CN106934779B - 一种图像去雾处理中大气光值计算方法及系统 - Google Patents

Abstract

本发明涉及图像去雾处理技术领域，提供一种图像去雾处理中大气光值计算方法及系统，所述方法包括：对输入的彩色图像中任意像素三通道进行最小值滤波；对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；对子天空图像进行区域生长，计算彩色图像中的天空区域；根据已经获取到的天空区域，计算大气光值，实现对大气光值的计算，同时可一定程度抵消天空区域白色云朵等带来的影响，又能排除彩色图像中可能存在的尖锐噪声引发的偏差，并为后续的图像去雾奠定基础。

Description

一种图像去雾处理中大气光值计算方法及系统

技术领域

本发明属于图像去雾处理技术领域，尤其涉及一种图像去雾处理中大气光值计算方法及系统。

背景技术

对图像特征进行准确提取是计算机视觉正常工作的关键因素，然而在雾、霾、烟、水汽等场合下，由于辐射光受到大气粒子的散射作用，导致场景的能见度降低，图像质量严重退化，不仅模糊不清，而且还会出现严重的颜色失真，极大地限制了系统效用的发挥，甚至导致计算机视觉系统无法正常工作。因此，为了改善图像质量并且丰富图像所包含的信息，使系统具备恶劣天气下工作的鲁棒性和可靠性，需要对雾天降质图像进行去雾处理。

其中，在图像处理过程中，大气光值的计算成为图像去雾算法的关键因素，但是通过现有技术提供的大气光值的计算方法计算得到的大气光值，与实际情况有一定偏差，导致图像去雾效果较差。

发明内容

本发明的目的在于提供一种图像去雾处理中大气光值计算方法，旨在解决现有技术中大气光值的计算方法计算得到的大气光值，与实际情况有一定偏差，导致图像去雾效果较差的问题。

本发明是这样实现的，一种图像去雾处理中大气光值计算方法，所述方法包括下述步骤：

对输入的彩色图像中任意像素三通道进行最小值滤波；

对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；

对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；

对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域；

根据已经获取到的天空区域，计算大气光值；

其中，所述根据已经获取到的天空区域，计算大气光值的步骤具体包括下述步骤：

将属于天空区域的像素值提取出来，并保存；

对提取到的所述天空区域内的所有像素值进行降序排列；

选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值。

作为一种改进的方案，所述对执行最小值滤波后的图像进行两次形态学滤波的步骤具体包括下述步骤：

对执行最小值滤波后的图像进行先执行形态开运算再进行形态闭运算处理；

对依次执行形态开运算和形态闭运算处理后的图像进行先执行形态闭运算再进行形态开运算处理。

作为一种改进的方案，所述对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像的步骤具体包括下述步骤：

对形态学滤波后的图像进行九宫格分解，获取9个图像子块；

求取各个图像子块的平均灰度值；

对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值；

对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像；

分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序；

判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行所述对求取到的最大值所对应的图像进行四叉树分割的步骤；

