CN106504205A - 一种图像去雾方法及终端 - Google Patents

Abstract

本发明实施例公开了一种图像去雾方法及终端，所述方法包括根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点；对所述非天空点进行局部直方图均衡处理，对所述天空点进行赋值处理，获得去雾后的图像。本发明实施例提供的技术方案，首先对待处理图像中的天空点和非天空点进行区分，然后对待处理图像中的非天空点进行局部直方图均衡处理，避免在进行局部直方图均衡处理时对灰度变化缓慢的天空区域进行误增强，提高图像的去雾效果。

Description

一种图像去雾方法及终端

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像去雾方法及终端。

背景技术

雾是一种常见的自然现象，在雾天环境下，大气中存在的小水珠、粉尘等浑浊介质会对光产生散射、吸收等作用，使拍摄的图像对比度降低，图像中的景物信息变得模糊不清。由于大气中的浑浊介质对户外图像的采集造成了比较严重的影响，致使室外图像采集系统无法正常工作，给地形勘探、视频监控等户外作业带来了一定的不便，因此对于雾天各种图像采集设备获取的图像进行去雾处理具有重大的现实意义。近年来，随着计算机软硬件技术的不断发展，对有雾天气下拍摄图像的景物影像进行去雾处理已经成为可能，这反过来又对去雾图像的清晰度和真实感提出了新的要求。

直方图均衡化算法是图像增强中的一种常用的方法,通过对图像进行直方图均衡化处理可以提高图像的对比度，以显示过亮或过暗的图像中更多的细节。直方图均衡化算法又包括全局直方图均衡化算法和局部直方图均衡化算法。全局直方图均衡化算法虽实现简单,但是由于雾天下图像中景物影像的对比度降低与物体至照相机的距离呈非线性递增的关系,且因为一幅图像中景物的深度是多样的,其退化程度也各不相同,所以采用全局处理方法无法得到好的效果。局部直方图均衡化算法虽然可使图像的每一个区域的对比度都能得到很大的改善,但是同时这种方法也将灰度变化缓慢的区域,如天空等区域也进行了误增强,从而导致景物影像因许多噪声的干扰而表现得不自然。

发明内容

本发明实施例中提供了一种图像去雾方法及终端，以解决现有技术中由于天空区域的干扰而导致图像去雾效果不理想的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面，本发明实施例提供了一种图像去雾方法，包括：根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点；对所述非天空点进行局部直方图均衡处理，对所述天空点进行赋值处理，获得去雾后的图像。

优选地，在根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点之前，还包括：当所述待处理图像为彩色图像时，将所述彩色图像转换为灰度图像。

优选地，所述根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点，包括：遍历所述待处理图像中各个像素点的灰度值，确定占有像素点数目最多的期望灰度值μ；确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点，其中，δ为标准差。

优选地，确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点，包括：将所述待处理图像中灰度值小于μ-2δ的像素点统计至第一区域，将所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点统计至第二区域，将所述待处理图像中灰度值大于μ+2δ的像素点统计至第三区域，其中，所述标准差δ的初始值为1；分别计算所述第一区域、第二区域和第三区域的灰度均值，得到第一灰度均值m1、第二灰度均值m2和第三灰度均值m3；分别计算所述第一灰度均值m1和所述第二灰度均值m2的平均值s，所述第二灰度均值m2和所述第三灰度均值m3的平均值t；根据公式δ＝((μ-s)/2+(t-μ)/2)/2，对标准差δ的取值进行更新；将更新后的标准差δ与更新前的标准差δ进行差值计算，得到迭代差Δδ；当所述迭代差Δδ小于预设的迭代阈值时，确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点；或者，当所述迭代差Δδ大于或等于预设的迭代阈值时，根据更新后的标准差δ对所述第一区域、第二区域和第三区域重新统计。

优选地，对所述非天空点进行局部直方图均衡处理，包括：对所述待处理图像中的每个非天空点做至少一次局部直方图均衡处理；分别统计所述每个非天空点的局部直方图均衡处理次数以及经过每次局部直方图均衡处理后的像素累加值；计算所述每个非天空点的局部直方图均衡处理后的像素值的平均值，获得去雾后的图像中所述非天空点的像素值。

