CN106408520A - 一种高颜色保真度的图像去雾方法 - Google Patents
一种高颜色保真度的图像去雾方法 Download PDFInfo
- Publication number
- CN106408520A CN106408520A CN201610179995.1A CN201610179995A CN106408520A CN 106408520 A CN106408520 A CN 106408520A CN 201610179995 A CN201610179995 A CN 201610179995A CN 106408520 A CN106408520 A CN 106408520A
- Authority
- CN
- China
- Prior art keywords
- image
- hsi
- formula
- luminance component
- component
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 17
- 239000003595 mist Substances 0.000 claims description 27
- 238000003379 elimination reaction Methods 0.000 claims description 23
- 230000008030 elimination Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000002835 absorbance Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000012986 modification Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本发明公开一种高颜色保真度的图像去雾方法,包括如下步骤:将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ;由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ;持色调分量不变,将去雾结果从HSI图像转换为RGB图像。本发明使得去雾图像有着较高的颜色保真度,本发明采用HSI空间对图像进行处理,可以很好的保持图像的颜色。
Description
技术领域
本发明涉及基于图像增强的去雾技术领域,具体涉及一种高颜色保真度的图像去雾方法。
背景技术
在雾天情况下,成像设备受到大气悬浮粒子的散射和吸收,以及大气光参与成像的影响,所成图像对比度下降,能见度降低,细节模糊不清,图像质量大幅度下降。其基本的成像模型如下:
I(x)=J(x)t(x)+A(1-t(x)) (20)
其中J(x)是原本无雾图像,I(x)是雾天图像,t(x)是场景的透射率,A是大气环境光。场景透射率t(x)反映了雾天图像的深度信息,t(x)越小表示影响图像的雾气更厚,受到的影响更大。
一般的基于图像增强的去雾算法,通常是在RGB颜色空间进行,通过将R,G,B三个通道分离,并单独作为灰度图像处理。但是由于在处理过程中,完全忽略了R,G,B三个通道之间的联系,很容易导致颜色的失真。
发明内容
本发明的目的在于克服现有技术存在的上述不足,提供一种高颜色保真度的图像去雾方法。
本发明的目的通过如下技术方案实现。
一种高颜色保真度的图像去雾方法,包括如下步骤:
(1)将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;
(2)在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ;
(4)由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ;
(4)保持色调分量不变,将去雾结果从HSI图像转换为RGB图像。
进一步地,图像由RGB空间到HSI空间的转换式为:
对于HSI分量中的色调分量H来说,由于雾气并不会对图像原本的色调造成影响,所以有:
HI=HJ (24)
在这里HI表示雾霾图像色调,HJ表示无雾图像色调。
但是对于分量S饱和度和I亮度来说,由于雾气的影响,饱和度S大幅度下降,而亮度I则整体上升,并且对比度降低,细节减少。接下来根据大气散射模型来对雾图和原图的饱和度、亮度分量关系进行推导。
首先,将(1)式的大气散射模型分离到R,G,B三个通道则有:
IR(x)=R(x)t(x)+A(1-t(x)) (25)
IG(x)=G(x)t(x)+A(1-t(x)) (26)
IB(x)=B(x)t(x)+A(1-t(x)) (27)
在这里假设透射率t(x)和大气环境光A对R,G,B三个通道的影响都是相同的。
通过对(6)、(7)、(8)求和可以得到:
IR+IG+IB=(R+G+B)t+A(1-t) (28)
结合(4)式子,本实例可以得到:
II=IJt+A(1-t) (29)
其中II表示雾图的亮度分量,IJ表示无雾图的亮度分量。
对(1)式子在R,G,B三通道中进行最小值操作。
Imin(R,G,B)=Jmin(R,G,B)t+Amin(R,G,B)(1-t) (30)
结合(1)式和(11)式,本实例可以得到:
实际上,对比式(3),式(12)左边实际就等于饱和度SI,而对式(12)右边分子分母同时除A,便可以得到项,而实际上雾天情况下该项可视为0,故省略。于是式(12)化简为:
式(13)两边同时除J进一步化简为:
