CN106355563A - 一种图像去雾方法和装置 - Google Patents

Abstract

本发明涉及一种图像去雾方法和装置，所述图像去雾方法包括如下步骤：(1)将待处理图像从RGB颜色空间转换到HSV颜色空间；(2)提取待处理图像的亮度分量；(3)对待处理图像的亮度分量进行同态滤波处理；(4)将处理过的图像从HSV颜色空间转换到RGB颜色空间；(5)输出处理过的图像。本发明提供的技术方案方法简单，对硬件的要求不高，实现所述图像去雾方法的成本也比较低，从而解决了现有技术中对含雾图像处理过程中成本较高的问题。

Description

一种图像去雾方法和装置

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像去雾方法和装置。

背景技术

目前很多户外工作，如监控、智能导航和无人机侦察等技术都是基于采集的图像实现的监控或控制，当户外环境存在雾霾或其他大颗粒微粒时，会使拍摄图像质量下降，图像呈现灰白色，能见度降低、噪声较大、对比度与色彩剧烈衰减、景物轮廓模糊，图像特征提取困难，最终导致图像失真，极大影响了视觉效果，使监控的效果变差，智能导航系统甚至会发出错误的导航指令。

因此，对图像进行去雾处理，使含雾图像清晰化非常重要。公布号为CN105279739的专利文件公开了一种自适应含糊数字图像去雾方法，但是该方法比较复杂，对实现过程中对硬件的要求较高，需要的成本也比较高。

发明内容

本发明提供一种图像去雾方法和装置，用于解决现有技术中对含雾图像处理过程中成本较高的问题。

一种图像去雾方法，包括如下步骤：

(1)将待处理图像从RGB颜色空间转换到HSV颜色空间；

(2)提取待处理图像的亮度分量；

(3)对待处理图像的亮度分量进行同态滤波处理；

(4)将处理过的图像从HSV颜色空间转换到RGB颜色空间；

(5)输出处理过的图像。

进一步的，还包括提取图像的亮度分量后，判断是否需要进行去雾处理的步骤；如果不需要进行去雾处理，则直接输出图像。

进一步的，所述将图像从RGB颜色空间转换到HSV颜色空间所采用的公式如下：

其中

S＝C/V,V＝max(R,G,B)，C＝max(R,G,B)-min(R,G,B)

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，函数max(R,G,B)表示R、G、B中的最大值，min(R,G,B)表示R、G、B中的最小值。

进一步的，所述对待处理图像亮度分量进行同态滤波处理的方法如下：

(1)图像的亮度分量表示为v(x,y)＝i(x,y)×r(x,y)；

其中i(x,y)为入射分量，r(x,y)为反射分量，x表示图像中的点的横向坐标，y表示图像中的点的纵向坐标；

(2)对亮度分量取对数，得到公式：

lnv(x,y)＝lni(x,y)+lnr(x,y)；

(3)对上述公式做傅里叶变换，得到亮度分量的频域表达式：

V(u,v)＝I(x,y)×R(x,y)；

(4)采用同态滤波函数H(u,v)对上述频域的表达式V(u,v)进行滤波处理，得到：

H(u,v)V(u,v)＝H(u,v)I(x,y)×H(u,v)R(x,y)；

(5)对滤波后的表达式做傅里叶逆变换，得到公式：

h_v(u,v)＝h_i(x,y)+h_r(x,y)；

(6)对傅里叶逆变后的表达式两边取指数，得到滤波后图像的表达式：

$g(x,y)=e^{h_v(u,v)}=e^{h_i(x,y)}\×e^{h_r(x,y)}.$

进一步的，所述同态滤波函数H(u,v)为：

$H(u,v)=(r_H-r_L)\[1-e^{-{\[\frac{{D_0}^n}{D^m(u,v)}\]}^2}\]+r_L;$

其中m，n为动态算子，r_H为高频增益，r_L为低频增益，D₀表示截止频率，常数c取值范围[0，1]，D(u,v)表示点(u,v)到滤波中心点(u₀,v₀)的距离，其数学表达式为：