优选地，对所述待处理图像中的每个非天空点做至少一次局部直方图均衡处理，包括：判断i是否小于或等于P-p+1，其中，i为移动模板的横向起始坐标参数，P为待处理图像的宽度，p为移动模板的宽度；当所述横向起始坐标参数i小于或等于P-p+1时，对所述移动模板中的非天空点进行局部直方图均衡处理，将i+s1赋值给i后，继续判断移动模板的横向起始坐标参数i是否小于或等于P-p+1，其中，s1为移动模板的横向移动步长；或者，当所述移动模板的横向起始坐标参数i大于P-p+1时，判断j+s2是否小于或等于Q-q+1，其中，j为移动模板的垂向起始坐标参数，Q为待处理图像的高度，q为移动模板的高度，s2为移动模板的垂向移动步长；当j+s2小于或等于Q-q+1时，将j+s2赋值给j，将1赋值给i，继续判断移动模板的横向起始坐标参数i是否小于或等于P-p+1。

优选地，分别统计所述每个非天空点的局部直方图均衡处理次数以及经过每次局部直方图均衡处理后的像素累加值，包括：每次对所述移动模板中的非天空点进行局部直方图均衡处理后，将局部直方图均衡处理结果累加至像素累加矩阵G中，其中，G的大小为P*Q，初始值为0；将与所述移动模板的当前位置相对应的非天空标记矩阵L累加至次数累加矩阵C中，其中，L中的天空点为0，非天空点为1，C的大小为P*Q，初始值为0。

优选地，计算所述每个非天空点的局部直方图均衡处理后的像素值的平均值，包括：将所述像素累加矩阵G除以所述次数累加矩阵C，获得去雾后的图像中所有非天空点的像素值。

优选地，对所述天空点进行赋值处理，包括：将所述待处理图像中的所有天空点置为255，获得去雾后的图像中所有天空点的像素值。

第二方面，本发明实施例提供了一种图像处理终端，包括：处理器；用于存储处理器可执行指令的存储器，其中，所述处理器被配置为执行上述第一方面任一项所述的方法。

本发明实施例提供的技术方案，首先对待处理图像中的天空点和非天空点进行区分，然后对待处理图像中的非天空点进行局部直方图均衡处理，避免在进行局部直方图均衡处理时对灰度变化缓慢的天空区域进行误增强，提高图像的去雾效果。

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，对于本领域普通技术人员而言，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示意图；

图2为本发明实施例提供的一种天空点和非天空点的确定方法流程示意图；

图3为本发明实施例提供的一种天空点和非天空点的处理方法流程示意图；

图4为本发明实施例提供的一种局部直方图均衡处理示意图；

图5为本发明实施例提供的一种图像去雾终端的结果示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

图1为本发明实施例提供的一种图像去雾方法的流程示意图，如图1所示，本发明实施例提供的一种图像去雾方法主要包括以下步骤。

步骤S101：判断待处理图像是否为彩色图像。

通过图像采集设备采集的图像通常包括彩色图像和灰度图像。由于灰度图像的数据处理量较小，因此在图像处理过程中，如果待处理图像为彩色图像，通常先将彩色图像转换为灰度图像，再进行图像处理。

在本发明实施例中，当待处理图像是彩色图像时，进入步骤S102；当待处理图像不是彩色图像时，进入步骤S103。

步骤S102：将所述彩色图像转换为灰度图像。

例如，当待处理图像为YUV格式的图像时，将其亮度通道Y提取出来进行处理。

步骤S103：根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点。

在一幅包含天空区域的待处理图像中，天空区域相对景物区域的像素点的像素值变换缓慢，如果对天空区域和景物区域同时进行直方图均衡处理，会导致待处理图像中的天空区域误增强，从而导致景物影像因许多噪声的干扰而表现得不自然。在本发明实施例中，将待处理图像中的天空区域和非天空区域分离，在后续步骤中对天空区域和非天空区域分别进行处理，以提高图像的去雾效果。