若排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像。

作为一种改进的方案，所述对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域的步骤具体包括下述步骤：

在获取到的子天空图像中获取种子点；

以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到原始彩色图像的天空区域。

本发明的另一目的在于提供一种图像去雾处理中大气光值计算系统，所述系统包括：

最小值滤波模块，用于对输入的彩色图像中任意像素三通道进行最小值滤波；

形态学滤波模块，用于对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；

子天空图像获取模块，用于对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；

天空区域生长模块，用于对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域；

大气光值计算模块，用于根据已经获取到的天空区域，计算大气光值；

其中，所述大气光值计算模块具体包括：

像素值提取模块，用于将属于所述天空区域的像素值提取出来，并保存；

像素值排序模块，用于对提取到的所述天空区域内的所有像素值进行降序排列；

像素点选取计算模块，用于选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值。

作为一种改进的方案，所述形态学滤波模块具体包括：

第一运算模块，用于对执行最小值滤波后的图像进行先执行形态开运算再进行形态闭运算处理；

第二运算模块，用于对依次执行形态开运算和形态闭运算处理后的图像进行先执行形态闭运算再进行形态开运算处理。

作为一种改进的方案，所述子天空图像获取模块具体包括：

九宫格分解模块，用于对形态学滤波后的图像进行九宫格分解，获取9个图像子块；

平均灰度值计算模块，用于求取各个图像子块的平均灰度值；

加权计算模块，用于对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值；

四叉树分割模块，用于对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像；

灰度均值计算排序模块，用于分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序；

差值判断模块，用于判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

子天空图像确认模块，用于若所述差值判断模块判断排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像；

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行所述对求取到的最大值所对应的图像进行四叉树分割的步骤。

作为一种改进的方案，所述天空区域生长模块具体包括：

种子点获取模块，用于在获取到的子天空图像中获取种子点；

像素搜索模块，用于以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到原始彩色图像的天空区域。在本发明实施例中，对输入的彩色图像中任意像素三通道进行最小值滤波；对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；对子天空图像进行区域生长，计算彩色图像中的天空区域；根据已经获取到的天空区域，计算大气光值，实现对大气光值的计算，同时可一定程度抵消天空区域白色云朵等带来的影响，又能排除彩色图像中可能存在的尖锐噪声引发的偏差，并为后续的图像去雾奠定基础。

附图说明

图1是本发明提供的图像去雾处理中大气光值计算方法的实现流程图；

图2是本发明提供的对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像的步骤实现流程图；

图3是本发明提供的九宫格图像的示意图；

图4是本发明提供的对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域的实现流程图；

图5是本发明提供的根据已经获取到的天空区域，计算大气光值的实现流程；

图6是本发明提供的图像去雾处理中大气光值计算系统的结构框图；

图7是本发明提供的子天空图像获取模块的结构框图；

图8是本发明提供的天空区域生长模块的结构框图；

图9是本发明提供的大气光值计算模块的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1示出了本发明提供的图像去雾处理中大气光值计算方法的实现流程图，其具体包括下述步骤：

在步骤S101中，对输入的彩色图像中任意像素三通道进行最小值滤波。

其中，定义该彩色图像函数为I(x,y)，该彩色图像为有雾图像，该有雾图像的散射模型可表示为：

I(x)＝J(x)t(x)+A(1-t(x))；

式中,x为空间坐标，I(x)为有雾图像，J(x)为清晰无雾的图像，A为整体大气光值，t(x)为介质传输率；

因此，

其中，(x,y)为图像中的像素点，c∈{r,g,b}为彩色图像的三色通道。

在步骤S102中，对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像。

在该步骤中，采用相同尺寸的结构元素，进行不同级联形态的开-闭运算：对图像先进行形态开运算后再进行形态闭运算处理；然后再对图像先进行形态闭运算后再进行形态开运算处理，分别构造形态开-闭滤波器和闭-开滤波器。

设f(x)为输入图像，B为结构元素，则形态开-闭运算为：

而闭-开运算为：

其中，开和闭运算的结构元素相同，为了适应不同大小图像尺寸，设置结构元素为正方形，其宽度大小为图像高度和宽度最小值的1/50；

用公式表示为：

其中，H,W分别为图像的高度和宽度；

该运算可以滤除脉冲噪声，又能保持图像的细节特征。

在步骤S103中，对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像。

在步骤S104中，对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域。

在步骤S105中，根据已经获取到的天空区域，计算大气光值。

在本发明实施例中，图2示出了本发明提供的对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像的步骤实现流程图，其具体包括下述步骤：