$D(u,v)=\sqrt{{(u-u_0)}^2+{(v-v_0)}^2}.$

进一步的，处理过的图像从HSV颜色空间转换到RGB颜色空间采用的公式如下：

$f=\frac{H}{60}-h_i$

p＝V×(1-S)

q＝V×(1-f×S)

t＝V×(1-(1-f)×S)

$(R,G,B)=\left\{\begin{array}{c}(V,t,p),h_i=0\\ (q,V,p),h_i=1\\ (p,V,t),h_i=2\\ (p,q,V),h_i=3\\ (t,p,V),h_i=4\\ (V,p,q),h_i=5\end{array}\right.$

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，f、p、q、t为中间变量。

一种图像去雾装置，包括如下模块：

将待处理图像从RGB颜色空间转换到HSV颜色空间的模块；

提取待处理图像的亮度分量的模块；

对待处理图像的亮度分量进行同态滤波处理的模块；

将处理过的图像从HSV颜色空间转换到RGB颜色空间的模块；

输出处理过的图像的模块。

进一步的，还包括提取图像的亮度分量后判断图像是否需要进行去雾处理的模块；当判断结果为不需要进行去雾处理时，直接执行输出图像的模块。

进一步的，所述将图像从RGB颜色空间转换到HSV颜色空间所采用的公式如下：

其中

S＝C/V,V＝max(R,G,B)，C＝max(R,G,B)-min(R,G,B)；

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，函数max(R,G,B)表示R、G、B中的最大值，min(R,G,B)表示R、G、B中的最小值；

处理过的图像从HSV颜色空间转换到RGB颜色空间采用的公式如下：

$f=\frac{H}{60}-h_i$

p＝V×(1-S)

q＝V×(1-f×S)

t＝V×(1-(1-f)×S)

$(R,G,B)=\left\{\begin{array}{c}(V,t,p),h_i=0\\ (q,V,p),h_i=1\\ (p,V,t),h_i=2\\ (p,q,V),h_i=3\\ (t,p,V),h_i=4\\ (V,p,q),h_i=5\end{array}\right.$

其中f、p、q、t为中间变量。

进一步的，所述对待处理图像亮度分量进行同态滤波处理的模块包括如下单元：

图像的亮度分量表示为v(x,y)＝i(x,y)×r(x,y)的单元；

其中i(x,y)为入射分量，r(x,y)为反射分量，x表示图像中的点的横向坐标，y表示图像中的点的纵向坐标；

对亮度分量取对数，得到公式lnv(x,y)＝lni(x,y)+lnr(x,y)的单元

对上述公式做傅里叶变换，得到亮度分量的频域表达式V(u,v)＝I(x,y)×R(x,y)的单元；

采用同态滤波函数H(u,v)对上述频域的表达式V(u,v)进行滤波处理，得到H(u,v)V(u,v)＝H(u,v)I(x,y)×H(u,v)R(x,y)的单元；

对滤波后的表达式做傅里叶逆变换，得到公式h_v(u,v)＝h_i(x,y)+h_r(x,y)的单元；

对傅里叶逆变后的表达式两边取指数，得到滤波后图像的表达式的单元；

所述同态滤波函数H(u,v)为

其中m，n为动态算子，r_H为高频增益，r_L为低频增益，D₀表示截止频率，常数c取值范围[0，1]，D(u,v)表示点(u,v)到滤波中心点(u₀,v₀)的距离，其数学表达式为：

$D(u,v)=\sqrt{{(u-u_0)}^2+{(v-v_0)}^2}.$

本发明提供的一种图像去雾方法和装置，通过将图像由RGB颜色空间转换到HSV颜色空间，然后对亮度分量做滤波处理，从而实现图片的去雾处理。本发明提供的技术方案方法简单，对硬件的要求不高，实现所述图像去雾方法的成本也比较低，从而解决了现有技术中对含雾图像处理过程中成本较高的问题。