由于天空区域的灰度值比较高，即使不是恒定的常数值，也会在一定的范围之内变化。基于该原理，在分离天空区域的时候，可以利用最佳近似正态分布拟合的方法在直方图上求取分割阈值，依据正态分布的性质，当μ-2δ≤h≤μ+2δ时，其概率分布为总分布的95％左右，所以取灰度级[h1,h2]为天空区域的灰度分布范围，其中h为像素点的灰度值，μ为占有像素点数目最多的期望灰度值，δ为标准差，h1＝μ-2δ，h2＝μ+2δ。容易理解的是，将待处理图像中的天空区域确定之后，除了天空区域以外的其它区域即非天空区域。

在本发明一种可能的实现方式中，所述根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点，包括：遍历所述待处理图像中各个像素点的灰度值，确定占有像素点数目最多的期望灰度值μ；确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点，其中，δ为标准差。另外，为了提高对天空区域和非天空区域划分的准确性，在本发明一种优选实施例中，可以根据划分后天空区域和非天空区域像素值的分布情况对δ的大小进行迭代，相关技术方案在后文中进行详细说明。

步骤S104：对所述非天空点进行局部直方图均衡处理，对所述天空点进行赋值处理，获得去雾后的图像。

天空区域在待处理图像中的灰度值变换缓慢，即可以认为天空区域中像素点的像素值差别较小，因此可以对天空点进行赋值处理。通常情况下，将待处理图像中的天空点作为图像中的最亮点，即将天空点的像素值置为255。当然，本领域技术人员可以根据实际需要对天空点的像素值进行调整，例如，将天空点的像素值置为230、245或250等，或者，将天空点的像素值置为某一像素区间的变化值，其均应当落入本发明的保护范围之内。

对待处理图像中的非天空点进行局部直方图处理，即在对待处理图像的某一局部区域进行直方图均衡处理时，该局部区域中的天空点不参与运算，进而可以避免在在直方图均衡处理时对天空区域的误增强，提高图像的去雾效果。

图2为本发明实施例提供的一种天空点和非天空点的确定方法流程示意图，如图2所示，该方法主要包括以下步骤。

步骤S201：遍历所述待处理图像中各个像素点的灰度值，确定占有像素点数目最多的期望灰度值μ。

步骤S202：将所述待处理图像中灰度值小于μ-2δ的像素点统计至第一区域，将所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点统计至第二区域，将所述待处理图像中灰度值大于μ+2δ的像素点统计至第三区域。

其中，标准差δ的大小可以影响天空区域和非天空区域的划分精度，而且针对不同的图像，标准差δ的值也不尽相同。在本发明实施例中，可以先为标准差δ设置一个初始值，后续在对标准差δ的大小进行调整。

步骤S203：分别计算所述第一区域、第二区域和第三区域的灰度均值，得到第一灰度均值m1、第二灰度均值m2和第三灰度均值m3。

步骤S204：分别计算所述第一灰度均值m1和所述第二灰度均值m2的平均值s，所述第二灰度均值m2和所述第三灰度均值m3的平均值t。

步骤S205：根据公式δ＝((μ-s)/2+(t-μ)/2)/2，对标准差δ的取值进行更新。

步骤S206：将更新后的标准差δ与更新前的标准差δ进行差值计算，得到迭代差Δδ。

其中，迭代差Δδ的值越小，说明标准差δ越靠近最优值，因此，可以以迭代差Δδ的大小作为是否停止迭代的依据。

步骤S207：判断所述迭代差Δδ是否小于预设的迭代阈值，当迭代差Δδ小于预设的迭代阈值时，进入步骤S208；否则，返回步骤S202。

步骤S208：确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点。

在本发明实施例中，根据划分后天空区域和非天空区域像素值的分布情况对δ的大小进行迭代调整，可以将δ确定在最优值，进而提高天空区域和非天空区域的划分精度。

将待处理图像划分为天空区域和非天空区域后，需要将待处理图像中的天空区域抽离，仅对非天空区域进行局部直方图均衡处理。具体为，设置移动模板，每次仅对移动模板内的非天空区域进行局部直方图处理，直到移动模板遍历完整幅待处理图像，完成对整幅待处理图像的局部直方图均衡处理，以下结合图3对其进行详细说明。

图3为本发明实施例提供的一种天空点和非天空点的处理方法流程示意图，如图3所示，该方法主要包括以下步骤。

步骤S301：将参数i和j置为1，矩阵G、b和C置为零矩阵。

图4为本发明实施例提供的一种局部直方图均衡处理示意图，如图4所示，在本发明实施例中，待处理图像的大小为P*Q，移动模板的大小为p*q，以移动模板的大小为单位对待处理图像进行局部直方图处理。

其中，i为移动模板的横向起始坐标参数，j为移动模板的垂向起始坐标参数，G为像素累加矩阵，b为结果矩阵(即去雾后的图像)，C为次数累加矩阵，矩阵G、b和C的大小与待处理图像的大小相等，且其初始值均为零矩阵。

步骤S302：判断i是否小于或等于P-p+1。

将参数i和j的初始值设为1，即将移动模板的起始位置设置在待处理图像的左上角，如图4中的位置w1。当完成位置w1处的直方图均衡处理后，将移动模板沿图4中的横向箭头方向移动，直到移动模板移动至位置w3，完成当前行的直方图均衡处理。

当i等于P-p+1时，说明移动模板已经移动到了待处理图像的最右侧，因此，可以通过参数i与P-p+1的大小关系，确定移动模板的当前位置，进而判断是否已经完成当前行的直方图均衡处理。

其中，当参数i小于或等于P-p+1时，说明当前行的直方图均衡处理还没有完成，则进入步骤S303继续处理；当参数i大于P-p+1时，说明当前行的直方图均衡处理已经完成，则进入步骤S306。

步骤S303：对起点为(i，j)、大小为p*q的移动模板内的非天空点进行局部直方图均衡处理。

移动模板的位置是动态变化的，但移动模板的大小不变。也就是说，每次局部直方图均衡处理均是对大小为p*q的区域进行处理，通过移动模板的起点(i，j)确定移动模板在整个待处理图像中的位置。

步骤S304：将局部直方图处理结果累加至像素累加矩阵G中，将移动模板内的非天空标记矩阵累加至C中。

局部直方图处理结果中包含当前位置的移动模板内每个非天空点处理后的像素值，每次局部直方图处理完成后，将每个非天空点处理后的像素值累加至像素累加矩阵G中。由于移动模板在移动前后，相邻的边界可能存在重叠，如图4中的位置w1、位置w2和位置w3，因此，待处理图像中每个非天空点可能会参与两次或两次以上的局部直方图均衡处理，所以在记录每个非天空点的像素累加值的同时，还要记录每个非天空点的局部直方图处理次数。

在本发明实施例中，提供了一种非天空标记矩阵，该非天空标记矩阵的大小与待处理图像的大小相等，其在天空点位置标记为0，非天空点位置标记为1。因此，将将移动模板内的非天空标记矩阵与次数累加矩阵C相加，即可记录非天空点的局部直方图处理次数。

步骤S305：将i+s1赋值给i。

s1为移动模板的横向移动步长，其用于指示在相邻两次局部直方图均衡处理中，移动模板的横向间距。例如，在位置w1，移动模板的起点为(1,1)；在位置w2，移动模板的起点为(1+s1,1)，即在位置w1和w2移动模板在横向方向上相差s1个像素点。在本发明实施例中，当s1为1时，移动模板每次在横向方向上移动一个像素点(此时，相邻两次局部直方图均衡处理中像素点的重叠度最高)；当s1为p时，移动模板每次在横向方向上移动p个像素点(此时相邻两次局部直方图均衡处理中的像素点不发生重叠)。据此可知，横向移动步长s1越小，块重叠越多，计算量越大，但是图像处理结果越精细；横向移动步长s1越大，块重叠越小，计算量越小，但图像处理结果越粗糙。在本发明一种优选实施例中，横向移动步长s1选择3-5。

在步骤S305之后，返回步骤S302，继续判断参数i是否小于或等于P-p+1。

步骤S306：判断j+s2是否小于或等于Q-q+1。

当j+s2等于Q-q+1时，说明移动模板已经移动到了待处理图像的最下侧，因此，可以通过参数j+s2与Q-q+1的大小关系，确定移动模板的当前位置，进而判断是否已经完成所有行的局部直方图均衡处理，即完成整幅待处理图像的局部直方图均衡处理。

其中，当j+s2小于或等于Q-q+1时，说明所有行的局部直方图均衡处理还没有完成所有行的局部直方图均衡处理，则进入步骤S307；当j+s2大于Q-q+1时，说明整幅待处理图像的局部直方图均衡处理已经完成，则进入步骤S308。

步骤S307：将j+s2赋值给j，将1赋值给i。

s2为移动模板的垂向移动步长，其用于指示在相邻的两行局部直方图均衡处理中，移动模板的垂向间距。例如，在位置w1，移动模板的起点为(1,1)；在位置w4，移动模板的起点为(1,1+s2)，即在位置w1和w4移动模板在垂向方向上相差s2个像素点。与移动模板的横向移动步长s1的原理相似，垂向移动步长s2越小，块重叠越多，计算量越大，但是图像处理结果越精细；垂向移动步长s2越大，块重叠越小，计算量越小，但图像处理结果越粗糙。在本发明一种优选实施例中，垂向移动步长s2选择1-5。

另外，将数值1赋值给i，用于指示将移动模板的位置调整至下一行的最左侧。需要指出的是，在本发明实施例中的“行”是指移动模板所在的行，并不应当将其理解为像素行。在步骤S307之后，返回步骤S302。

步骤S308：将像素累加矩阵G内的天空点置为255。

在上述步骤中对所有非天空点进行局部直方图处理，得到每个非天空点的像素累加值，并记录值像素值累加矩阵G中，此时，像素值累加矩阵G中的天空点为0。由于天空点通常为整幅图像中的最亮点，且天空区域的灰度值变化缓慢，因此，可以将像素值累加矩阵G中的所有天空点的像素值置为255。

步骤S309：去雾后的图像b＝G/C。

由于像素累加矩阵G中每个像素点的累加次数不同，因此，像素累加矩阵G并不能反映图像中像素值的分布情况，此时，需要将每个像素点的像素累加值除以其累加次数得到每个像素点的像素均值，即根据公式b＝G/C得到去雾后的图像。

例如，某一非天空点进行了两次局部直方图均衡处理，两次局部直方图均衡处理的结果分别为22和28，则在像素值累加矩阵G中，该非天空点的像素累加值为22+28＝50，在结果矩阵b中，将其像素累加值除以累加次数，得到该非天空点的最终像素值，即50/2＝25。其中，25即该非天空点在结果矩阵b中的像素值。另外，由于天空点的像素值为255，因此可以不参与b＝G/C的运算；或者，也可以将C中的天空点置为1，使天空点参与b＝G/C的运算，其均应当处于本发明的保护范围之内。

本发明实施例提供的技术方案，首先对待处理图像中的天空点和非天空点进行区分，仅对待处理图像中的非天空点进行局部直方图均衡处理，避免在进行局部直方图均衡处理时对灰度变化缓慢的天空区域进行误增强，提高图像的去雾效果。

与本发明实施例提供的图像去雾方法相对应，本发明还提供了一种图像去雾终端。

参见图5，为本发明实施例提供的一种图像去雾终端结构示意图，所述图像去雾终端500可以包括：处理器501、存储器502及通信单元503。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中，所述通信单元503，用于建立通信信道，从而使所述存储设备可以与其它设备进行通信。接收其他设备发是的用户数据或者向其他设备发送用户数据。

所述处理器501，为存储设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器501可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。

所述存储器502，用于存储处理器501的执行指令，存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

当存储器502中的执行指令由处理器501执行时，使得图像去雾终端500能够执行以下步骤：

根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点；

对所述非天空点进行局部直方图均衡处理，对所述天空点进行赋值处理，获得去雾后的图像。

具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的呼叫方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于装置实施例和终端实施例而言，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中的说明即可。

以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (10)

1.一种图像去雾方法，其特征在于，包括：

根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点；

对所述非天空点进行局部直方图均衡处理，对所述天空点进行赋值处理，获得去雾后的图像。

2.根据权利要求1所述的方法，其特征在于，在根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点之前，还包括：

当所述待处理图像为彩色图像时，将所述彩色图像转换为灰度图像。

3.根据权利要求1或2所述的方法，其特征在于，所述根据最佳近似正态分布拟合算法将待处理图像的天空区域分离，确定所述待处理图像中的天空点和非天空点，包括：

遍历所述待处理图像中各个像素点的灰度值，确定占有像素点数目最多的期望灰度值μ；

确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点，其中，δ为标准差。

4.根据权利要求3所述的方法，其特征在于，确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点，包括：

将所述待处理图像中灰度值小于μ-2δ的像素点统计至第一区域，将所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点统计至第二区域，将所述待处理图像中灰度值大于μ+2δ的像素点统计至第三区域，其中，所述标准差δ的初始值为1；

分别计算所述第一区域、第二区域和第三区域的灰度均值，得到第一灰度均值m1、第二灰度均值m2和第三灰度均值m3；

分别计算所述第一灰度均值m1和所述第二灰度均值m2的平均值s，所述第二灰度均值m2和所述第三灰度均值m3的平均值t；

根据公式δ＝((μ-s)/2+(t-μ)/2)/2，对标准差δ的取值进行更新；

将更新后的标准差δ与更新前的标准差δ进行差值计算，得到迭代差Δδ；

当所述迭代差Δδ小于预设的迭代阈值时，确定所述待处理图像中灰度值位于区间[μ-2δ，μ+2δ]内的像素点为天空点，位于区间[μ-2δ，μ+2δ]外的像素点为非天空点；或者，

当所述迭代差Δδ大于或等于预设的迭代阈值时，根据更新后的标准差δ对所述第一区域、第二区域和第三区域重新统计。

5.根据权利要求1所述的方法，其特征在于，对所述非天空点进行局部直方图均衡处理，包括：

对所述待处理图像中的每个非天空点做至少一次局部直方图均衡处理；

分别统计所述每个非天空点的局部直方图均衡处理次数以及经过每次局部直方图均衡处理后的像素累加值；

计算所述每个非天空点的局部直方图均衡处理后的像素值的平均值，获得去雾后的图像中所述非天空点的像素值。

6.根据权利要求5所述的方法，其特征在于，对所述待处理图像中的每个非天空点做至少一次局部直方图均衡处理，包括：

判断i是否小于或等于P-p+1，其中，i为移动模板的横向起始坐标参数，P为待处理图像的宽度，p为移动模板的宽度；

当所述横向起始坐标参数i小于或等于P-p+1时，对所述移动模板中的非天空点进行局部直方图均衡处理，将i+s1赋值给i后，继续判断移动模板的横向起始坐标参数i是否小于或等于P-p+1，其中，s1为移动模板的横向移动步长；或者，

当所述移动模板的横向起始坐标参数i大于P-p+1时，判断j+s2是否小于或等于Q-q+1，其中，j为移动模板的垂向起始坐标参数，Q为待处理图像的高度，q为移动模板的高度，s2为移动模板的垂向移动步长；

当j+s2小于或等于Q-q+1时，将j+s2赋值给j，将1赋值给i，继续判断移动模板的横向起始坐标参数i是否小于或等于P-p+1。

7.根据权利要求6所述的方法，其特征在于，分别统计所述每个非天空点的局部直方图均衡处理次数以及经过每次局部直方图均衡处理后的像素累加值，包括：

每次对所述移动模板中的非天空点进行局部直方图均衡处理后，将局部直方图均衡处理结果累加至像素累加矩阵G中，其中，G的大小为P*Q，初始值为0；将与所述移动模板的当前位置相对应的非天空标记矩阵L累加至次数累加矩阵C中，其中，L中的天空点为0，非天空点为1，C的大小为P*Q，初始值为0。

8.根据权利要求7所述的方法，其特征在于，计算所述每个非天空点的局部直方图均衡处理后的像素值的平均值，包括：

将所述像素累加矩阵G除以所述次数累加矩阵C，获得去雾后的图像中所有非天空点的像素值。

9.根据权利要求1所述的方法，其特征在于，对所述天空点进行赋值处理，包括：

将所述待处理图像中的所有天空点置为255，获得去雾后的图像中所有天空点的像素值。

10.一种图像处理终端，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器，

其中，所述处理器被配置为执行权利要求1-9任一项所述的方法。