CN105184758B - 一种图像去雾增强的方法 - Google Patents
一种图像去雾增强的方法 Download PDFInfo
- Publication number
- CN105184758B CN105184758B CN201510587519.9A CN201510587519A CN105184758B CN 105184758 B CN105184758 B CN 105184758B CN 201510587519 A CN201510587519 A CN 201510587519A CN 105184758 B CN105184758 B CN 105184758B
- Authority
- CN
- China
- Prior art keywords
- image
- pending
- region
- gray
- bright areas
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,特别涉及一种图像去雾增强的方法。本发明通过将待处理图像进行灰度处理后,自适应选择阈值A,并进一步的通过自适应选择修正系数β来现有技术中处理白色高亮图像过程中引起的灰度和色彩失真问题,能够有效提高图像的显示质量。
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增强的方法。
背景技术
目前,雾霾问题日趋严重,这导致在户外进行图像采集时,所采集的图像会收到雾霾的影响,图像信息品质下降。这种因为雾霾导致的图像降质会对航空、遥感、监控以及国防等领域有着严重的影响,因此,对雾化图像的去雾和增强处理显得日趋重要。
当前单幅图像的去雾增强算法有很多种,例如直方图处理方法、Retinex、同态滤波、空域彩色图像增强方法和暗通道先验等算法。在应用中,目前最好的方法是暗通道先验方法。
然而,传统的暗通道先验算法具有一定的局限性:算法在遇到大范围白色高亮区域图像时,由于该区域亮度与大气光相近,图像的透射率偏小,难以获得精准的透射率值,造成RGB三颜色通道比例失调,从而引起图像边缘、灰度和色彩失真,降低了图像的质量,以致算法无法得到很好的应用和推广。
发明内容
本发明的目的在于克服经现有技术(暗通道先验算法)处理的图像白色高亮部分灰度和色彩失真问题,本发明提出了一种通过自适应选择修正系数β对已经采取现有技术(暗通道先验算法)处理过的图像进一步进行修正,并有效提高图像的显示质量的图像增强方法。
为了实现上述发明目的,本发明提供了以下技术方案:一种图像去雾增强的方法,包含如下步骤:
1)将待处理图像转为灰度图像,统计出所述灰度图像的灰度直方图和灰度均值L;
2)从所述灰度直方图中沿灰度最大值向灰度最小值方向寻找直方图数值变化的谷点,将各个谷点与所述灰度均值L比较,将找到的第一个大于所述灰度均值L的谷点设定为所述灰度直方图的阈值点A;
3)确定所述待处理图像的白色明亮区域并标识;
4)计算所述待处理图像已标识区域的像素数S1和整幅图像的像素数S,根据S1和S的比值 计算修正系数β;
5)对经过暗通道先验算法处理过的所述待处理图像,针对步骤3)中的标识区域利用修正系数β进行修正。
进一步的,步骤2)之前还包括对所述灰度直方图进行平滑处理的步骤。
进一步的,步骤3)中,确定所述待处理图像的白色明亮区域包括如下两个步骤:
3-1)确定所述待处理图像的白色信号区域;将所述待处理图像灰度值高于阈值点A的部分进行R/G/B三基色通道的强度值进行判断,当三基色相互之间强度值差小于△L时,将其标定为白色信号区域;
3-2)确定所述待处理图像的明亮区域;确定明亮区域的方法为:将所述待处理图像按照n×n像素进行区域分割,统计每个区域内的像素灰度均值,当区域的灰度均值高于阈值点A时,将该区域标识为明亮区域;
同时满足步骤3-1)及步骤3-2)中的区域为白色明亮区域。
进一步的,所述△L的值为20至35。
进一步的,步骤4)中计算修正系数β的公式为0<α<4。
进一步的,所述步骤5)中,采用公式J=J′×(1-β)+I×β对图像进行修正;其中,I表示原始的待处理图像,J表示修正后的图像(即本发明要得到的目标图像),J′表示经过暗通道先验算法处理过待处理图像。
进一步的,所述步骤5)执行后,还包括将修正后的图像进行对比度增强处理的步骤。
与现有技术相比,本发明的有益效果:本发明通过将待处理图像进行灰度处理后,自适应选择阈值A,并进一步的通过自适应选择修正系数β来现有技术中处理白色高亮图像过程中引起的灰度和色彩失真问题,能够有效提高图像的显示质量。
1、本发明所述方法可以较好的消除雾霾对画面的降质,提高整幅图像的清晰度和对比度,能够用在航空、遥感、交通等多领域。