在步骤S201中，对形态学滤波后的图像进行九宫格分解，获取9个图像子块。

在该步骤中，将形态学滤波后的图像在水平方向和垂直方向各分为三等份，如图3所示的效果。

在步骤S202中，求取各个图像子块的平均灰度值。

在该步骤中，假设图像子块对应的图像为R_ij，则该图像子块的平均灰度值为：m_ij＝mean(R_ij)；

其中，mean()为图像灰度均值运算，其具体实现过程为：即求取图像中所有像素点灰度值和，然后除以像素个数。

在步骤S203中，对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值。

在该步骤中，结合图3所示，对第一行的三个图像子块加权1，对第二行的三个图像子块加权0.9，对第三行的三个图像子块加权0.8，其具体的表达式为：

当然，上述加权系统也是其他数值，在此不再赘述。

计算得到图像子块的加权值后，求取灰度平均值的最大值，即：

R＝R(max(m_i'_j))；

其中，max()为求取最大值运算，最终输出加权灰度均值最大的区域。

在步骤S204中，对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像。

在步骤S205中，分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序。

在该步骤中，m_i＝mean(R_i)i＝{1,2,3,4}；

{M₁,M₂,M₃,M₄}＝rank(m_i)；

其中，M₁≥M₂≥M₃≥M₄；R'＝R(M₁)为将平均灰度值最大的区域保存为新的图像。

在步骤S206中，判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

在该步骤中，假设该预先设置的阈值为T，即判断(M₁-M₂)≥T，并执行下述步骤。

在步骤S207中，若排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像。

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行步骤S204，并继续。

上述图2和图3结合实现了子天空图像的获取方法，当然也可以采用其他方式，在此不再赘述。

图4示出了本发明提供的对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域的实现流程图，其具体包括下述步骤：

在步骤S401中，在获取到的子天空图像中获取种子点。

在该步骤中，对于获取的子天空区域，通过搜索与该区域灰度均值差值最小的像素点作为区域生长的原始种子点，对于种子点区域内部点定义如下准则：设种子点区域的大小为[m×n]，中任意一点(x,y)处的灰度值记为R(x,y)，计算子天空区域的平均灰度：

计算子天空区域中任一点灰度值与R_ave的差值：

R_dif(x,y)＝|R'(x,y)-R_ave|；

则选取(x_s,y_s)为种子点，使得

在步骤S402中，以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到所述原始彩色图像的天空区域。

在进行像素搜索的同时，设定门限阈值K，当搜索点的灰度值与种子点的灰度差小于K时，则认为此点属于同一目标，并作标记L，这样目标上的点会逐步标记L，重复以上过程向其邻域继续搜索，直到找不到符合规则的像素为止，最终就可以得到目标图像对应的区域；

计算种子区域中的像素点与候选像素(即与种子区域新生长进来的像素有八连通的像素)之间的相似性是否满足基于区域灰度差的生长准则表示为：

|I(x,y)-M|≤K；

其中，其中K＝kσ，K和σ分别表示当前己生长区域的所有像素点灰度值平均值和标准差，k是自定义的系数，与σ相乘用于作为图像灰度生长的阈值，如果邻域中像素点的灰度值属于这个区间则被接纳，否则就被拒绝。

在该实施例中，区域生长算法流程为：

首先选择目标区域中一个或多个点(种子区域)加入到已生长区域，并以此作为生长起点，计算已生长区域中所有像素点灰度值平均值和标准差，接着判断目前区域的邻域中是否有符合生长准则的像素点，如果存在就将其划分入已生长区域，这样就完成一次迭代；

第一次迭代完成后，重复上述步骤，直到没有满足条件的邻域像素点划分入己生长区域为止，区域生长算法结束。

在本发明实施例中，最终，整幅图像中所有的像素点分为两类：天空区域和非天空区域；用二值图表示为：

在本发明实施例中，图5示出了本发明提供的根据已经获取到的天空区域，计算大气光值的实现流程,其具体包括：

在步骤S501中，将属于天空区域的像素值提取出来，并保存。

在步骤S502中，对提取到的所述天空区域内的所有像素值进行降序排列。

在步骤S503中，选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值。

在该步骤中，大气光值A＝mean(max^0.05R(x,y))。

图6是本发明提供的图像去雾处理中大气光值计算系统的结构框图，为了便于说明，图中仅给出了与本发明实施例相关的部分。

图像去雾处理中大气光值计算系统包括：

最小值滤波模块11，用于对输入的彩色图像中任意像素三通道进行最小值滤波；形态学滤波模块12，用于对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；子天空图像获取模块13，用于对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；天空区域生长模块14，用于对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域；大气光值计算模块15，用于根据已经获取到的天空区域，计算大气光值。

其中，如图6所示，形态学滤波模块12具体包括：

第一运算模块16，用于对执行最小值滤波后的图像进行先执行形态开运算再进行形态闭运算处理；

第二运算模块17，用于对依次执行形态开运算和形态闭运算处理后的图像进行先执行形态闭运算再进行形态开运算处理。

如图7所示，子天空图像获取模块13具体包括：

九宫格分解模块18，用于对形态学滤波后的图像进行九宫格分解，获取9个图像子块；

平均灰度值计算模块19，用于求取各个图像子块的平均灰度值；

加权计算模块20，用于对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值；

四叉树分割模块21，用于对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像；

灰度均值计算排序模块22，用于分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序；

差值判断模块23，用于判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

子天空图像确认模块24，用于若所述差值判断模块判断排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像；

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行所述对求取到的最大值所对应的图像进行四叉树分割的步骤。

如图8所示，天空区域生长模块14具体包括：

种子点获取模块25，用于在获取到的子天空图像中获取种子点；

像素搜索模块26，用于以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到所述原始彩色图像的天空区域。

如图9所示，大气光值计算模块15具体包括：

像素值提取模块27，用于将属于所述天空区域的像素值提取出来，并保存；

像素值排序模块28，用于对提取到的所述天空区域内的所有像素值进行降序排列；

像素点选取计算模块29，用于选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值。

其中，上述各个模块的功能如上述方法实施例所记载，在此不再赘述。

在本发明实施例中，对输入的彩色图像中任意像素三通道进行最小值滤波；对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；对子天空图像进行区域生长，计算彩色图像中的天空区域；根据已经获取到的天空区域，计算大气光值，实现对大气光值的计算，同时可一定程度抵消天空区域白色云朵等带来的影响，又能排除彩色图像中可能存在的尖锐噪声引发的偏差，并为后续的图像去雾奠定基础。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种图像去雾处理中大气光值计算方法，其特征在于，所述方法包括下述步骤：

对输入的彩色图像中任意像素三通道进行最小值滤波；

对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；

对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；

对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域；

根据已经获取到的天空区域，计算大气光值；

其中，所述根据已经获取到的天空区域，计算大气光值的步骤具体包括下述步骤：

将属于天空区域的像素值提取出来，并保存；

对提取到的所述天空区域内的所有像素值进行降序排列；

选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值；

所述对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像的步骤具体包括下述步骤：

对形态学滤波后的图像进行九宫格分解，获取9个图像子块；

求取各个图像子块的平均灰度值，假设图像子块对应的图像为R_ij，则该图像子块的平均灰度值为：m_ij＝mean(R_ij)，mean()为图像灰度均值运算；

对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值，该最大值为R＝R(max(m'_ij))，参数R为图像R_ij，具体是指灰度平均值的最大值，而函数R()为求取灰度平均值的最大值的函数；

对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像；

分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序，其中：m_i＝mean(R_i)；i＝{1,2,3,4}，{M₁,M₂,M₃,M₄}＝rank(m_i)，M₁≥M₂≥M₃≥M₄；R'＝R(M₁)为将平均灰度值最大的区域保存为新的图像；

判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行所述对求取到的最大值所对应的图像进行四叉树分割的步骤；

若排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像。

2.根据权利要求1所述的图像去雾处理中大气光值计算方法，其特征在于，所述对执行最小值滤波后的图像进行两次形态学滤波的步骤具体包括下述步骤：

对执行最小值滤波后的图像进行先执行形态开运算再进行形态闭运算处理；

对依次执行形态开运算和形态闭运算处理后的图像进行先执行形态闭运算再进行形态开运算处理。

3.根据权利要求1所述的图像去雾处理中大气光值计算方法，其特征在于，所述对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域的步骤具体包括下述步骤：

在获取到的子天空图像中获取种子点；

以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到原始彩色图像的天空区域。

4.一种图像去雾处理中大气光值计算系统，其特征在于，所述系统包括：

最小值滤波模块，用于对输入的彩色图像中任意像素三通道进行最小值滤波；

形态学滤波模块，用于对执行最小值滤波后的图像进行两次形态学滤波，获得形态学滤波后的图像；

子天空图像获取模块，用于对形态学滤波后的图像进行天空区域的粗定位，获取子天空图像；

天空区域生长模块，用于对所述子天空图像进行区域生长，计算所述彩色图像中的天空区域；

大气光值计算模块，用于根据已经获取到的天空区域，计算大气光值；

其中，所述大气光值计算模块具体包括：

像素值提取模块，用于将属于所述天空区域的像素值提取出来，并保存；

像素值排序模块，用于对提取到的所述天空区域内的所有像素值进行降序排列；

像素点选取计算模块，用于选取所述天空区域中亮度值排在前百分之五数量的像素点的平均灰度值作为所述彩色图像的大气光值；

所述子天空图像获取模块具体包括：

九宫格分解模块，用于对形态学滤波后的图像进行九宫格分解，获取9个图像子块；

平均灰度值计算模块，用于求取各个图像子块的平均灰度值，则该图像子块的平均灰度值为：m_ij＝mean(R_ij)，mean()为图像灰度均值运算；

加权计算模块，用于对每个图像子块对应的平均灰度值进行不同权重赋值，并求取加权后的灰度平均值的最大值，该最大值为R＝R(max(m'_ij))，参数R为图像R_ij，具体是指灰度平均值的最大值，而函数R()为求取灰度平均值的最大值的函数；

四叉树分割模块，用于对求取到的最大值所对应的图像进行四叉树分割，获得四个子区域图像；

灰度均值计算排序模块，用于分别计算四个所述子区域图像的灰度均值，并对计算得到的四个所述灰度均值进行排序，其中：m_i＝mean(R_i)；i＝{1,2,3,4}，{M₁,M₂,M₃,M₄}＝rank(m_i)，

M₁≥M₂≥M₃≥M₄；R'＝R(M₁)为将平均灰度值最大的区域保存为新的图像；

差值判断模块，用于判断排序后的灰度均值最大值与第二大值之间的差值是大于等于预先设置的阈值；

子天空图像确认模块，用于若所述差值判断模块判断排序后的灰度均值最大值与第二大值之间的差值小于预先设置的阈值，则将灰度均值最大值所对应的子区域图像作为子天空图像；

若排序后的灰度均值最大值与第二大值之间的差值大于等于预先设置的阈值，则返回执行所述对求取到的最大值所对应的图像进行四叉树分割的步骤。

5.根据权利要求4所述的图像去雾处理中大气光值计算系统，其特征在于，所述形态学滤波模块具体包括：

第一运算模块，用于对执行最小值滤波后的图像进行先执行形态开运算再进行形态闭运算处理；

第二运算模块，用于依次执行形态开运算和形态闭运算处理后的图像进行先执行形态闭运算再进行形态开运算处理。

6.根据权利要求4所述的图像去雾处理中大气光值计算系统，其特征在于，所述天空区域生长模块具体包括：

种子点获取模块，用于在获取到的子天空图像中获取种子点；

像素搜索模块，用于以获取到的种子点为基础，向所述种子点像素8邻域进行像素搜索，得到原始彩色图像的天空区域。

Images