这样便得到了雾天情况下HSI空间内的成像模型:
式(15)很好的展示了雾天情况下,HSI颜色空间模式下的图像的成像规律。我们可以进一步对(15)处理,以便得到更适合于图像增强的形式。结合式(14)和式(10)我们可以消除透射率t,得到:
其中
结合式(3)和式(16)我们可以得到:
于是我们就得到了一组新的雾天下的HSI成像模型:
这样,我们只需要对雾天图像的亮度图进行增强,使得结果接近min(R,G,B)便可以得到通过(16),(17)求得IJ分量和SJ分量。
进一步的,借由公式(18)我们可以将RGB空间中的图像增强的去雾算法,转换到HSI空间进行处理。
首先我们通过图像增强算法得到亮度分量I的去雾的灰度图像,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ。由于这样估算的亮度分量IJ并不是实际场景的图像,直接带入(16)式可能会造成所求饱和度的误差,因此在这里对估算的亮度分量IJ进行修正,引入一个修正系数m去修正公式(16),使其带入的亮度分量IJ值分布更接近实际的分布,这样便可以大致估算出饱和度SJ,并且由于饱和度SJ对细微变化和细节信息并不敏感,因此在这样处理后我们往往可以得到色彩保真度较好的结果:
由于经由图像增强的亮度IJ往往是比实际情况下的亮度分量要亮的,故m通常取正数,同时为了保证经处理后的亮度分量不会出现数据溢出的情况,将其最小约束至0.03。
进一步地,在试验过程中,往往假设大气光A恒为1,这里也可根据实际情况进行修正,但为了简化算法,本发明直接取1。
与现有技术相比,本发明具有如下优点和技术效果:
本发明提供一种高颜色保真度的图像去雾方法,主要是基于大气散射模型对HSI颜色空间模型进行优化,从而使得去雾图像有着较高的颜色保真度,本发明采用HSI空间对图像进行处理,可以很好的保持图像的颜色。本发明有效的改善图像的保真度,能取得较好的视觉效果。
附图说明
图1实施例一的原始雾霾图像。
图2在RGB颜色空间模型中使用局部直方图均衡化所得到的去雾结果图。
图3所求得的亮度分量IJ。
图4所求得的饱和度分量SJ。
图5实施例一的最终处理结果。
图6实施例二的原始雾霾图像。
图7在RGB颜色空间模型中使用MSR所得到的去雾结果。
图8所求得的亮度分量IJ。
图9所求得的饱和度分量SJ。
图10实施例二的最终处理结果。
图11为高颜色保真度的图像去雾方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,从而详细阐述如何应用本发明的HSI颜色空间模型去优化各类图像增强去雾算法,并将使用该HSI颜色空间模型的图像增强的去雾算法和在RGB空间中的图像增强去雾算法做对比,从而凸显该颜色空间模型的优越性。
实施例一
实例1采用局部直方图均衡化算法作为基础的去雾算法。图1展示了本实例要进行去雾的雾霾图片。本实例先在RGB颜色空间直接对图像进行去雾处理,结果如图2所示,可以看到图像整体出现严重的颜色失真。接下来使用本实例的HSI颜色空间模型进行处理,具体步骤如下:
1)将图1转换成HSI图;
2)对亮度分量II进行局部直方图均衡化处理,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ,结果如图3所示;
3)将得到的IJ,带入式(19)从而求得饱和度分量SJ,结果如图4所示;
4)保持色调分量不变,并将结果转换回RGB图像,结果如图5所示。
本实例可以看到通过将局部直方图均衡算法转换到本实例的HSI颜色空间模型中去处理,可以有效的改善图像的保真度,取得较好的视觉效果。并且从运行时间上来说,在HSI颜色空间模型中处理时间仅有RGB颜色空间的51.5%(matlab R2015b,CPU i5-2410m@2.30GHz),可见该算法不仅具有优越的颜色保真度,而且还能有效的提高运行效率。
实施例二
实例2采用MSR算法作为基础的去雾算法。图6展示了本实例要进行去雾的雾霾图片。本实例先在RGB颜色空间直接对图像进行去雾处理,结果如图7所示,可以看到图像整体出现严重的颜色失真。接下来使用本实例的HSI颜色空间模型进行处理,具体步骤如下:
1)将图6转换成HSI图;
2)对亮度分量II进行局部直方图均衡化处理,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ,结果如图8所示;
3)将得到的IJ,带入式(19)从而求得饱和度分量SJ,结果如图9所示;
4)保持色调分量不变,并将结果转换回RGB图像,结果如图10所示。
可以看到通过将MSR算法转换到本实例的HSI颜色空间模型中去处理,可以有效的改善图像的保真度,取得较好的视觉效果。并且从运行时间上来说,在HSI颜色空间模型中处理时间仅有RGB颜色空间的49.8%(matlab R2015b,CPU i5-2410m@2.30GHz),更可以见得该算法的优越性以及通用性。大部分在RGB空间处理的图像增强类去雾算法都可以通过在该HSI颜色空间模型中处理来优化原有算法。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (5)
1.一种高颜色保真度的图像去雾方法,其特征在于包括如下步骤:
(1)将图像由RGB空间转换到HSI空间,得到一组新的雾天下的HSI成像模型;
(2)在HSI空间中对图像的亮度分量I进行基于图像增强的去雾处理并结合HSI成像模型得到新的亮度分量IJ;
(3)由新的亮度分量IJ进行修正并结合结合HSI成像模型得到图像的饱和度分量SJ;