2、本发明所述方法和已有方法相比,主要有以下方面的差别:1)通过灰度直方图选择峰谷(谷点),并且统计图像的灰度平均值来找出像素值较高的区域;2)在这些区域内通过三基色像素值之差来判断是否属于白色图像;3)将整个图像分割成小块然后标识相应块再进行修正系数β的获取;4)在图像计算透射率的时候,需要对标识的区域进行β系数修正;5)整个完成的图像进行对比度增强处理。
3、本发明所述方法可以很好的解决现有图像处理方法(暗通道先验算法)在户外有雾图像去雾过程中存在的大面积白色明亮区域的失真问题。
4、本发明对大面积白色明亮区域的切割是基于自适应灰度直方图阈值A,其阈值根据图像特征可变,并不固定。发明中提到的该区域颜色鉴定是基于三基色强度差值,其差值属于白色区域范围的标准来自于统计经验。
附图说明:
图1为本发明的流程图。
图2为谷点选取示意图。
图3为具体示例1中待处理图像。
图4为具体示例1中经现有技术(暗通道先验算法)处理后的图像。
图5为具体示例1中经本发明方法步骤3)处理后的待处理图像。
图6为具体示例1中经本发明方法处理后的图像。
图7为具体示例2中待处理图像。
图8为具体示例2中经现有技术(暗通道先验算法)处理后的图像。
图9为具体示例2中经本发明方法步骤3)处理后的待处理图像。
图10为具体示例2中经本发明方法处理后的图像。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1:如图1所示,本实施例提供一种图像去雾增强的方法,包含如下步骤:
S01:将待处理图像转为灰度图像,统计出所述灰度图像的灰度直方图和灰度均值L;
S02:如图2所示,从所述灰度直方图中沿灰度最大值向灰度最小值方向寻找直方图数值变化 的谷点(图2中圆圈画中的部位),将各个谷点与所述灰度均值L比较,将找到的第一个大于所述灰度均值L的谷点设定为所述灰度直方图的阈值点A;
S03:确定所述待处理图像的白色明亮区域并标识;
S04:计算所述待处理图像已标识区域的像素数S1和整幅图像的像素数S,根据S1和S的比值计算修正系数β;所述修正系数β的公式为0<α<4,本实施例中,α=1。
另外一些实施例中,修正系数β还可以根据多图统计结果构建经验曲线然后得到相应的关系值。
S05:对经过暗通道先验算法处理过的所述待处理图像,针对步骤3)中的标识区域利用公式J=J′×(1-β)+I×β对其进行修正;其中,I表示原始的待处理图像,J表示修正后的图像,J′表示经过暗通道先验算法处理过待处理图像。
进一步的,步骤S02之前还包括对所述灰度直方图进行平滑处理的步骤。
进一步的,步骤S03中,确定所述待处理图像的白色明亮区域包括如下两个步骤:
S03-1:确定所述待处理图像的白色信号区域;确定白色信号区域的方法为:将所述待处理图像灰度值高于阈值点A的部分进行R/G/B三基色通道的强度值进行判断,当三基色相互之间强度值差小于△L时,将其标定为白色信号区域,本实施例中,△L采用经验值28。
S03-2:确定所述待处理图像的明亮区域;确定明亮区域的方法为:将所述待处理图像按照n×n像素进行区域分割,统计每个区域内的像素灰度均值,当区域的灰度均值高于阈值点A时,将该区域标识为明亮区域;1<n<100,n的取值越小,则区域确定精度越高;本实施例中,n取值为20。
同时满足步骤S03-1及步骤S03-2中的区域为白色明亮区域,应注意的是,步骤S03-1及步骤S03-2并无先后执行顺序,可为同时进行,也可先后次序进行或先执行步骤S03-2再执行步骤S03-1。
进一步的,所述步骤S05执行后,还包括将修正后的图像进行对比度增强处理的步骤。
下面通过两个示例进一步说明本发明方法的使用过程及优点:
示例1:原始待处理图像为图3(图3可以为彩图),经本发明方法S01将其转为灰度图像, 统计出所述灰度图像的灰度直方图和灰度均值L;并继续经过S02得到本图的灰度阈值点A=173,图2即为示例1的灰度直方图;在步骤S03后我们得到图5,图5中两旁树木中间的白色明亮区域(天空部分)被准确的识别出来。根据标识结果,并通过S04得出其右侧像素和总像素的比为19.67%,而经过标识为白色高亮区域的像素点和总像素的比为23.38%,在此基础上,算得该图的修正系数β值为4.28。
将修正系数β引入公式J=J′×(1-β)+I×β对图像进行修正,其中I表示如图3的原始待处理图像,J′表示如图4所示的经过暗通道先验算法处理过的图像,所得结果J为如图6所示,通过对比对比原暗通道先验算法结果(图4)和本发明提供方法处理结果(图6),可以看出:现有技术暗通道先验算法和本发明提供的处理方法,在整幅图像的显示效果较为一致,树木和街道的细节部分也较原始图像有了明显改善。