设置判断图像是否需要进行去雾处理的步骤，在批量处理图像时能够自动筛选出对于不需要进行去雾处理的图像，并且能够减少工作量。

附图说明

图1为实施例图像去雾处理方法的流程图。

具体实施方式

本发明提供一种图像去雾的方法和装置，将图像由RGB颜色空间转换到HSV颜色空间，通过滤波处理进行去雾后再转换到RGB颜色空间，从而实现图像的去雾处理，本发明提供的技术方案方法简单，成本低。

方法实施例

本实施例中，在对图像进行滤波处理时，采用高通滤波器抑制低频分量，使高频分量凸显。传统的n阶高通滤波传递函数为：

$H(u,v)=1-e^{-{\[\frac{D0}{D(u,v)}\]}^{2n}};$

其中D₀表示截止频率，可以根据需求选取；D(u,v)表示点(u,v)到滤波中心(u₀,v₀)的距离，即 $D(u,v)=\sqrt{{(u-u_0)}^2+{(v-v_0)}^2};$

类比n阶巴特沃斯高通滤波器的传递模型，依据同态滤波传递函数的特点，将高斯高通滤波器的表达式进行改进，得到一种新的n阶巴特沃斯高通率比起相对于的同态滤波自适应传递函数：

$H(u,v)=(r_H-r_L)\[1-e^{-c{\[\frac{{D_0}^n}{D^m(u,v)}\]}^2}\]+r_L;$

其中，m、n为动态算子，r_H代表高频增益，r_L代表低频增益，

当r_H＞1，0＜r_L＜1时，图像的低频分量减小，高频分量增强，使得动态范围压缩和对比度增强；常数c用来控制滤波器函数斜面的锐化，取值范围[0,1]。

当图像大小为M×N时，图像的中心在处，此时点(u,v)到滤波中心的距离： $D(u,v)=\sqrt{{(u-\frac{M}{2})}^2+{(v-\frac{N}{2})}^2}.$

本实施例提供的一种图像去雾方法如图1所示，步骤如下：

(1)将待处理图像从RGB颜色空间转换到HSV颜色空间；

(2)提取待处理图像的亮度分量，即亮度图像；

(3)判断图像是否需要进行去雾处理；如果不需要进行去雾处理，直接输出图像；如果需要进行去雾处理，则进行下一步；

(4)对待处理图像的亮度分量进行同态滤波处理；

(5)将处理过的图像从HSV颜色空间转换到RGB颜色空间；

(6)输出处理过的图像。

在本实施例中，采用下述公式将图像的颜色空间由RGB转化为HSV：

S＝C/V；

V＝max(R,G,B)；

C＝max(R,G,B)-min(R,G,B)；

其中

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，函数max(R,G,B)表示R、G、B中的最大值，min(R,G,B)表示R、G、B中的最小值。

在本实施例中，提取亮度分量后采用同态滤波法对亮度分量进行滤波处理的步骤如下

(1)使用亮度分量公式v(x,y)＝i(x,y)×r(x,y)表示亮度分量，

其中v(x,y)为亮度分量，i(x,y)为入射分量，r(x,y)为反射分量，x为图像中的点的横向坐标，y为图像中的点的纵向坐标；

(2)对上述亮度分量公式取对数，得到公式：

lnv(x,y)＝lni(x,y)+lnr(x,y)；

(3)对取对数后的亮度分量公式进行快速傅里叶变换，得到亮度分量的频域表达式：

V(u,v)＝I(x,y)×R(x,y)；

(4)采用同态滤波函数H(u,v)处理上述频域的表达式V(u,v)，将照射分量和反射分量分开，得到滤波后的亮度分量公式：

H(u,v)V(u,v)＝H(u,v)I(x,y)×H(u,v)R(x,y)；

(5)上述滤波后的亮度分量表达式进行傅里叶逆变换处理，得到公式：

h_v(u,v)＝h_i(x,y)+h_r(x,y)；

(6)对步骤5中得到的公式两边取指数，得到滤波后的图像表达式：

$g{(x,y)}^{s(x,y)}=e=e^{h_i(x,y)}\×e^{h_r(x,y)};$

其中s(x,y)＝h_v(u,v)，为了与在xy坐标系中的图像相对应，所以采用s(x,y)表示。

当对图像进行同源滤波处理后，按照下述公式将图像颜色空间由HSV转换到RGB，进行图像输出：

$f=\frac{H}{60}-h_i;$

p＝V×(1-S)；

q＝V×(1-f×S)；

t＝V×(1-(1-f)×S)；

$(R,G,B)=\left\{\begin{array}{c}(V,t,p),h_i=0\\ (q,V,p),h_i=1\\ (p,V,t),h_i=2\\ (p,q,V),h_i=3\\ (t,p,V),h_i=4\\ (V,p,q),h_i=5\end{array}\right.;$

其中f、p、q、t为中间变量。

本实施例中，提取待处理图像的亮度分量后判断图像是否含雾，以确定是否需要进行去雾处理。作为其他实施方式，可以不设置判断图像是否含雾的步骤，在进行图像处理时只输入含雾图像即可。

装置实施例：

一种图像去雾装置，包括如下模块：

将待处理图像从RGB颜色空间转换到HSV颜色空间的模块；

提取待处理图像的亮度分量的模块；

对待处理图像的亮度分量进行同态滤波处理的模块；

将处理过的图像从HSV颜色空间转换到RGB颜色空间的模块；

输出处理过的图像的模块。

以上给出了本发明涉及的具体实施方式，但本发明不局限于所描述的实施方式。在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。

Claims (10)

1.一种图像去雾方法，其特征在于，包括如下步骤：

(1)将待处理图像从RGB颜色空间转换到HSV颜色空间；

(2)提取待处理图像的亮度分量；

(3)对待处理图像的亮度分量进行同态滤波处理；

(4)将处理过的图像从HSV颜色空间转换到RGB颜色空间；

(5)输出处理过的图像。

2.根据权利要求1所述的一种图像去雾方法，其特征在于，还包括提取图像的亮度分量后，判断是否需要进行去雾处理的步骤；如果不需要进行去雾处理，则直接输出图像。

3.根据权利要求1所述的一种图像去雾方法，其特征在于，所述将图像从RGB颜色空间转换到HSV颜色空间所采用的公式如下：

其中

S＝C/V,V＝max(R,G,B)，C＝max(R,G,B)-min(R,G,B)；

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，函数max(R,G,B)表示R、G、B中的最大值，min(R,G,B)表示R、G、B中的最小值。

4.根据权利要求1所述的一种图像去雾方法，其特征在于，所述对待处理图像亮度分量进行同态滤波处理的方法如下：

(1)图像的亮度分量表示为v(x,y)＝i(x,y)×r(x,y)；

其中i(x,y)为入射分量，r(x,y)为反射分量，x表示图像中的点的横向坐标，y表示图像中的点的纵向坐标；

(2)对亮度分量取对数，得到公式：

lnv(x,y)＝lni(x,y)+lnr(x,y)；

(3)对上述公式做傅里叶变换，得到亮度分量的频域表达式：

V(u,v)＝I(x,y)×R(x,y)；

(4)采用同态滤波函数H(u,v)对上述频域的表达式V(u,v)进行滤波处理，得到：

H(u,v)V(u,v)＝H(u,v)I(x,y)×H(u,v)R(x,y)；

(5)对滤波后的表达式做傅里叶逆变换，得到公式：

h_v(u,v)＝h_i(x,y)+h_r(x,y)；

(6)对傅里叶逆变后的表达式两边取指数，得到滤波后图像的表达式：

$g(x,y)=e^{h_v(u,v)}=e^{h_i(x,y)}\×e^{h_r(x,y)}.$

5.根据权利要求4所述的一种图像去雾方法，其特征在于，所述同态滤波函数H(u,v)为：

$H(u,v)=(r_H-r_L)\[1-e^{-c{\[\frac{{D_0}^n}{D^m(u,v)}\]}^2}\]+r_L$

其中m，n为动态算子，r_H为高频增益，r_L为低频增益，D₀表示截止频率，常数c取值范围[0，1]，D(u,v)表示点(u,v)到滤波中心点(u₀,v₀)的距离，其数学表达式为：

$D(u,v)=\sqrt{{(u-u_0)}^2+{(v-v_0)}^2}.$

6.根据权利要求1所述的一种图像去雾方法，其特征在于，处理过的图像从HSV颜色空间转换到RGB颜色空间采用的公式如下：

$f=\frac{H}{60}-h_i$

p＝V×(1-S)

q＝V×(1-f×S)

t＝V×(1-(1-f)×S)

$(R,G,B)=\left\{\begin{array}{c}(V,t,p),h_i=0\\ (q,V,p),h_i=1\\ (p,V,t),h_i=2\\ (p,q,V),h_i=3\\ (t,p,V),h_i=4\\ (V,p,q),h_i=5\end{array}\right.$

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，f、p、q、t为中间变量。

7.一种图像去雾装置，其特征在于，包括如下模块：

将待处理图像从RGB颜色空间转换到HSV颜色空间的模块；

提取待处理图像的亮度分量的模块；

对待处理图像的亮度分量进行同态滤波处理的模块；

将处理过的图像从HSV颜色空间转换到RGB颜色空间的模块；

输出处理过的图像的模块。

8.根据权利要求7所述的一种图像去雾装置，其特征在于，还包括提取图像的亮度分量后判断图像是否需要进行去雾处理的模块；当判断结果为不需要进行去雾处理时，则直接执行输出图像的模块。

9.根据权利要求7所述的一种图像去雾装置，其特征在于，所述将图像从RGB颜色空间转换到HSV颜色空间所采用的公式如下：

其中

S＝C/V,V＝max(R,G,B)，C＝max(R,G,B)-min(R,G,B)；

其中R表示图像的红色分量，G表示图像的绿色分量，B表示图像的蓝色分量，H表示图像的色度分量，S表示图像的饱和度分量，V表示图像的亮度分量，函数max(R,G,B)表示R、G、B中的最大值，min(R,G,B)表示R、G、B中的最小值；

处理过的图像从HSV颜色空间转换到RGB颜色空间采用的公式如下：

$f=\frac{H}{60}-h_i$

p＝V×(1-S)

q＝V×(1-f×S)

t＝V×(1-(1-f)×S)

$(R,G,B)=\left\{\begin{array}{c}(V,t,p),h_i=0\\ (q,V,p),h_i=1\\ (p,V,t),h_i=2\\ (p,q,V),h_i=3\\ (t,p,V),h_i=4\\ (V,p,q),h_i=5\end{array}\right.$

其中f、p、q、t为中间变量。

10.根据权利要求7所述的一种图像去雾装置，其特征在于，所述对待处理图像亮度分量进行同态滤波处理的模块包括如下单元：

图像的亮度分量表示为v(x,y)＝i(x,y)×r(x,y)的单元；

其中i(x,y)为入射分量，r(x,y)为反射分量，x表示图像中的点的横向坐标，y表示图像中的点的纵向坐标；

对亮度分量取对数，得到公式lnv(x,y)＝lni(x,y)+lnr(x,y)的单元；

对上述公式做傅里叶变换，得到亮度分量的频域表达式V(u,v)＝I(x,y)×R(x,y)的单元；

采用同态滤波函数H(u,v)对上述频域的表达式V(u,v)进行滤波处理，得到H(u,v)V(u,v)＝H(u,v)I(x,y)×H(u,v)R(x,y)的单元；

对滤波后的表达式做傅里叶逆变换，得到公式h_v(u,v)＝h_i(x,y)+h_r(x,y)的单元；

对傅里叶逆变后的表达式两边取指数，得到滤波后图像的表达式的单元；

所述同态滤波函数H(u,v)为：

$H(u,v)=(r_H-r_L)\[1-e^{-c{\[\frac{{D_0}^n}{D^m(u,v)}\]}^2}\]+r_L$

其中m，n为动态算子，r_H为高频增益，r_L为低频增益，D₀表示截止频率，常数c取值范围[0，1]，D(u,v)表示点(u,v)到滤波中心点(u₀,v₀)的距离，其数学表达式为：

$D(u,v)=\sqrt{{(u-u_0)}^2+{(v-v_0)}^2}.$