(4)保持色调分量不变,将去雾结果从HSI图像转换为RGB图像。
2.根据权利要求1所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(1)具体包括:
雾天图像基本的成像模型如下:
I(x)=J(x)t(x)+A(1-t(x)) (1)
其中J(x)是原本无雾图像,I(x)是雾天图像,t(x)是场景的透射率,A是大气环境光;
图像由RGB空间到HSI空间的转换式为:
对于HSI分量中的色调分量H来说,由于雾气并不会对图像原本的色调造成影响,有:
HI=HJ (5)
在这里HI表示雾霾图像色调,HJ表示无雾图像色调;
将(1)式的大气散射模型分离到R,G,B三个通道则有:
IR(x)=R(x)t(x)+A(1-t(x)) (6)
IG(x)=G(x)t(x)+A(1-t(x)) (7)
IB(x)=B(x)t(x)+A(1-t(x)) (8)
假设透射率t(x)和大气环境光A对R,G,B三个通道的影响都是相同的;
通过对(6)、(7)、(8)求和得到:
IR+IG+IB=(RG+B)t+A(1-t) (9)
结合(4)式子,可以得到:
II=IJt+A(1-t) (10)
其中II表示雾图的亮度分量,IJ表示无雾图的亮度分量;
对(1)式子在R,G,B三通道中进行最小值操作,
Imin(R,G,B)=Jmin(R,G,B)t+Amin(R,G,B)(1-t) (11)
结合(1)式和(11)式,得到:
式(12)化简为:
式(13)两边同时除J进一步化简为:
得到了雾天情况下HSI空间内的成像模型:
结合式(14)和式(10)消除透射率t,得到:
其中
结合式(3)和式(16)可以得到:
于是得到了一组新的雾天下的HSI成像模型:
3.根据权利要求2所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(2)具体包括:
由公式(18)能将RGB空间中的图像增强的去雾算法,转换到HSI空间进行处理;首先通过图像增强算法得到亮度分量I的去雾的灰度图像,并将结果作为min(R,G,B)带入(17)式,求得的结果作为新的亮度分量IJ。
4.根据权利要求3所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(3)具体包括:
由于新的亮度分量IJ并不是实际场景的图像,直接带入(16)式可能会造成所求饱和度的误差,因此在这里对估算的新的亮度分量IJ进行修正,引入一个修正系数m去修正公式(16),使其带入的亮度分量IJ值分布更接近实际的分布,这样便估算出饱和度SJ,并且由于饱和度SJ对细微变化和细节信息并不敏感,因此能得到色彩保真度较好的结果:
由于经由图像增强的新的亮度分量IJ往往是比实际情况下的亮度分量要亮的,故m通常取正数。
5.根据权利要求3所述的所述的一种高颜色保真度的图像去雾方法,其特征在于步骤(3)中将m最小约束至0.03。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015107074744 | 2015-12-27 | ||
CN201510707474 | 2015-12-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106408520A true CN106408520A (zh) | 2017-02-15 |
CN106408520B CN106408520B (zh) | 2019-05-14 |
Family
ID=58007170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610179995.1A Expired - Fee Related CN106408520B (zh) | 2015-12-27 | 2016-03-24 | 一种高颜色保真度的图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408520B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107454317A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN110223253A (zh) * | 2019-06-10 | 2019-09-10 | 江苏科技大学 | 一种基于图像增强的去雾方法 |
CN112082738A (zh) * | 2020-08-24 | 2020-12-15 | 南京理工大学 | 彩色夜视相机性能评价测试系统及测试方法 |
US10896488B2 (en) | 2018-02-23 | 2021-01-19 | Mobile Drive Technology Co., Ltd. | Electronic device and method for removing haze from image |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
-
2016
- 2016-03-24 CN CN201610179995.1A patent/CN106408520B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
US20140140619A1 (en) * | 2011-08-03 | 2014-05-22 | Sudipta Mukhopadhyay | Method and System for Removal of Fog, Mist, or Haze from Images and Videos |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
张红: "雾天图像的清晰化处理与颜色校正算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107454317A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
US10896488B2 (en) | 2018-02-23 | 2021-01-19 | Mobile Drive Technology Co., Ltd. | Electronic device and method for removing haze from image |
TWI724375B (zh) * | 2018-02-23 | 2021-04-11 | 富智捷股份有限公司 | 圖像去霧霾方法、電子設備及電腦可讀取記錄媒體 |
CN109003238A (zh) * | 2018-06-26 | 2018-12-14 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN109003238B (zh) * | 2018-06-26 | 2021-06-25 | 西京学院 | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 |
CN110223253A (zh) * | 2019-06-10 | 2019-09-10 | 江苏科技大学 | 一种基于图像增强的去雾方法 |
CN110223253B (zh) * | 2019-06-10 | 2023-02-28 | 江苏科技大学 | 一种基于图像增强的去雾方法 |
CN112082738A (zh) * | 2020-08-24 | 2020-12-15 | 南京理工大学 | 彩色夜视相机性能评价测试系统及测试方法 |
CN112082738B (zh) * | 2020-08-24 | 2022-08-16 | 南京理工大学 | 彩色夜视相机性能评价测试系统及测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106408520B (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106408520A (zh) | 一种高颜色保真度的图像去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN106846263A (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
CN102063706B (zh) | 一种快速去雾方法 | |
CN106780356A (zh) | 基于卷积神经网络和先验信息的图像去雾方法 | |
CN103761720B (zh) | 图像去雾方法以及图像去雾装置 | |
CN104794697B (zh) | 一种基于暗原色先验的图像去雾方法 | |
CN107767354A (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN105023256B (zh) | 一种图像去雾方法及系统 | |
CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN106251301A (zh) | 一种基于暗原色先验的单幅图像去雾方法 | |
CN103996178A (zh) | 一种沙尘天气彩色图像增强方法 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
CN107958465A (zh) | 一种基于深度卷积神经网络的单幅图像去雾方法 | |
CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN110136079A (zh) | 基于场景深度分割的图像去雾方法 | |
CN112200746B (zh) | 一种雾天交通场景图像的去雾方法和设备 | |
WO2024060576A1 (zh) | 一种基于暗通道先验的图像去雾方法 | |
CN104867121A (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN103914820A (zh) | 一种基于图像分层增强的图像去雾方法及系统 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN104809700A (zh) | 一种基于亮通道的低照度视频实时增强方法 | |
CN107977941B (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN107481211B (zh) | 一种基于梯度域融合的夜间交通监控增强方法 | |
CN105809641A (zh) | 一种去雾图像的曝光补偿和边缘增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190514 Termination date: 20210324 |