示例2:如图7至图10所示,图7为另一幅待处理图像,图8为经过现有技术(暗通道先验算法)处理后的图像,图9为经本发明方法S03后处理的图像;图10为经过本发明方法处理完毕的图像;经过分别对示例1及示例2中两幅图像的信息熵、PSNR和MSE计算结果(如表1所示)表明,客观上,本发明方法提供的图像处理方法能够明显提高图像的画质。
表1
Claims (6)
1.一种图像去雾增强的方法,其特征在于,包含如下步骤:
1)将待处理图像转为灰度图像,统计出所述灰度图像的灰度直方图和灰度均值L;
2)从所述灰度直方图中沿灰度最大值向灰度最小值方向寻找直方图数值变化的谷点,将各个谷点与所述灰度均值L比较,将找到的第一个大于所述灰度均值L的谷点设定为所述灰度直方图的阈值点A;
3)确定所述待处理图像的白色明亮区域并标识;
确定所述待处理图像的白色明亮区域包括如下两个步骤:
3-1)确定所述待处理图像的白色信号区域;确定白色信号区域的方法为:将所述待处理图像灰度值高于阈值点A的部分进行R/G/B三基色通道的强度值进行判断,当三基色相互之间强度值差小于△L时,将其标定为白色信号区域;
3-2)确定所述待处理图像的明亮区域;确定明亮区域的方法为:将所述待处理图像按照n×n像素进行区域分割,统计每个区域内的像素灰度均值,当区域的灰度均值高于阈值点A时,将该区域标识为明亮区域;
同时满足步骤3-1)及步骤3-2)中的区域为白色明亮区域;
4)计算所述待处理图像已标识区域的像素数S1和整幅图像的像素数S,根据S1和S的比值计算修正系数β;
5)对经过暗通道先验算法处理过的所述待处理图像,针对步骤3)中的标识区域利用修正系数β进行修正。
2.如权利要求1所述的图像去雾增强的方法,其特征在于,步骤2)之前还包括对所述灰度直方图进行平滑处理的步骤。
3.如权利要求1所述的图像去雾增强的方法,其特征在于,所述△L的值为20至35。
4.如权利要求1所述的图像去雾增强的方法,其特征在于,步骤4)中计算修正系数β的公式为0<α<4。
5.如权利要求1所述的图像去雾增强的方法,其特征在于,所述步骤5)中,采用公式J=J′×(1-β)+I×β对图像进行修正;其中,I表示原始的待处理图像,J表示修正后的图像,J′表示经过暗通道先验算法处理过的待处理图像。
6.如权利要求1所述的图像去雾增强的方法,其特征在于,所述步骤5)执行后,还包括将修正后的图像进行对比度增强处理的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510587519.9A CN105184758B (zh) | 2015-09-16 | 2015-09-16 | 一种图像去雾增强的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510587519.9A CN105184758B (zh) | 2015-09-16 | 2015-09-16 | 一种图像去雾增强的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105184758A CN105184758A (zh) | 2015-12-23 |
CN105184758B true CN105184758B (zh) | 2017-11-17 |
Family
ID=54906812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510587519.9A Active CN105184758B (zh) | 2015-09-16 | 2015-09-16 | 一种图像去雾增强的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184758B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741230A (zh) * | 2016-01-29 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理的方法及移动终端 |
CN107993214B (zh) * | 2017-12-25 | 2018-10-12 | 北京航空航天大学 | 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强系统 |
CN109087254B (zh) * | 2018-04-26 | 2021-12-31 | 长安大学 | 无人机航拍图像雾霾天空和白色区域自适应处理方法 |
CN109919859B (zh) * | 2019-01-25 | 2021-09-07 | 暨南大学 | 一种户外场景图像去雾增强方法、计算设备及其存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5581370A (en) * | 1995-06-05 | 1996-12-03 | Xerox Corporation | Image-dependent automatic area of interest enhancement |
CN103345733A (zh) * | 2013-07-31 | 2013-10-09 | 哈尔滨工业大学 | 基于改进暗通道先验的快速低照度图像增强方法 |
CN104574325A (zh) * | 2014-12-18 | 2015-04-29 | 华中科技大学 | 一种天空光估计方法与系统及其图像去雾方法 |
-
2015
- 2015-09-16 CN CN201510587519.9A patent/CN105184758B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5581370A (en) * | 1995-06-05 | 1996-12-03 | Xerox Corporation | Image-dependent automatic area of interest enhancement |
CN103345733A (zh) * | 2013-07-31 | 2013-10-09 | 哈尔滨工业大学 | 基于改进暗通道先验的快速低照度图像增强方法 |
CN104574325A (zh) * | 2014-12-18 | 2015-04-29 | 华中科技大学 | 一种天空光估计方法与系统及其图像去雾方法 |
Non-Patent Citations (5)
Title |
---|
Single Image Haze Removal Using Dark Channel Prior;Kaiming He等;《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》;20111231;第33卷(第12期);全文 * |
一种基于灰度直方图的遥感影像阴影自动检测方法;于东方等;《计算机工程与科学》;20081215;第30卷(第12期);摘要 * |
图像去雾的最新研究进展;吴迪等;《自动化学报》;20150228;第42卷(第2期);全文 * |
基于黑色通道的图像快速去雾优化算法;褚宏莉等;《电子学报》;20130430;第41卷(第4期);全文 * |
改进的基于暗原色先验的图像去雾算法;蒋建国等;《电路与系统学报》;20110430;第16卷(第2期);第4页最后一段至第5页第1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN105184758A (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
KR101448164B1 (ko) | 파라미터 최적화를 이용한 영상의 안개 제거 방법 | |
CN105184758B (zh) | 一种图像去雾增强的方法 | |
CN106886985B (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN105761230B (zh) | 基于天空区域分割处理的单幅图像去雾方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN109816608B (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN115937216B (zh) | 一种新能源汽车用磁转子外观质量检测方法 | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN109658343B (zh) | 结合颜色转换和自适应曝光的水下图像增强方法 | |
CN103886565A (zh) | 基于目的性优化及直方图均衡化的夜间彩色图像增强方法 | |
CN105809643A (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
CN106327437B (zh) | 一种彩色文本图像校正方法及系统 | |
CN112053298B (zh) | 一种图像去雾方法 | |
CN110175969A (zh) | 图像处理方法及图像处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |