CN105303529A - 一种基于直方图均衡化的数字图像去雾方法 - Google Patents

Abstract

本发明公开了一种基于直方图均衡化的数字图像去雾方法，属于数字图像去雾方法技术领域，解决物体表面的反射光在到达成像设备的过程中,由于大气粒子的散射而发生衰减；自然光因大气粒子散射而进入成像设备参与成像等问题。本发明的步骤为：（1）获取原雾化图像；（2）对原雾化图像RGB模型转换为HSI，对I分量分析图像直方图；（3）设置适合尺寸模版，对I分量进行直方图均衡化增强，得到变换雾化图像的直方图。本发明用于图像处理。

Description

一种基于直方图均衡化的数字图像去雾方法

技术领域

一种基于直方图均衡化的数字图像去雾方法，用于图像处理，属于数字图像去雾方法技术领域。

背景技术

户外景物的图像通常会因为大气中的混浊的媒介(比如分子，水滴等)而降质，雾、霭、蒸气都因大气吸收或散射造成此类现象。照相机接收到景物反射过来的光线经过了衰减，此外，得到的光线还混合有大气光(经大气分子反射的周围环境的光线)。降质的图像的对比度和颜色的保真度有所下降，造成模糊不清的现象，称之为图像雾化。在雾化情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被削弱，图像的清晰度和真实度降低，因此需要消除雾化对图像的影响。

目前对图像去雾的处理方法主要分为两类：雾化图像增强和雾化图像复原。对于每一类方法，按照去雾方法的相似性可以进一步归纳为不同的子类方法：基于图像处理的图像增强方法分为全局化的图像增强和局部化的图像增强；基于物理模型的雾化图像复原方法则包括基于偏微分方程的雾化图像复原、基于深度关系的雾化图像复原和基于先验信息的雾化图像复原。以上两种方法都可以不同程度的实现图像的去雾化，但是由于科技发展水平所限，目前两种方法都存在不同程度上的缺陷。雾化图像的增强方法不考虑图像降质原因，适用范围广，能有效提高雾化图像的对比度，突出图像的细节，改善图像的视觉效果，但对于突出部分的信息可能造成一定的损失

在雾、霾等天气条件下,大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大,大气粒子的散射作用对成像的影响逐渐增加.这种影响主要由两个散射过程造成:1)物体表面的反射光在到达成像设备的过程中,由于大气粒子的散射而发生衰减；2)自然光因大气粒子散射而进入成像设备参与成像。它们的共同作用造成捕获的图像对比度、饱和度降低,以及色调偏移,不仅影响图像的视觉效果,而且影响图像分析和理解的性能。

发明内容

本发明针对现有技术的不足之处提供了一种基于直方图均衡化的数字图像去雾方法，解决物体表面的反射光在到达成像设备的过程中,由于大气粒子的散射而发生衰减；自然光因大气粒子散射而进入成像设备参与成像等问题。

为了实现上述目的，本发明的采用的技术方案为：

一种基于直方图均衡化的数字图像去雾方法，其特征在于，如下步骤：

(1)获取原雾化图像；

(2)对原雾化图像RGB模型转换为HSI，对I分量分析图像直方图；

(3)设置适合尺寸模版，对I分量进行直方图均衡化增强，得到变换雾化图像的直方图。

进一步，所述步骤(2)中，对原雾化图像RGB模型转换为HIS的公式为：

$I=\frac{1}{3}(R+G+B)$

$S=1-\frac{3}{R+G+B}\min (R,G,B)$

$H=\arccos \left\{\frac{\frac{1}{2}\[(R-G)+(R-B)\]}{{\[{(R-G)}^2+(R-B)(G-B)\]}^{1/2}}\right\};$

其中，H和S分量与人感受颜色的方式是紧密相连的。

进一步，所述步骤(3)中，设置适合尺寸模版，对I分量进行直方图均衡化增强的具体步骤为：

(31)列出原始图像和变换后图像的灰度级:I,j＝0,1,,L-1,其中L是灰度级的个数；

(32)统计原图像各灰度级的像素个数n_i；

(33)计算原始图像直方图：p(i)＝n_i/N，N为原始图像像素总个数；

(34)计算累积直方图：

(35)利用灰度变换函数计算变换后的灰度值，并四舍五入：

(36)确定灰度变换关系i、j，据此将原图像的灰度值f(m,n)＝i修正为g(m,n)＝j；

(37)统计变换后各灰度级的像素个数n_j；

(38)计算变换后图像的直方图：p(j)＝n_j/N。

进一步，所述步骤(31)中，变换后图像的灰度级密度函数为：

$P_s\left(s\right)=P_r\left(r\right)\·\frac{dr}{ds}=p_r\left(r\right)\frac{d}{ds}\[T^{-1}\left(s\right)\]={\[p_r\left(r\right)\·\frac{dr}{ds}\]}_{r=T^{-1}\left(s\right)}=T^{-1}\left(s\right);$

P_r(r)和P_s(s)分别表示原图像和变换后图像的灰度级概率密度函数，在已知P_r(r)和变换函数s＝T(r)时，反变换函数r＝T^-1(s)也是单调增长。

与现有技术相比，本发明的优点在于：

一、利用直方图均衡化的方法对图像进行增强，只是对像素分布进行的均衡处理。在均衡各色彩像素的同时，亦把图像中的各噪声分量也均衡化了，虽然实现了图像增强了作用，但不能很好的把图像中噪声分量完全消去；

二、在HIS彩色模型中对图像的色调、色饱和度和亮度各个分量进行处理，能够很好的实现图像增强的目的，运用RGB模型与HIS模型之间的各个分量的相互转换的公式，可以很方便的对RGB彩色图像进行图像增强的操作，但是对单幅图像的增强操作，存在边缘和细节模糊的现象。

附图说明

图1为本发明的流程框架示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。一种基于直方图均衡化的数字图像去雾方法，其特征在于，如下步骤：

(1)获取原雾化图像；

(2)对原雾化图像RGB模型转换为HSI，对I分量分析图像直方图；对原雾化图像RGB模型转换为HIS的公式为：

$I=\frac{1}{3}(R+G+B)$

$S=1-\frac{3}{R+G+B}\min (R,G,B)$

$H=\arccos \left\{\frac{\frac{1}{2}\[(R-G)+(R-B)\]}{{\[{(R-G)}^2+(R-B)(G-B)\]}^{1/2}}\right\};$

其中，H和S分量与人感受颜色的方式是紧密相连的。

(3)设置适合尺寸模版，对I分量进行直方图均衡化增强，得到变换雾化图像的直方图。设置适合尺寸模版，对I分量进行直方图均衡化增强的具体步骤为：

(31)列出原始图像和变换后图像的灰度级:I,j＝0,1,,L-1,其中L是灰度级的个数；变换后图像的灰度级密度函数为：

$P_s\left(s\right)=P_r\left(r\right)\·\frac{dr}{ds}=p_r\left(r\right)\frac{d}{ds}\[T^{-1}\left(s\right)\]={\[p_r\left(r\right)\·\frac{dr}{ds}\]}_{r=T^{-1}\left(s\right)}=T^{-1}\left(s\right);$

P_r(r)和P_s(s)分别表示原图像和变换后图像的灰度级概率密度函数，在已知P_r(r)和变换函数s＝T(r)时，反变换函数r＝T^-1(s)也是单调增长。

(32)统计原图像各灰度级的像素个数n_i；

(33)计算原始图像直方图：p(i)＝n_i/N，N为原始图像像素总个数；

(34)计算累积直方图：

(35)利用灰度变换函数计算变换后的灰度值，并四舍五入：

(36)确定灰度变换关系i、j，据此将原图像的灰度值f(m,n)＝i修正为g(m,n)＝j；

(37)统计变换后各灰度级的像素个数n_j；

(38)计算变换后图像的直方图：p(j)＝n_j/N。

对于连续图像，设r和s分别表示被增强图像和变换后图像的灰度。当r＝s＝0时，表示黑色；当r＝s＝1时，表示白色；变换函数T(r)与原图像概率密度函数P_r(r)之间的关系为：r为积分变量，右边可以看作是r的累积分布函数(CDF)，因为CDF是r的函数，并单调地从0增加到1，所以这一变换函数满足了前面所述的关于T(r)在0≤r≤1内单值单调增加，对于0≤r≤1，有0≤T(r)≤1的两个条件。由于累积分布函数是r的函数，并且单调的从0增加到1，则： $p_s\left(s\right)={\[p_r\left(r\right)\frac{dr}{ds}\]}_{r-T^{-1}\left(s\right)}=p_r\left(r\right)\frac{d}{ds}{\[\frac{1}{ds/dr}\]}_{r-T^{-1}\left(s\right)}=\[p_r\left(r\right)\frac{1}{p_r\left(r\right)}\]=1,$ 变换后的变量s的定义域内的概率密度是均匀分布的。由此可见，用r累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。为了对图像进行数字处理，必须引入离散形式的公式。当灰度级是离散值的时候，可用频数近似代替概率值，即： $p_r\left(r_k\right)=\frac{n_k}{N},(0\≤r_k\≤1,k=0,1,2,...,L-1),$ 式中，L是灰度级数；p_r(r_k)是取第k级灰度值的概率；n_k是在图像中出现第k级灰度的次数；N是图像中像素数，通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理，直方图均衡化累积分布函数的离散形式可表示为： $s_k=T\left(r_k\right)=\underset{i=0}{\overset{k}{\Σ}}\frac{n_j}{N}=\underset{i=0}{\overset{k}{\Σ}}{p}_r\left(r_j\right),(0\≤r_j\≤1,k=0,1,2,...,L-1),$ 其反变换为r_k＝T^-1(s_k)。

利用直方图均衡化的方法对图像进行增强，只是对像素分布进行的均衡处理。在均衡各色彩像素的同时，亦把图像中的各噪声分量也均衡化了，虽然实现了图像增强了作用，但不能很好的把图像中噪声分量完全消去；在HIS彩色模型中对图像的色调、色饱和度和亮度各个分量进行处理，能够很好的实现图像增强的目的，运用RGB模型与HIS模型之间的各个分量的相互转换的公式，可以很方便的对RGB彩色图像进行图像增强的操作，但是对单幅图像的增强操作，存在边缘和细节模糊的现象。

Claims (4)

1.一种基于直方图均衡化的数字图像去雾方法，其特征在于，如下步骤：

(1)获取原雾化图像；

(2)对原雾化图像RGB模型转换为HSI，对I分量分析图像直方图；

(3)设置适合尺寸模版，对I分量进行直方图均衡化增强，得到变换雾化图像的直方图。

2.根据权利要求1所述的一种基于直方图均衡化的数字图像去雾方法，其特征在于，所述步骤(2)中，对原雾化图像RGB模型转换为HIS的公式为：

$I=\frac{1}{3}(R+G+B)$

$S=1-\frac{3}{R+G+B}\min (R,G,B)$

$H=arccos\left\{\frac{\frac{1}{2}\[(R-G)+(R-B)\]}{{\[{(R-G)}^2+(R-B)(G-B)\]}^{1/2}}\right\};$

其中，H和S分量与人感受颜色的方式是紧密相连的。

3.根据权利要求1所述的一种基于直方图均衡化的数字图像去雾方法，其特征在于，所述步骤(3)中，设置适合尺寸模版，对I分量进行直方图均衡化增强的具体步骤为：

(31)列出原始图像和变换后图像的灰度级:I,j＝0,1,,L-1,其中L是灰度级的个数；

(32)统计原图像各灰度级的像素个数n_i；

(33)计算原始图像直方图：p(i)＝n_i/N，N为原始图像像素总个数；

(34)计算累积直方图：

(35)利用灰度变换函数计算变换后的灰度值，并四舍五入：

(36)确定灰度变换关系i、j，据此将原图像的灰度值f(m,n)＝i修正为g(m,n)＝j；

(37)统计变换后各灰度级的像素个数n_j；

(38)计算变换后图像的直方图：p(j)＝n_j/N。

4.根据权利要求1所述的一种基于直方图均衡化的数字图像去雾方法，其特征在于，所述步骤(31)中，变换后图像的灰度级密度函数为：

P_r(r)和P_s(s)分别表示原图像和变换后图像的灰度级概率密度函数，在已知P_r(r)和变换函数s＝T(r)时，反变换函数r＝T^-1(s)也是单调增长。