CN104899844A - 一种图像去雾方法及装置 - Google Patents
一种图像去雾方法及装置 Download PDFInfo
- Publication number
- CN104899844A CN104899844A CN201510377424.4A CN201510377424A CN104899844A CN 104899844 A CN104899844 A CN 104899844A CN 201510377424 A CN201510377424 A CN 201510377424A CN 104899844 A CN104899844 A CN 104899844A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- target
- subimage
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例公开了一种图像去雾方法及装置,基于大气散射模型,该方法包括:确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像从图像中减去图像所对应的平滑局部标准差Idetail(x),获得移除细节的图像Is(x);确定目标暗通道图Id(x);根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0ω1)确定透射函数t(x);根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。由于上述各步骤所采用的计算方法与软抠图方法相比,运算简单,经对比实验可知图像去雾处理时间大大缩短,能够实现对雾天图像进行实时的去雾处理。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种图像去雾方法及装置。
背景技术
在雾天影响下,图像采集设备所获取的图像(图片、视频)往往出现模糊不清、对比度减弱等退化现象,若直接应用到计算机视觉系统中,必然对系统的鲁棒性、准确性造成不利影响。因此,必需采用图像去雾算法对雾天图像进行去雾、增强处理。
现有技术中,通常采用大气散射模型,根据雾天图像的先验信息规律来对图像进行去雾。比较典型的方法有基于暗通道先验信息的He方法。该方法主要是选用一个尺度参数计算彩色图像中对应尺度窗口中像素各分量的最小值,并将此值作为暗通道先验信息,然后通过暗通道先验信息估算场景的深度信息,将深度信息结合大气散射模型估算场景的透射率,再通过软抠图方法对其进行优化,最后根据优化的透射率和估算的大气光强A,进行图像的去雾处理;由于软抠图方法运算较为复杂,处理时间很长,很难做到雾天图像的实时去雾处理。
发明内容
本发明实施例公开了一种图像去雾方法及装置,以缩短处理时间。技术方案如下:
一种图像去雾方法,基于大气散射模型,该方法包括:
根据预设的算法确定目标图像的大气光值A;
确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差Idetail(x),获得移除细节的图像Is(x);其中,所述平滑局部标准差为Idetail(x)的确定方法包括:计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理;
确定目标暗通道图Id(x),所述目标暗通道图Id(x)的确定方法包括:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数;
根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
在本发明的一种优选实施方式中,所述根据预设的算法确定目标图像的大气光值A,包括:
获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Im c(x));
对子图像Imin(x)进行滤波处理;
确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中灰度值最大的像素的亮度值作为大气光值A。
其中,所述获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),包括:
获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。
在本发明的一种优选实施方式中,还包括:在所述根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
其中,所述对去雾处理后的图像进行亮度调整,包括:
通过伽马较正对去雾处理后的图像进行亮度调整。
相应于上面的方法实施例,本发明还提供了一种图像去雾装置,基于大气散射模型,该装置包括:
大气光值确定模块,用于根据预设的算法确定目标图像的大气光值A;
粗糙暗通道图确定模块,用于确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
图像处理模块,用于对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
细节去除模块,用于从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差为Idetail(x),获得移除细节的图像Is(x);其中,所述平滑局部标准差Idetail(x)的确定装置包括:计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理;
目标暗通道图确定模块,用于确定目标暗通道图Id(x),所述目标暗通道图Id(x)的确定方法包括:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数;
透射函数确定模块,用于根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
图像去雾处理模块,用于根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
在本发明的一种优选实施方式中,所述大气光值确定模块包括:
子图像获取单元,用于获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Im c(x));
子图像处理单元,用于对子图像Imin(x)进行滤波处理;
像素确定单元,用于确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
图像大气光值确定单元,用于确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中灰度值最大的像素的亮度值作为大气光值A。
其中,所述子图像获取单元,具体用于:
获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。
在上述装置的一种优选实施方式中,还包括:亮度调整模块,用于在所述图像去雾处理模块对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
其中,所述亮度调整模块,具体用于:
通过伽马较正对去雾处理后的图像进行亮度调整。
本发明的技术方案在确定目标图像的粗糙暗通道图后,对其使用高斯金字塔及细节去除处理来计算平滑的透射函数t(x),最后利用已确定的大气光值A和透射函数t(x),根据大气散射模型对目标图像进行去雾处理。由于上述各步骤所采用的计算方法与软抠图方法相比,运算简单,经对比实验可知图像去雾处理时间大大缩短,能够实现对雾天图像进行实时的去雾处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像去雾方法的流程图;
图2为待去雾图像;
图3为采用本发明实施例的一种优选实施方式对图2所示的图像进行去雾处理后的结果;
图4为采用He方法对图2所示的图像进行去雾处理后的结果;
图5为本发明实施例提供的一种图像去雾装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种图像去雾方法,基于大气散射模型,如图1所示,该方法可以包括:
S101,根据预设的算法确定目标图像的大气光值A;
确定目标图像的大气光值A,可以采用现有技术中的已有技术方案来实现,本发明在此不作具体限定。需要说明的是,所说的目标图像可以是一张图片,也可以视频中的一个视频帧。其具体形式本发明在此不作限定。
在实际应用中,发明人通过分析有雾天气的光照条件和自然图像的拍摄特点,发现在有雾天气时,通常会感觉距离地面较高的地方雾的浓度比较大,也就是说所选取的大气光值点一般都应该在高处。而自然图像的上部一般对应大片的天空区域或者比较远的场景,同样满足大气光值点在无穷远处的假设。在自然图像的上部一般对应着雾最浓的区域,即大气光值点应该存在于图像上部。此外,一些图像的其它区域有可能存在大片的白色区域,它们会对大气光值的准确估计造成干扰。因此,可以合理的假设大气光值对应的像素点位于图像的上部的某个区域之中。
根据上述的分析,可以采用如下的方法确定大气光值A:
1、获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Im c(x));其中,Im c(x)为子图像Imin(x)中每个像素点在c(c∈{r,g,b})颜色通道中的数值;minc∈{r,g,b}是针对像素在三个通道{r,g,b}内取其最小值。对于图像上部指定区域的大小,可以由研发人员预先确定,本发明在此不作具体限定。
在实际应用中,获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),具体可以为:获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。这样既可以防止选择错误的大气光值,又能够有效的加快计算时间。
2、对子图像Imin(x)进行滤波处理;
通常情况下,大气光对应的应该不会是过小的一个图像块,所以为了排除图像中的一些较小白色物体或者噪声点的干扰,需要对子图像Imin(x)进行滤波处理,以去除小的噪声点和小的干扰;在实际应用中,可以采用中值滤波器进行滤波处理。
3、确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
先将子图像Imin(x)转化成与其对应的灰度图,然后就可以确定所转化的灰度图中的灰度值最大的前N个像素;这前N个像素也就是子图像Imin(x)中灰度值最大的前N个像素;
将子图像Imin(x)转化成与其对应的灰度图,可以采用现有技术的相关技术方案来实现,本发明在此不作具体限定,例如,可以采用下面的公式将子图像转化成灰度图:
灰度=R*0.299+G*0.587+B*0.114。
需要说明的是,N的大小可以由研发人员根据实际情况预先确定的,本发明在此不作具体的限定。例如,N可以为50。
4、确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中最大的灰度值最大的像素的亮度值作为大气光值A。
可以理解的是,例如,在目标图像中的指定上部区域有一个像素P,其坐标为(a,b),而该像素P在子图像Imin(x)中为像素P′,坐标为(c,d),则目标图像中与P′具有相对应坐标值的像素就为P。
S102,确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
由于暗通道先验方法需要在图像块中计算最小亮度值,这样会在深度跃变区域出现边缘漂移现象,所以为了避免这个问题,我们只是对目标图像的每个像素点计算其最小的灰度通道,即如下式所示:
其中,Ic(x)目标图像中每个像素点在c(c∈{r,g,b})颜色通道中的数值;Ac为大气光照值A的c(c∈{r,g,b})颜色通道的分量,minc∈{r,g,b}是针对像素在三个通道{r,g,b}内取其最小值。
S103,对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
步骤S102中所得到的是粗糙的暗通道图,按照自然图像的物理特性和暗通道先验的约束形式,可以得到一个严格的约束不等式:
其中,Id(x)为目标暗通道图,因此,得到的粗糙的暗通道图需要进一步的优化处理才能得到准确的目标暗通道图。
所说的优化处理可以对采用中值滤波器进行滤波操作,能够将中的一些噪声点和噪声区域磨平,同时要保持深度跃变的边缘区域的细节不会因此而模糊或消失,另外,为了能够尽量的减少处理时间,我们在滤波操作之前,可以应用高斯金字塔对进行处理。通过高斯金字塔的分解,可以在降低图像中干扰信息的同时,减少的滤波时间。
所说的降低图像中的干扰信息,主要是指在同一物体中,使用暗通道先验求得的深度不连续区域,通过高斯金字塔分解处理,可以有效的减小不连续区域面积,进行滤波处理得到的结果平滑效果更好,边缘保持的选择性更强。
高斯金字塔及中值滤波器均为图像处理领域常用的技术手段,本发明在此不作赘述。
S104,从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差Idetail(x),获得移除细节的图像Is(x);
在步骤S103中所得到的图像Im(x),采用了中值滤波器进行处理,而中值滤波器的固有特点是会保留大部分的细节处的纹理信息,因此需要尽量的平滑细节。在这里可以通过消除Im(x)中的细节信息来达到平滑图像局部的目的。
要实现上述目的,首先需要合理的近似计算出图像的局部细节信息。在这里主要是通过图像的灰度值来近似估计图像透射函数,它的值与深度相关,因此,估计的细节信息主要就是图像局部的灰度变化。通常来讲,可以使用图像的局部标准差来近似的估计图像局部的细节信息,为了进一步增加近似得到的细节信息的准确性和鲁棒性,使用中值滤波器平滑计算得到的局部标准差,从而得到平滑局部标准差为Idetail(x)。所述平滑局部标准差为Idetail(x)的确定方法包括:
计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理,计算公式为:
在确定了Idetail(x)后,可以直接在Im(x)中减去Idetail(x),就能够非常简单的从Im(x)中去除细节信息,计算公式为:Is(x)=Im(x)-Idetail(x)。
S105,确定目标暗通道图Id(x);
由于在步骤S102计算粗糙的暗通道图时,放宽了暗通道的限制,只是在每个像素点单独计算其最小灰度通道值,这样就使得经过S103及S104处理后的图像Is(x),仍然有一些点并不能很好地满足暗通道先验的假设。因此,在这里使用约束条件进行进一步的优化处理,得到更加鲁棒的目标暗通道图Id(x)。具体的计算方式如下:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数,用于控制最终计算得到的目标暗通道图Id(x)的值不会过大或者过小。
ρ的大小,可以由研发人员根据实际需要预先确定,本发明在此不作具体限定。在实际应用中,通过大量的实验发现,当ρ=0.95时,能够取得良好的实验结果。
S106,根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
得到最终的目标暗通道图Id(x)之后,就可以按照暗通道先验的方式来计算透射函数。考虑在理想天气条件下,天空中仍然难免存在一些悬浮微粒,因此,我们在观察远距离的物体时会感觉到一些“雾”的存在,这是因为光线传播过程中受到了这些微粒的散射。这一现象为人类感知观察场景的深度信息提供了基础,被称为空中视角。因此为了保证图像的自然表观,使得人们能够感受到图像中物体的深度,可以有意地在远距离物体表面保留很少的一小部分“雾”,使得其不会被过度的增强。因此,我们在计算透射函数的时候,引入了第二调节参数ω(0<ω<1)来控制最终的去雾结果。具体计算方式如下:
透射函数t(x)=1-ωId(x)。
ω的大小,可以由研发人员根据实际需要预先确定,本发明在此不作具体限定。在实际应用中,通过大量的实验发现,当ω在[0.95,1]内时,能够取得良好的实验结果。
S107,根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
通过上述的各步骤,已经先后确定了大气光值A和透射函数t(x),根据大气散射模型I(x)=J(x)t(x)+A(1-t(x)),对目标图像I(x)进行去雾处理,得到处理后的图像J(x)。
通过上述实施例可以得出,本发明的技术方案在确定目标图像的粗糙暗通道图后,对其使用高斯金字塔及细节去除处理来计算平滑的透射函数t(x),最后利用已确定的大气光值A和透射函数t(x),根据大气散射模型对目标图像进行去雾处理。由于上述各步骤所采用的计算方法与软抠图方法相比,运算简单,因此使得图像去雾处理时间大大缩短,能够实现对雾天图像进行实时的去雾处理。
由于去雾相当于一种亮度调整过程,是从原有的像素点减去一定的灰度值,导致得到的清晰图像通常会变得比较暗,影响直接观察的图像质量,所以对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
具体的,可以通过伽马校正对去雾处理后的图像进行亮度调整。所说的伽马校正就是对图像的伽马曲线进行编辑,以对图像进行非线性色调编辑的方法,检出图像信号中的深色部分和浅色部分,并使两者比例增大,从而提高图像对比度效果。
需要说明的是,上述的各具体实施方式,即可单独实施,也可以组合在一起实施,可以想以的是,当各实施方式组合在一起实施时,图像的去雾效果更好。
例如,在本发明的一种优选实施方式中,获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),并在去雾处理后,对图像进行伽马校正;采用上述的方法对如图2所示的一副尺寸为600×450的图像进行去雾处理,同时应用He方法对图2所示的图像进行处理,作为对比。结果分别如图3和图4所示。
从实验结果可以得出,本发明实施例提供的方法得到的结果(图3)饱和度更强烈一些;从处理时间的角度来看,本发明实施例提供的方法基本能够达到实时增强的要求,使用C++程序处理图2,需要0.047秒左右,而He方法则需要15.6秒左右。
需要说明的是,He方法为本领域的现有技术,本领域技术人员很容易获得,因此,本发明在此不作赘述。
相应于上面的方法实施例,本发明还提供了一种图像去雾装置,如图5所示,基于大气散射模型,可以包括:
大气光值确定模块101,用于根据预设的算法确定目标图像的大气光值A;
粗糙暗通道图确定模块102,用于确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
图像处理模块103,用于对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
细节去除模块104,用于从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差为Idetail(x),获得移除细节的图像Is(x);其中,所述平滑局部标准差Idetail(x)的确定装置包括:计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理;
目标暗通道图确定模块105,用于确定目标暗通道图Id(x),所述目标暗通道图Id(x)的确定方法包括:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数;
透射函数确定模块106,用于根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
图像去雾处理模块107,用于根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
通过上述实施例可以得出,本发明的技术方案在确定目标图像的粗糙暗通道图后,对其使用高斯金字塔及细节去除处理来计算平滑的透射函数t(x),最后利用已确定的大气光值A和透射函数t(x),根据大气散射模型对目标图像进行去雾处理。由于上述各步骤所采用的计算方法与软抠图方法相比,运算简单,因此使得图像去雾处理时间大大缩短,能够实现对雾天图像进行实时的去雾处理。
在实际应用中,大气光值确定模块101可以包括:
子图像获取单元,用于获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Ic(x));
子图像处理单元,用于对子图像Imin(x)进行滤波处理;
像素确定单元,用于确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
图像大气光值确定单元,用于确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中最大的灰度值最大的像素的亮度值作为大气光值A。
其中,子图像获取单元,具体用于:
获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。
在实际应用中,上述各装置实施例还包括:亮度调整模块,用于在所述图像去雾处理模块根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
其中,所述亮度调整模块,可以具体用于:
通过伽马较正对去雾处理后的图像进行亮度调整。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式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,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种图像去雾方法,基于大气散射模型,其特征在于,该方法包括:
根据预设的算法确定目标图像的大气光值A;
确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差Idetail(x),获得移除细节的图像Is(x);其中,所述平滑局部标准差为Idetail(x)的确定方法包括:计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理;
确定目标暗通道图Id(x),所述目标暗通道图Id(x)的确定方法包括:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数;
根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
2.如权利要求1所述的方法,其特征在于,所述根据预设的算法确定目标图像的大气光值A,包括:
获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Im c(x));
对子图像Imin(x)进行滤波处理;
确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中灰度值最大的像素的亮度值作为大气光值A。
3.如权利要求2所述的方法,其特征在于,所述获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),包括:
获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。
4.如权利要求1所述的方法,其特征在于,还包括:在所述根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
5.如权利要求4所述的方法,其特征在于,所述对去雾处理后的图像进行亮度调整,包括:
通过伽马较正对去雾处理后的图像进行亮度调整。
6.一种图像去雾装置,基于大气散射模型,其特征在于,该装置包括:
大气光值确定模块,用于根据预设的算法确定目标图像的大气光值A;
粗糙暗通道图确定模块,用于确定由目标图像中每个像素点的最小灰度通道值组成的粗糙暗通道图
图像处理模块,用于对所得到的粗糙暗通道图先后采用高斯金字塔及中值滤波器进行图像处理,得到图像Im(x);
细节去除模块,用于从图像Im(x)中减去图像Im(x)所对应的平滑局部标准差为Idetail(x),获得移除细节的图像Is(x);其中,所述平滑局部标准差Idetail(x)的确定装置包括:计算图像Im(x)的局部标准差,并采用中值滤波器对其进行平滑处理;
目标暗通道图确定模块,用于确定目标暗通道图Id(x),所述目标暗通道图Id(x)的确定方法包括:
在的情况下,Id(x)=Is(x);
在的情况下,其中,ρ为预设的第一调节参数;
透射函数确定模块,用于根据所确定的目标暗通道图Id(x)和预设的第二调节参数ω(0<ω<1)确定透射函数t(x),所述透射函数t(x)=1-ωId(x);
图像去雾处理模块,用于根据大气散射模型,利用已确定的大气光值A和透射函数t(x),对目标图像进行去雾处理。
7.如权利要求6所述的装置,其特征在于,所述大气光值确定模块包括:
子图像获取单元,用于获取由目标图像上部指定区域的每个像素点的最小通道亮度值所组成的子图像Imin(x),所述Imin(x)=minc∈{r,g,b}(Im c(x));
子图像处理单元,用于对子图像Imin(x)进行滤波处理;
像素确定单元,用于确定滤波处理后的子图像Imin(x)中灰度值最大的前N个像素;
图像大气光值确定单元,用于确定目标图像中与所确定的N个像素具有相对应坐标值的N个像素的灰度值,并将其中灰度值最大的像素的亮度值作为大气光值A。
8.如权利要求7所述的装置,其特征在于,所述子图像获取单元,具体用于:
获取由目标图像上部1/4区域的每个像素点的最小通道亮度值所组成的子图像Imin(x)。
9.如权利要求6所述的装置,其特征在于,还包括:亮度调整模块,用于在所述图像去雾处理模块对目标图像进行去雾处理后,对去雾处理后的图像进行亮度调整。
10.如权利要求9所述的装置,其特征在于,所述亮度调整模块,具体用于:
通过伽马较正对去雾处理后的图像进行亮度调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510377424.4A CN104899844A (zh) | 2015-06-30 | 2015-06-30 | 一种图像去雾方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510377424.4A CN104899844A (zh) | 2015-06-30 | 2015-06-30 | 一种图像去雾方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104899844A true CN104899844A (zh) | 2015-09-09 |
Family
ID=54032492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510377424.4A Pending CN104899844A (zh) | 2015-06-30 | 2015-06-30 | 一种图像去雾方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104899844A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651822A (zh) * | 2016-12-20 | 2017-05-10 | 宇龙计算机通信科技(深圳)有限公司 | 图片复原方法及装置 |
CN107545544A (zh) * | 2016-06-29 | 2018-01-05 | 诺基亚技术有限公司 | 去除图像中的混浊对象的方法和装置 |
CN108235055A (zh) * | 2017-12-15 | 2018-06-29 | 苏宁云商集团股份有限公司 | Ar场景中透明视频实现方法及设备 |
CN108492259A (zh) * | 2017-02-06 | 2018-09-04 | 联发科技股份有限公司 | 一种图像处理方法及图像处理系统 |
CN109242783A (zh) * | 2018-07-11 | 2019-01-18 | 山东申士光电有限公司 | 一种图像去雾的方法及装置 |
CN111800586A (zh) * | 2020-06-24 | 2020-10-20 | 上海赫千电子科技有限公司 | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN115331264A (zh) * | 2022-10-13 | 2022-11-11 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于神经网络的矿山工人安全识别管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102968760A (zh) * | 2011-08-30 | 2013-03-13 | 富士通株式会社 | 图像去雾方法和系统 |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104253930A (zh) * | 2014-04-10 | 2014-12-31 | 西南科技大学 | 一种实时视频去雾方法 |
-
2015
- 2015-06-30 CN CN201510377424.4A patent/CN104899844A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102968760A (zh) * | 2011-08-30 | 2013-03-13 | 富士通株式会社 | 图像去雾方法和系统 |
CN103903234A (zh) * | 2014-03-12 | 2014-07-02 | 南京第五十五所技术开发有限公司 | 一种基于图像景深的实时图像去雾方法 |
CN104253930A (zh) * | 2014-04-10 | 2014-12-31 | 西南科技大学 | 一种实时视频去雾方法 |
Non-Patent Citations (2)
Title |
---|
姜雪松: "不足光照条件下的图像与视频增强", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
朱浩,李庆武,糜靖峰,周妍: "一种快速的暗通道去雾算法", 《微机软件》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545544A (zh) * | 2016-06-29 | 2018-01-05 | 诺基亚技术有限公司 | 去除图像中的混浊对象的方法和装置 |
US10970824B2 (en) | 2016-06-29 | 2021-04-06 | Nokia Technologies Oy | Method and apparatus for removing turbid objects in an image |
CN106651822A (zh) * | 2016-12-20 | 2017-05-10 | 宇龙计算机通信科技(深圳)有限公司 | 图片复原方法及装置 |
CN108492259A (zh) * | 2017-02-06 | 2018-09-04 | 联发科技股份有限公司 | 一种图像处理方法及图像处理系统 |
CN108235055A (zh) * | 2017-12-15 | 2018-06-29 | 苏宁云商集团股份有限公司 | Ar场景中透明视频实现方法及设备 |
CN109242783A (zh) * | 2018-07-11 | 2019-01-18 | 山东申士光电有限公司 | 一种图像去雾的方法及装置 |
CN109242783B (zh) * | 2018-07-11 | 2023-10-03 | 山东申士光电有限公司 | 一种图像去雾的方法及装置 |
CN111800586A (zh) * | 2020-06-24 | 2020-10-20 | 上海赫千电子科技有限公司 | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
CN111800586B (zh) * | 2020-06-24 | 2021-08-20 | 上海赫千电子科技有限公司 | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN111951184B (zh) * | 2020-07-14 | 2024-05-10 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
CN115331264A (zh) * | 2022-10-13 | 2022-11-11 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于神经网络的矿山工人安全识别管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104899844A (zh) | 一种图像去雾方法及装置 | |
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 | |
CN104517110B (zh) | 一种二维码图像的二值化方法及系统 | |
CN107408296B (zh) | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 | |
CN110570360B (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
CN103345733B (zh) | 基于改进暗通道先验的快速低照度图像增强方法 | |
KR101426298B1 (ko) | 안개 제거율을 높인 영상보정장치 및 방법 | |
CN110827218B (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
CN105913390B (zh) | 一种图像去雾方法及系统 | |
CN109754372B (zh) | 一种图像去雾处理方法及装置 | |
CN115187472A (zh) | 基于容差的暗通道先验去雾方法 | |
Khan et al. | A deep hybrid few shot divide and glow method for ill-light image enhancement | |
CN112200755B (zh) | 一种图像去雾方法 | |
CN108898561A (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN106355556B (zh) | 图像去雾的方法和设备 | |
CN114998173B (zh) | 基于局部区域亮度调节的空间环境高动态范围成像方法 | |
CN113781368B (zh) | 基于局部信息熵的红外成像装置 | |
CN110070508A (zh) | 一种基于门限值和线性映射的反锐化增强方法 | |
Livingston et al. | Image processing for human understanding in low-visibility | |
CN112019774B (zh) | 一种红外高位宽数字图像的高质量显示方法 | |
US20200167899A1 (en) | Noise-cancelling filter for video images | |
CN114820340A (zh) | 基于图像处理的唇纹去除方法、系统、设备及存储介质 | |
CN109961413B (zh) | 大气光方向优化估计的图像去雾迭代算法 | |
Cheng et al. | Image Haze Removal Using Dark Channel Prior Technology with Adaptive Mask Size. | |
CN117036204B (zh) | 一种用于可视对讲机的图像质量增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150909 |