单元3的功能类似的功能。亮度恢复单元13被配置用于不仅其亮度被校正的输入图像的亮度，还关于骨架成分恢复贯穿其亮度被降低至图像的作为目标亮度的环境光的亮度的该图像的亮度。经亮度恢复的输入图像T2通过使用方程式(9)按照类似方式被获得，并且经亮度恢复的骨架成分B2由方程式(9)’表达。
噪声抑制单元14被配置用于基于经亮度恢复的输入图像、经亮度恢复的骨架成分以及纹理成分抑制纹理成分的噪声，并且从经噪声抑制的纹理成分和经亮度恢复的骨架成分生成输出图像。也就是说，噪声抑制单元14被配置用于抑制图像中的尖锐噪声。在雾/霭校正处理中，由于局部对比度是尖锐的，所以在图像中噪声和纹理成分是尖锐的。噪声抑制单元14被配置用于关于输入图像T2和骨架成分B2抑制尖锐噪声。更具体而言，纹理和噪声的亮度增强比率t根据方程式(10)通过使用在输入图像中的已类似地经受了校正处理的骨架成分B2而被计算。
现在，基于亮度增强比率t，纹理成分的衰减F(t)被设置以根据方程式(11)生成输出图像J。
在这里，纹理成分的衰减F(t)被设置以使得通过在输入图像中使用亮度增强比率t和噪声方差(noise variance)σ，衰减F(t)随着亮度增强比率t变得更大而变得更大，即，衰减F(t)随着亮度增强比率t变得更小而变得更小。以下例示了用于计算衰减F(t)的计算方法的示例。在以下方程式中，k是被预先手动设置的值。
或者
根据第二示例性实施例的一个方面，用于从图像移除雾/霭的雾/霭校正处理可以抑制在图像的低亮度侧上的急剧波动以防止黑缺陷。根据第二示例性实施例的另一方面，雾/霭校正处理可以防止对比度的劣化。另外，基于校正因子的噪声抑制处理的执行使得能够防止图像内的噪声尖锐。
更进一步地，图像处理装置具有噪声移除功能连同用于使图像内的纹理和区域相互分离的分离处理功能，在图像分析中，分离处理功能相对而言成本高，与其中每个功能被简单地并行执行相比，图像处理装置的性能可以被增强并且其计算成本可以被节省。
以下描述本发明的第三示例性实施例。
图3是图示了根据第三示例性实施例的图像处理装置的框图。
如在图3中所示，根据第三示例性实施例的图像处理装置被配置为包括骨架成分/纹理成分分离单元30、黑校正单元31、曝光校正单元32、白校正单元33、雾/霭校正单元34、亮度恢复单元35和噪声抑制单元36。
骨架成分/纹理成分分离单元30被配置用于关于源图像(即，输入图像)执行骨架成分/纹理成分分离，其中源图像被分离成表达每个区域的颜色和亮度的骨架成分以及作为源图像的残留成分的纹理成分和噪声成分(以下被统称为纹理成分)。更进一步具体而言，骨架成分/纹理成分分离单元30被配置用于使用全变差范数最小化执行骨架成分/纹理成分分离，其中亮度和颜色信息可以针对每个区域被分别提取。全变差范数最小化是用于移除图像内的作为纹理成分的振动成分的技术。根据全变差范数最小化，图像的骨架成分B通过求解由方程式(5)表达的最小化问题从源图像(即，输入图像)I被提取。多分辨率分析的结合使得不仅能够移除细小振动成分，也能够在一定程度上移除具有周期的(低频率)振动。
黑校正单元31被配置用于通过关于源图像(以下被称为输入图像)I和骨架成分B的直方图分析来估计图像内的黑基准水平bl以通过使用由方程式(12)表达的补偿公式执行校正。在方程式(12)中，T1指示在经受黑校正处理之后的输入图像，B1指示在经受黑校正处理之后的骨架成分，x指示像素的位置并且λ指示颜色通道。
以上校正由于具有在其上重叠的雾/霭的图像在其整体上显现为发白并且黑基准水平贯穿图像相对高而被需要。因此，优选地是检测整个图像的黑基准水平并且移除不包括信息的范围以由此使动态范围作为整体变宽。在估计黑基准水平bl时，例如，针对整个图像制作如在图4中所图示的照度(即，亮度)的直方图。然后，频率被从底侧添加并且达到初步指定的累积频率的照度(即，亮度)被设置为黑基准水平bl。附带地，达到初步指定的累积频率的照度(即，亮度)可以被乘以预定比率或者可以被提供有限制器。
曝光校正单元32被配置用于通过直方图分析计算贯穿图像的亮度，计算用于将贯穿图像的亮度改变成目标亮度的伽马校正参数γ以及通过关于经黑校正的输入图像T1和经和校正的骨架成分B1出于贯穿图像调整亮度的目的使用方程式(13)来执行伽马校正处理。在这里，T2指示在经受曝光校正处理之后的输入图像并且B2指示在经受曝光校正处理之后的骨架成分。
伽马校正参数γ可以例如通过以下而被计算：
Γ＝ln(q)/ln(p)
其中贯穿图像的照度(即，亮度)的平均值或者中间值为p并且目标亮度为q。在这里，ln是对数函数。
白校正单元33被配置用于通过图像分析获得环境光A(λ)并且通过关于经曝光校正的输入图像T2和经曝光校正的骨架成分B2使用方程式(14)来对环境光的颜色进行正规化。在这里，T3指示经白校正的输入图像并且B3指示经白校正的骨架成分。
在输入图像中，白平衡并不总是完美的，而是贯穿图像的颜色的对比度由于以下提及的雾/霭校正处理(其可能招致尖锐失去白平衡)而被变宽。因此，希望对环境光的颜色进行初步正规化。
例如，如在图1中所图示的，环境光A(λ)可以被计算以使得图像的每个颜色通道的直方图被制作并且频率从直方图的上侧被添加以将达到初步指定的累积频率的值设置为环境光A(λ)。附带地，达到初步指定的累积频率的值(即，A(λ))可以被乘以预定比率或者可以被提供有限制器。
雾/霭校正单元34被配置用于从关于骨架成分B3获得的经校正的输入图像T3的每个像素的颜色信息执行伽马校正，同时针对每个像素改变伽马值。更具体而言，关于在位置x处的像素，被获得以使得骨架成分B3的每个颜色通道的最小值被乘以比率r的值被设置为图像的雾/霭的重叠量haze(0<haze<1)(参见方程式(15))。然后，伽马值γh出于校正的目的通过使用方程式(16)被设置，并且通过基于伽马值γh使用方程式(17)被执行。在这里，T4指示经雾/霭移除的输入图像并且λ指示颜色通道。
类似地，关于骨架成分B3(x,λ)，雾/霭校正处理也被应用于获得B4(x,λ)。
在这里，在雾/霭校正处理中使用伽马校正的原因在于，在伽马校正(在γ值>1.0的情况下)中，校正因子在输入图像的高亮度侧上相对高，并且校正因子在输入图像的低亮度侧上相对低。例如，随着雾/霭的重叠量haze变得更大，伽马值γh根据方程式(16)和(16)’变得更大。因此，根据方程式(17)和(17)’，随着雾/霭的重叠量haze变得更大，校正被执行以便降低像素的亮度。在另一方面，随着雾/霭的重叠量haze变得更小，伽马值γh向1靠近并且像素的亮度被更少地校正。
方程式(15)和(15)’中的比率r可以根据例如目标像素周围的亮度lumi而被改变。附带地，比率r具有与亮度lumi的值的正相关(即，在亮度lumi增加时，比率r变得更高，反之，在亮度lumi降低时，比率r变得更低)。
用于计算亮度lumi的方法的一个示例如下所示：
伽马校正并不是雾/霭校正处理的校正方法的唯一示例。例如，在其中重叠量haze通过使用由亮度lumi校正的比率r被计算的情况下，以下校正可以被执行。
亮度恢复单元35被配置用于贯穿其亮度关于经雾/霭移除的输入图像T4和经雾/霭移除的骨架成分B4而被降低的图像恢复亮度。雾/霭校正单元34为了抑制由饱和而引起的信息丢失而围绕饱和点1.0执行校正处理。作为结果，环境光的亮度和贯穿图像的亮度趋向于暗。已被降低的贯穿图像的亮度被亮度恢复单元35恢复。更具体而言，雾/霭校正单元34被配置用于计算指数以用于将环境光的降低的亮度转换为目标亮度，并且根据方程式(18)通过使用指数γ2校正贯穿图像的亮度。在这里，T5指示经亮度恢复的输入图像并且B5指示经亮度恢复的骨架成分。
指数γ2可以通过使用以下方程式被计算：
γ2＝ln(1.0–q)/ln(1.0–p)
其中经雾/霭校正的环境光的值为p并且目标亮度为q。附带地，值p可以是白校正的校正。另外，目标亮度q可以是在白校正的估计时的Max(A(λ))。
另外，如从以下方程式可见，其中更多校正由雾/霭校正单元34提供的区域可以被更重地恢复。
T5′(x，λ)＝ratio·T5(x，λ)+(1-ratio)·T4(x，λ)
在这里，比率根据以下方程式通过重叠量haze而被确定。
噪声抑制单元36被配置用于抑制图像的尖锐噪声。局部对比度在雾/霭校正处理中尖锐，从而使得噪声以及图像的纹理成分尖锐。噪声抑制单元36被配置用于关于输入图像T5和骨架成分B5抑制尖锐噪声。更具体而言，纹理和噪声的亮度增强比率t根据方程式(19)通过使用已经受类似于在输入图像上提供的校正处理的校正处理的骨架成分B5而被计算。
然后，基于亮度增强比率t，纹理成分的衰减F(t)被设置以根据方程式(20)生成输出图像J。
在这里，纹理成分的衰减F(t)通过在输入图像中使用亮度增强比率t和噪声方差σ被设置，以使得随着亮度增强比率t变得更大，衰减F(t)变得更大，即，随着亮度增强比率t变得更小，衰减F(t)变得更小。以下示出了用于计算衰减F(t)的计算方法的一个示例性方程式，其中k是被预先手动设置的值。
或者
在本方法中，噪声的衰减可以基于校正因子被适应性地设置，从而使得向如下区域提供更少的噪声抑制，在雾/霭校正处理中向该区域进行更少的校正量。相应地，图像可以在没有删除原始纹理成分的情况下被输出。
图6图示了源图像(即，输入图像)和在被以上描述的图像处理装置处理之后的输出图像。如从图6可见，图像的由雾/霭引起的发白和降低的对比度被恢复，并且雾/霭被从图像移除。另外，图像内的噪声也被抑制。
以下描述本发明的第四示例性实施例。
第四示例性实施例具有与第一示例性实施例的除了亮度恢复单元3以外的功能类似的功能。雾/霭校正处理的效果可以关于被亮度的劣化严重影响的图像被令人满意地产生。以下描述第四示例性实施例。
图7是图示了根据本发明的第四示例性实施例的图像处理装置的框图。
第四示例性实施例的图像处理装置被配置为包括骨架分离单元40和雾/霭校正单元41。
骨架分离单元40具有与骨架分离单元1的功能类似的功能。也就是说，骨架分离单元40被配置用于从向图像处理装置输入的源图像(即，输入图像)分离图示透视结构的骨架成分。分离方法的示例可以包括使用全变差范数最小化的骨架成分/纹理成分分离方法，其中亮度和颜色信息可以针对每个区域被提取。全变差范数最小化是用于移除图像内的作为纹理成分或者噪声成分的振动成分的技术。更具体而言，在全变差范数最小化中，纹理成分或者噪声成分的移除使得能够提取源图像(即，输入图像)的骨架成分。
更具体而言，通过求解由方程式(5)表达的最小化问题，图像的骨架成分B从源图像(以下被称为输入图像)I被提取。与多分辨率分析相结合，不仅可以实现细小振动成分的移除，也可以实现在一定程度上的具有宽周期的(低频率)振动的移除。
雾/霭校正单元41具有与雾/霭校正单元2的功能类似的功能。也就是说，雾/霭校正单元41被配置用于基于骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于校正因子校正输入图像的每个像素的亮度以移除雾/霭，校正因子在像素变得更亮时降低该像素的亮度。在亮度的校正中，局部伽马校正的执行抑制对图像的低亮度侧的急剧波动，由此防止黑缺陷。更具体而言，雾/霭校正单元41被配置用于从骨架成分的每个像素的颜色通道的最小值计算像素的雾/霭的重叠量，并且从雾/霭的重叠量计算用于像素的校正的伽马值(即，校正因子)以通过关于每个像素使用被这样计算出的伽马值来执行伽马校正。附带地，伽马值(即，校正因子)不仅可以利用每个颜色通道中的颜色信息而被确定，还可以附加地利用目标像素周围的亮度而被确定。
更具体而言，雾/霭校正单元41关于骨架成分B执行伽马校正，同时给予输入图像I的每个像素的颜色信息改变针对每个像素的伽马值。更进一步具体而言，关于在位置x处的像素，被获得以使得骨架成分B的每个颜色通道的最小值被乘以比率r的值被设置为图像的雾/霭的重叠量haze(0<haze<1)(参见方程式(6))。然后，伽马值γh出于校正的目的通过使用方程式(7)被设置，并且校正根据方程式(8)基于伽马值γh被执行。
根据第四示例性实施例的一个方面，高质量雾/霭校正处理可以甚至在如下情况下被执行，该情况为其中围绕目标像素不存在其值在红色(R)通道、绿色(G)通道和蓝色(B)通道中的任一通道中为0的像素的情况以及其中在色带之间的不同值小的情况。
在以上描述的示例性实施例中，每个单元由硬件组成。然而，用于使得信息处理装置(例如，CPU)执行以上描述的处理的程序可以代替硬件而被使用。
以上的示例性实施例的一个部分或者整体可以被表达为以下备注，但本发明不限于这些备注。
(补充备注1)一种图像处理装置，包括：
骨架成分分离单元，该骨架成分分离单元被配置用于从源图像分离图示透视结构的骨架成分；以及
雾/霭校正单元，该雾/霭校正单元被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注2)根据补充备注1所述的图像处理装置，其中该雾/霭校正单元被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注3)根据补充备注1或者补充备注2所述的图像处理装置，其中该雾/霭校正单元被配置用于从该骨架成分的每个像素的颜色通道的最小值计算该每个像素的雾/霭的重叠量，并且从雾/霭的该重叠量计算用于该每个像素的校正的伽马值以通过关于该每个像素使用该伽马值来执行伽马校正。
(补充备注4)根据补充备注1至3中的任一补充备注所述的图像处理装置，还包括：
亮度恢复单元，该亮度恢复单元被配置用于将经亮度校正的该源图像的亮度恢复为作为目标亮度的环境光的亮度。
(补充备注5)根据补充备注4所述的图像处理装置，其中该亮度恢复单元被配置用于对于其亮度已经被该雾/霭校正单元校正得更多的像素恢复亮度更多。
(补充备注6)根据补充备注4或者补充备注5所述的图像处理装置：
其中该骨架成分分离单元被配置用于将源图像分离成图示透视结构的骨架成分和作为该源图像的残留成分的纹理成分；
其中该雾/霭校正单元被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素和该骨架成分的每个像素的亮度；
其中该亮度恢复单元被配置用于将经亮度校正的该源图像和经亮度校正的该骨架成分的亮度恢复为作为目标亮度的环境光的亮度；并且
其中该图像处理装置还包括噪声抑制单元，该噪声抑制单元被配置用于基于经亮度恢复的该源图像、经亮度恢复的该骨架成分以及该纹理成分抑制该纹理成分的噪声，并且基于经噪声抑制的该纹理成分和经亮度恢复的该骨架成分生成输出图像。
(补充备注7)根据补充备注6所述的图像处理装置，其中该噪声抑制单元被配置用于基于在该源图像和该骨架成分与经亮度恢复的该源图像和经亮度恢复的该骨架成分之间的比率计算亮度增量比率，基于该亮度增强比率衰减该纹理成分，并且基于经衰减的该纹理成分抑制经亮度恢复的该骨架成分的噪声。
(补充备注8)根据补充备注1至7中的任一补充备注所述的图像处理装置，还包括：
黑校正单元，该黑校正单元被配置用于检测贯穿图像的黑基准水平，并且移除不具有信息的范围以扩大关于该源图像和该骨架成分的动态范围；
曝光校正单元，该曝光校正单元被配置用于计算贯穿经黑校正的该源图像和经黑校正的该骨架成分的该图像的亮度，并且将贯穿该图像的该亮度校正为目标亮度；以及
白校正单元，该白校正单元被配置用于获得经曝光校正的该源图像和经曝光校正的该骨架成分的环境光，并且对该环境光的颜色进行正规化；
其中该雾/霭校正单元被配置用于通过使用在各自被该黑校正单元、该曝光校正单元和该白校正单元处理之后的该源图像和该骨架成分来进行校正。
(补充备注9)根据补充备注1至7中的任一补充备注所述的图像处理装置，其中该雾/霭校正单元被配置用于通过使用从该骨架成分的每个像素获得的校正因子来校正该源图像的每个像素的亮度。
(补充备注10)一种图像处理方法，包括：
分离处理，该分离处理被配置用于从源图像分离图示透视结构的骨架成分；以及
雾/霭校正处理，该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注11)根据补充备注10所述的图像处理方法，其中该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注12)根据补充备注10或者补充备注11所述的图像处理方法，其中该雾/霭移除单元被配置用于从该骨架成分的每个像素的颜色通道的最小值计算该每个像素的雾/霭的重叠量，并且从雾/霭的该重叠量计算用于该每个像素的校正的伽马值以通过关于该每个像素使用该伽马值来执行伽马校正。
(补充备注13)根据补充备注10至12中的任一补充备注所述的图像处理方法，还包括亮度恢复单元，该亮度恢复单元被配置用于将经亮度校正的该源图像的亮度恢复为作为目标亮度的环境光的亮度。
(补充备注14)根据补充备注13所述的图像处理方法，其中该亮度恢复处理被配置用于对于其亮度已经被该雾/霭校正单元校正得更多的像素恢复亮度更多。
(补充备注15)根据补充备注13或者补充备注14所述的图像处理方法：
其中该分离处理被配置用于将源图像分离成图示透视结构的骨架成分和作为该源图像的残留成分的纹理成分；
其中该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素和该骨架成分的每个像素的亮度；
其中该亮度恢复处理被配置用于将经亮度校正的该源图像和经亮度校正的该骨架成分的亮度恢复为作为目标亮度的环境光的亮度；并且
其中该图像处理方法还包括噪声抑制处理，该噪声抑制处理被配置用于基于经亮度恢复的该源图像、经亮度恢复的该骨架成分以及该纹理成分抑制该纹理成分的噪声，并且从经噪声抑制的该纹理成分和经亮度恢复的该骨架成分生成输出图像。
(补充备注16)根据补充备注15所述的图像处理方法，其中该噪声抑制处理被配置用于基于在该源图像和该骨架成分与经亮度恢复的该源图像和经亮度恢复的该骨架成分之间的比率计算亮度增量比率，基于该亮度增强比率衰减该纹理成分，并且基于经衰减的该纹理成分抑制经亮度恢复的该骨架成分的噪声。
(补充备注17)根据补充备注10至16中的任一补充备注所述的图像处理方法，还包括：
黑校正处理，该黑校正处理被配置用于检测贯穿该图像的黑基准水平，并且移除不具有信息的范围以扩大关于该源图像和该骨架成分的动态范围；
曝光校正处理，该曝光校正处理被配置用于计算贯穿经黑校正的该源图像和经黑校正的该骨架成分的该图像的亮度，以将贯穿该图像的亮度校正为目标亮度；以及
白校正处理，该白校正处理被配置用于获得经曝光校正的该源图像和经曝光校正的该骨架成分的环境光，以对该环境光的颜色进行正规化；
其中该雾/霭校正处理被配置用于通过使用在各自经受该黑校正处理、该曝光校正处理和该白校正处理处理之后的该源图像和该骨架成分来执行校正。
(补充备注18)根据补充备注9至17中的任一补充备注所述的图像处理方法，其中该雾/霭校正处理被配置用于通过使用从该骨架成分的每个像素获得的校正因子来校正该源图像的每个像素的亮度。
(补充备注19)一种程序，用于使得计算机执行：
分离处理，该分离处理被配置用于从源图像分离图示透视结构的骨架成分；以及
雾/霭校正处理，该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注20)根据补充备注19所述的程序，其中该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素的亮度。
(补充备注21)根据补充备注19或者补充备注20所述的程序，其中该雾/霭校正处理被配置用于从该骨架成分的每个像素的颜色通道的最小值计算该每个像素的雾/霭的重叠量，并且从雾/霭的该重叠量计算用于该每个像素的校正的伽马值以通过关于该每个像素使用该伽马值来执行伽马校正。
(补充备注22)根据补充备注19至21中的任一补充备注所述的程序，用于使得计算机执行亮度恢复处理，其中经亮度校正的该源图像的该亮度被校正为作为目标亮度的环境光的亮度。
(补充备注23)根据补充备注22所述的程序，其中该亮度恢复处理被配置用于对于其亮度已经被该雾/霭校正单元校正得更多的像素恢复该亮度更多。
(补充备注24)根据补充备注22或者补充备注23所述的程序：
其中该分离处理被配置用于将源图像分离成图示透视结构的骨架成分和作为该源图像的残留成分的纹理成分；
其中该雾/霭校正处理被配置用于基于该骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低该像素的亮度的校正因子，并且基于该校正因子校正该源图像的每个像素和该骨架成分的每个像素的亮度；
其中该亮度恢复处理被配置用于将经亮度校正的该源图像和经亮度校正的该骨架成分的亮度恢复为作为目标亮度的环境光的亮度；并且
其中该程序使得计算机执行噪声抑制处理，该噪声抑制处理被配置用于基于经亮度恢复的该源图像、经亮度恢复的该骨架成分以及该纹理成分抑制该纹理成分的噪声，并且从经噪声抑制的该纹理成分和经亮度恢复的该骨架成分生成输出图像。
(补充备注25)根据补充备注24所述的程序，其中该噪声抑制处理被配置用于基于在该源图像和该骨架成分与经亮度恢复的该源图像和经亮度恢复的该骨架成分之间的比率计算亮度增量比率，并且基于该亮度增强比率衰减该纹理成分以基于经衰减的该纹理成分抑制经亮度恢复的该骨架成分的噪声。
(补充备注26)根据补充备注19至25中的任一补充备注所述的程序，用于使得计算机执行：
黑校正处理，该黑校正处理被配置用于检测贯穿该图像的黑基准水平，并且移除不具有信息的范围以扩大关于该源图像和该骨架成分的动态范围；
曝光校正处理，该曝光校正处理被配置用于计算贯穿经黑校正的该源图像和经黑校正的该骨架成分的该图像的亮度，以将贯穿该图像的该亮度校正为目标亮度；以及
白校正处理，该白校正处理被配置用于获得经曝光校正的该源图像和经曝光校正的该骨架成分的环境光，以对该环境光的颜色进行正规化；
其中该雾/霭校正处理被配置用于通过使用在各自经受该黑校正处理、该曝光校正处理和该白校正处理处理之后的该源图像和该骨架成分来执行校正。
(补充备注27)根据补充备注19至26中的任一补充备注所述的程序，其中该雾/霭校正处理被配置用于通过使用从该骨架成分的每个像素获得的校正因子来校正该源图像的每个像素的亮度。
尽管已经参考示例性实施例描述了本发明，但应当理解，本发明不限于所公开的示例性实施例。本发明可以在不背离发明的精神和范围的情况下而被实施。
本申请基于于2012年11月13日递交的，第2012-249458号日本专利申请并且要求该专利申请的优先权权益，该专利申请的公开内容通过引用整体并入于此。
[标号列表]
1 骨架成分分离单元
2 雾/霭校正单元
3 亮度恢复单元
11 骨架成分/纹理成分分离单元
12 雾/霭校正单元
13 亮度恢复单元
14 噪声校正单元
30 骨架成分/纹理成分分离单元
31 黑校正单元
32 曝光校正单元
33 白校正单元
34 雾/霭校正单元
35 亮度恢复单元
36 噪声校正单元
40 骨架成分分离单元
41 雾/霭校正单元
Claims (18)
1.一种图像处理装置，包括：
骨架成分分离单元，所述骨架成分分离单元被配置用于从源图像分离图示透视结构的骨架成分；以及
雾/霭校正单元，所述雾/霭校正单元被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于所述校正因子校正所述源图像的每个像素的亮度，其中所述雾/霭校正单元被配置用于从所述骨架成分的每个像素的颜色通道的最小值计算所述每个像素的雾/霭的重叠量，并且从雾/霭的所述重叠量计算用于所述每个像素的校正的伽马值以通过关于所述每个像素使用所述伽马值来执行伽马校正。
2.根据权利要求1所述的图像处理装置，其中所述雾/霭校正单元被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低所述像素的亮度的校正因子，并且基于所述校正因子校正所述源图像的每个像素的亮度。
3.根据权利要求1所述的图像处理装置，还包括：
亮度恢复单元，所述亮度恢复单元被配置用于将经亮度校正的所述源图像的亮度恢复为作为目标亮度的环境光的亮度。
4.根据权利要求3所述的图像处理装置，其中所述亮度恢复单元被配置用于对于其亮度已经被所述雾/霭校正单元校正得更多的像素恢复亮度更多。
5.根据权利要求3所述的图像处理装置：
其中所述骨架成分分离单元被配置用于将源图像分离成图示透视结构的骨架成分和作为所述源图像的残留成分的纹理成分；
其中所述雾/霭校正单元被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低所述像素的亮度的校正因子，并且基于所述校正因子校正所述源图像的每个像素和所述骨架成分的每个像素的亮度；
其中所述亮度恢复单元被配置用于将经亮度校正的所述源图像和经亮度校正的所述骨架成分的亮度恢复为作为目标亮度的环境光的亮度；并且
其中所述图像处理装置还包括噪声抑制单元，所述噪声抑制单元被配置用于基于经亮度恢复的所述源图像、经亮度恢复的所述骨架成分以及所述纹理成分抑制所述纹理成分的噪声，并且基于经噪声抑制的所述纹理成分和经亮度恢复的所述骨架成分生成输出图像。
6.根据权利要求5所述的图像处理装置，其中所述噪声抑制单元被配置用于基于在所述源图像和所述骨架成分与经亮度恢复的所述源图像和经亮度恢复的所述骨架成分之间的比率计算亮度增量比率，基于所述亮度增强比率衰减所述纹理成分，并且基于经衰减的所述纹理成分抑制经亮度恢复的所述骨架成分的噪声。
7.根据权利要求1所述的图像处理装置，还包括：
黑校正单元，所述黑校正单元被配置用于检测贯穿图像的黑基准水平，并且移除不具有信息的范围以扩大关于所述源图像和所述骨架成分的动态范围；
曝光校正单元，所述曝光校正单元被配置用于计算贯穿经黑校正的所述源图像和经黑校正的所述骨架成分的所述图像的亮度，并且将贯穿所述图像的所述亮度校正为目标亮度；以及
白校正单元，所述白校正单元被配置用于获得经曝光校正的所述源图像和经曝光校正的所述骨架成分的环境光，并且对所述环境光的颜色进行正规化；
其中所述雾/霭校正单元被配置用于通过使用在各自被所述黑校正单元、所述曝光校正单元和所述白校正单元处理之后的所述源图像和所述骨架成分来进行校正。
8.根据权利要求1所述的图像处理装置，其中所述雾/霭校正单元被配置用于通过使用从所述骨架成分的每个像素获得的校正因子来校正所述源图像的每个像素的亮度。
9.一种图像处理方法，包括：
分离处理，所述分离处理被配置用于从源图像分离图示透视结构的骨架成分；以及
雾/霭校正处理，所述雾/霭校正处理被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算校正因子，并且基于所述校正因子校正所述源图像的每个像素的亮度，其中所述雾/霭移除单元被配置用于从所述骨架成分的每个像素的颜色通道的最小值计算所述每个像素的雾/霭的重叠量，并且从雾/霭的所述重叠量计算用于所述每个像素的校正的伽马值以通过关于所述每个像素使用所述伽马值来执行伽马校正。
10.根据权利要求9所述的图像处理方法，其中所述雾/霭校正处理被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低所述像素的亮度的校正因子，并且基于所述校正因子校正所述源图像的每个像素的亮度。
11.根据权利要求9所述的图像处理方法，还包括亮度恢复单元，所述亮度恢复单元被配置用于将经亮度校正的所述源图像的亮度恢复为作为目标亮度的环境光的亮度。
12.根据权利要求11所述的图像处理方法，其中所述亮度恢复处理被配置用于对于其亮度已经被所述雾/霭校正单元校正得更多的像素恢复亮度更多。
13.根据权利要求11所述的图像处理方法：
其中所述分离处理被配置用于将源图像分离成图示透视结构的骨架成分和作为所述源图像的残留成分的纹理成分；
其中所述雾/霭校正处理被配置用于基于所述骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低所述像素的亮度的校正因子，并且基于所述校正因子校正所述源图像的每个像素和所述骨架成分的每个像素的亮度；
其中所述亮度恢复处理被配置用于将经亮度校正的所述源图像和经亮度校正的所述骨架成分的亮度恢复为作为目标亮度的环境光的亮度；并且
其中所述图像处理方法还包括噪声抑制处理，所述噪声抑制处理被配置用于基于经亮度恢复的所述源图像、经亮度恢复的所述骨架成分以及所述纹理成分抑制所述纹理成分的噪声，并且从经噪声抑制的所述纹理成分和经亮度恢复的所述骨架成分生成输出图像。
14.根据权利要求13所述的图像处理方法，其中所述噪声抑制处理被配置用于基于在所述源图像和所述骨架成分与经亮度恢复的所述源图像和经亮度恢复的所述骨架成分之间的比率计算亮度增量比率，基于所述亮度增强比率衰减所述纹理成分，并且基于经衰减的所述纹理成分抑制经亮度恢复的所述骨架成分的噪声。
15.根据权利要求9所述的图像处理方法，还包括：
黑校正处理，所述黑校正处理被配置用于检测贯穿所述图像的黑基准水平，并且移除不具有信息的范围以扩大关于所述源图像和所述骨架成分的动态范围；
曝光校正处理，所述曝光校正处理被配置用于计算贯穿经黑校正的所述源图像和经黑校正的所述骨架成分的所述图像的亮度，以将贯穿所述图像的亮度校正为目标亮度；以及
白校正处理，所述白校正处理被配置用于获得经曝光校正的所述源图像和经曝光校正的所述骨架成分的环境光，以对所述环境光的颜色进行正规化；
其中所述雾/霭校正处理被配置用于通过使用在各自经受所述黑校正处理、所述曝光校正处理和所述白校正处理处理之后的所述源图像和所述骨架成分来执行校正。
16.根据权利要求9所述的图像处理方法，其中所述雾/霭校正处理被配置用于通过使用从所述骨架成分的每个像素获得的校正因子来校正所述源图像的每个像素的亮度。
17.一种图像处理设备，包括：
用于从源图像分离图示透视结构的骨架成分的装置；以及
用于基于所述骨架成分的每个颜色通道中的颜色信息计算校正因子并且基于所述校正因子校正所述源图像的每个像素的亮度的装置，包括用于从所述骨架成分的每个像素的颜色通道的最小值计算所述每个像素的雾/霭的重叠量、并且从雾/霭的所述重叠量计算用于所述每个像素的校正的伽马值以通过关于所述每个像素使用所述伽马值来执行伽马校正的装置。
18.根据权利要求17所述的图像处理设备，其中用于计算和校正的装置包括用于基于所述骨架成分的每个颜色通道中的颜色信息计算在像素更亮时降低所述像素的亮度的校正因子并且基于所述校正因子校正所述源图像的每个像素的亮度的装置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012249458 | 2012-11-13 | ||
| JP2012-249458 | 2012-11-13 | ||
| PCT/JP2013/079379 WO2014077126A1 (ja) | 2012-11-13 | 2013-10-30 | 画像処理装置、画像処理方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104823216A CN104823216A (zh) | 2015-08-05 |
| CN104823216B true CN104823216B (zh) | 2018-06-29 |
Family
ID=50731044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380059158.XA Active CN104823216B (zh) | 2012-11-13 | 2013-10-30 | 图像处理装置、图像处理方法和程序 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9621766B2 (zh) |
| EP (1) | EP2922019B1 (zh) |
| JP (1) | JP6390847B2 (zh) |
| CN (1) | CN104823216B (zh) |
| AR (1) | AR093384A1 (zh) |
| BR (1) | BR112015010637A2 (zh) |
| WO (1) | WO2014077126A1 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6249638B2 (ja) * | 2013-05-28 | 2017-12-20 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
| JP6282095B2 (ja) * | 2013-11-27 | 2018-02-21 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム。 |
| US9305242B2 (en) * | 2014-08-15 | 2016-04-05 | National Taipei University Of Technology | Method and image processing apparatus for image visibility restoration using fisher's linear discriminant based dual dark channel prior |
| US9508126B2 (en) * | 2015-02-17 | 2016-11-29 | Adobe Systems Incorporated | Image haze removal using fast constrained transmission estimation |
| SG11201708080VA (en) * | 2015-03-30 | 2017-10-30 | Agency Science Tech & Res | Method and device for image haze removal |
| WO2016189853A1 (ja) * | 2015-05-28 | 2016-12-01 | 日本電気株式会社 | 画像処理装置、画像処理システム、画像処理方法およびプログラム記録媒体 |
| CN108140237B (zh) * | 2015-09-29 | 2021-11-19 | 富士胶片株式会社 | 图像处理装置以及图像处理方法 |
| US10326971B2 (en) * | 2015-12-16 | 2019-06-18 | B<>Com | Method for processing a digital image, device, terminal equipment and associated computer program |
| CN110232666B (zh) * | 2019-06-17 | 2020-04-28 | 中国矿业大学(北京) | 基于暗原色先验的地下管道图像快速去雾方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0278000A (ja) * | 1988-09-14 | 1990-03-19 | Hitachi Ltd | 車両運転支援装置 |
| JP4509917B2 (ja) * | 2005-11-21 | 2010-07-21 | 株式会社メガチップス | 画像処理装置及びカメラシステム |
| JP5240194B2 (ja) * | 2007-06-07 | 2013-07-17 | ソニー株式会社 | 信号処理方法および信号処理装置 |
| JP5188334B2 (ja) * | 2008-09-04 | 2013-04-24 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
| JP5513861B2 (ja) * | 2009-11-27 | 2014-06-04 | ローム株式会社 | 画像補正処理装置 |
| US8350933B2 (en) * | 2009-04-08 | 2013-01-08 | Yissum Research Development Company Of The Hebrew University Of Jerusalem, Ltd. | Method, apparatus and computer program product for single image de-hazing |
| JP5343726B2 (ja) | 2009-06-19 | 2013-11-13 | カシオ計算機株式会社 | 画像処理装置、及び画像処理プログラム |
| TWI423166B (zh) * | 2009-12-04 | 2014-01-11 | Huper Lab Co Ltd | 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法 |
| KR101653272B1 (ko) * | 2009-12-28 | 2016-09-01 | 삼성전자주식회사 | 디지털 촬영 장치, 그 제어 방법, 및 컴퓨터 판독가능 매체 |
| US8340461B2 (en) * | 2010-02-01 | 2012-12-25 | Microsoft Corporation | Single image haze removal using dark channel priors |
| US8588551B2 (en) * | 2010-03-01 | 2013-11-19 | Microsoft Corp. | Multi-image sharpening and denoising using lucky imaging |
| JP5550483B2 (ja) * | 2010-08-02 | 2014-07-16 | 三菱電機株式会社 | 画像処理装置 |
| US20120212477A1 (en) * | 2011-02-18 | 2012-08-23 | Intergraph Technologies Company | Fast Haze Removal and Three Dimensional Depth Calculation |
| US9153015B2 (en) * | 2011-03-24 | 2015-10-06 | Mitsubishi Electric Corporation | Image processing device and method |
| EP2740100A1 (en) * | 2011-08-03 | 2014-06-11 | Indian Institute Of Technology, Kharagpur | Method and system for removal of fog, mist or haze from images and videos |
| CN102968760B (zh) * | 2011-08-30 | 2016-08-17 | 富士通株式会社 | 图像去雾方法和系统 |
| CN102999883B (zh) * | 2011-09-08 | 2016-03-02 | 富士通株式会社 | 图像去雾方法和系统 |
| JP5267704B2 (ja) * | 2012-06-06 | 2013-08-21 | コニカミノルタアドバンストレイヤー株式会社 | 画像処理装置および画像処理方法ならびに撮像装置 |
| US8755628B2 (en) * | 2012-09-10 | 2014-06-17 | Google Inc. | Image de-hazing by solving transmission value |
-
2013
- 2013-10-30 WO PCT/JP2013/079379 patent/WO2014077126A1/ja active Application Filing
- 2013-10-30 EP EP13855298.9A patent/EP2922019B1/en active Active
- 2013-10-30 CN CN201380059158.XA patent/CN104823216B/zh active Active
- 2013-10-30 JP JP2014546930A patent/JP6390847B2/ja active Active
- 2013-10-30 BR BR112015010637A patent/BR112015010637A2/pt not_active IP Right Cessation
- 2013-10-30 US US14/441,219 patent/US9621766B2/en active Active
- 2013-11-06 AR ARP130104068A patent/AR093384A1/es active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 雾天交通场景中退化图像的增强方法研究;陈先桥;《中国博士学位论文全文数据库 信息科技辑》;20091015(第10期);第2、5章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US9621766B2 (en) | 2017-04-11 |
| CN104823216A (zh) | 2015-08-05 |
| JP6390847B2 (ja) | 2018-09-19 |
| AR093384A1 (es) | 2015-06-03 |
| WO2014077126A1 (ja) | 2014-05-22 |
| JPWO2014077126A1 (ja) | 2017-01-05 |
| BR112015010637A2 (pt) | 2017-07-11 |
| EP2922019A1 (en) | 2015-09-23 |
| EP2922019B1 (en) | 2021-03-10 |
| EP2922019A4 (en) | 2016-07-20 |
| US20150304524A1 (en) | 2015-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104823216B (zh) | 图像处理装置、图像处理方法和程序 | |
| Ma et al. | Perceptual evaluation of single image dehazing algorithms | |
| AU2015272846B2 (en) | Image processing system and computer-readable recording medium | |
| US8509559B2 (en) | Hierarchical motion deblurring method for single image | |
| CN106709893B (zh) | 一种全天时雾霾图像清晰化恢复方法 | |
| CN104252698B (zh) | 一种基于半逆法的快速单幅图像去雾算法 | |
| CN107045715A (zh) | 一种单幅低动态范围图像生成高动态范围图像的方法 | |
| US20180053289A1 (en) | Method and system for real-time noise removal and image enhancement of high-dynamic range images | |
| WO2014193080A1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
| CN105959510B (zh) | 一种视频快速去雾方法 | |
| CN108140237B (zh) | 图像处理装置以及图像处理方法 | |
| Shen et al. | Color image enhancement using retinex with robust envelope | |
| He et al. | Single image dehazing with white balance correction and image decomposition | |
| CN106570839A (zh) | 基于Red Channel先验的水下图像清晰化方法 | |
| US20050135701A1 (en) | Image sharpening | |
| CN110023957B (zh) | 用于估计图像中的投射阴影区域和/或加亮区域的方法和设备 | |
| US20170053384A1 (en) | Image-processing device, image-capturing device, image-processing method, and storage medium | |
| Dubey et al. | A hybrid DCT-DHE approach for enhancement of low contrast underwater images | |
| Mi et al. | Multi-scale gradient domain underwater image enhancement | |
| CN110728647A (zh) | 水下图像的增强方法及装置、存储介质、终端 | |
| KR101408343B1 (ko) | 광역 역광 보정 장치 | |
| Fan et al. | Underwater image enhancement algorithm combining color correction and multi-scale fusion | |
| Lee et al. | Visual sensitivity correlated tone reproduction for low dynamic range images in the compression field | |
| Chen et al. | Improved Color Balance and Fusion for Enhancement of Underwater Image | |
| Martínez-Cañada et al. | Exposure fusion algorithm based on perceptual contrast and dynamic adjustment of well-exposedness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |