CN107240075A - 一种雾霾图像增强处理方法及系统 - Google Patents
一种雾霾图像增强处理方法及系统 Download PDFInfo
- Publication number
- CN107240075A CN107240075A CN201710391753.3A CN201710391753A CN107240075A CN 107240075 A CN107240075 A CN 107240075A CN 201710391753 A CN201710391753 A CN 201710391753A CN 107240075 A CN107240075 A CN 107240075A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- haze
- msubsup
- haze image
- 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.)
- Pending
Links
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 37
- 230000002146 bilateral effect Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 239000003086 colorant Substances 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 3
- 239000003595 mist Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G06T5/92—
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Abstract
本发明一种雾霾图像增强处理方法及系统,该方法包括如下步骤:获取初始雾霾图像;采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘细节信息的前提下实现雾霾天气下图像的增强;将获得的增强后的无雾霾图像进行输出显示,通过本发明,可提高对雾霾图像的增强处理效果,使得用户在雾霾天气下仍然能获取清晰的图像。
Description
技术领域
本发明涉及一种图像增强处理方法及系统,特别是涉及一种基于移动终端的雾霾图像增强处理方法及系统。
背景技术
随着工业的不断发展,大气污染的不断加剧,空气质量明显下降,特别是在北方,近几年冬天的雾霾天气数逐年增加,在严重危害人们身体健康的同时,对人们生活和工作也造成很大影响。在很多情况下,人们经常需要在室外拍摄高清晰度图像,但由于受限于天气因素,往往成像距离很近、画面模糊不清楚,因此在雾霾天气下仍然能获取清晰的图像成为大众的迫切需求。
目前市场上手机等各种移动设备中普遍已有图像增强功能,可以对拍摄到的画面进行增强,提高图像对比度,但是对于雾霾天拍摄的图像没有特殊的处理模块及处理方法,采用通用增强方法对雾霾图像增强的效果不佳。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种雾霾图像增强处理方法及系统,以提高对雾霾图像的增强处理效果,使得用户在雾霾天气下仍然能获取清晰的图像。
为达上述目的,本发明提出一种雾霾图像增强处理方法,包括如下步骤:
步骤一,利用摄像装置获取初始雾霾图像;
步骤二,采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘细节信息的前提下实现雾霾天气下图像的增强处理;
步骤三,将获得的增强后的无雾霾图像进行输出显示。
进一步地,步骤二进一步包括:
步骤S1,对该初始雾霾图像采用双边滤波器进行图像滤波,获得边缘细节增强的图像Y(x),其中每个像素点i的数值记为Y(xi);
步骤S2,对该初始雾霾图像进行大气光值估计,获得大气光值A;
步骤S3,对步骤S1的滤波残差进行二次双边滤波获得残差滤波图像ε,并计算出图像的大气散射估计值;
步骤S4,根据大气散射估计值与大气光值A计算获得大气透射率;
步骤S5,利用大气透射率对该初始雾霾图像进行去雾霾复原,获得增强后无雾霾图像。
进一步地,该步骤S2通过如下步骤实现:
(1)对拍摄到的初始雾霾图像求取暗通道图像,依据亮度值选取一定比例的像素点并记录其像素坐标位置;
(2)于该初始雾霾图像中找到步骤(1)中记录的点,求取该些点在R、G、B三个颜色通道上的最大强度数值,记为大气光分别在三个通道内的估计值,记大气光值为A。
进一步地,于步骤S3中,该大气散射估计值利用如下公式计算获得:
其中,α为参数因子,残差滤波图像ε=F[(Y(x)-Y(xi))],F[·]表示双边滤波操作。
进一步地,于步骤S3中,精确的大气散射估计值为:
其中,β是一个常数项,其取值为0.95~0.98之间。
进一步地,于步骤S4中,利用下式计算获得大气透射率:
其中,σ为调节参数。
进一步地,于步骤S5中,利用下式计算出增强后无雾霾图像J(x):
其中,I(x)为输入的初始雾霾图像。
进一步地,于步骤S5后,还包括如下步骤:
步骤S6,对增强后无雾霾图像进行亮度校正。
进一步地,步骤S6进一步包括:
对步骤S5中获取的增强后无雾霾图像J(x)分别求取R、G、B三个颜色通道的极值点,分别记录为和分别为最大值,分别为最小值;
设定各颜色通道的色度范围分别为对R、G、B三个通道分别进行亮度调节,调节后图像的各通道分别表示为
其中JR(x)、JG(x)、JB(x)分别表示步骤S5中得到的图像J(x)的三通道图像;
将QR(x)、QG(x)、QB(x)合并,得到亮度校正后的最终增强图像。
为达到上述目的,本发明还提供一种雾霾图像增强处理系统,包括:
图像获取单元,利用摄像装置获取初始雾霾图像;
雾霾图像增强单元,通过采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘细节信息的前提下实现雾霾天气下图像的增强处理;
图像输出显示单元;用于将获得的增强后的无雾霾图像进行输出显示。
与现有技术相比,本发明一种雾霾图像增强处理方法及系统,通过采用基于双边滤波与暗通道去雾霾的方法对雾霾天获得的图像进行针对性图像增强,可以在保证图像边缘等细节信息的前提下实现雾霾天气下图像的增强,提高了对雾霾图像的增强处理效果,可有效地提高雾霾天气下手机等设备的成像清晰度。
附图说明
图1为本发明一种雾霾图像增强处理方法的步骤流程图;
图2为本发明一种雾霾图像增强处理系统的系统架构图;
图3为本发明具体实施例中雾霾图像增强单元的细部结构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种雾霾图像增强处理方法的步骤流程图。如图1所示,如图1所示,本发明一种雾霾图像增强处理方法,包括如下步骤:
步骤101,获取初始雾霾图像。在本发明具体实施例中,利用摄像装置获取初始雾霾图像,具体地,可利用移动设备的摄像头获取初始雾霾图像。
步骤102,采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘等细节信息的前提下实现雾霾天气下图像的增强处理。
具体地,步骤102进一步包括:
步骤S1,对该初始雾霾图像采用双边滤波器进行图像滤波,获得边缘细节增强的图像Y(x),其中每个像素点i的数值记为Y(xi)。
步骤S2,对该初始雾霾图像进行大气光值估计。
具体地,大气光值估计包含如下两步骤:
(1)根据暗原色先验理论对拍摄到的初始雾霾图像求取暗通道图像,选取其中亮度最大的0.1%的像素点并记录其像素坐标位置,即对于所有像素,按照其亮度大小进行排序,取排序中亮度值在前0.1%的所有像素点记录其坐标位置;
(2)在初始雾霾图像中找到步骤(1)中记录的点,求取这些点在R、G、B三个颜色通道上的最大强度数值,记为大气光分别在三个通道内的估计值,记大气光为A。
步骤S3,对步骤S1的滤波残差进行二次双边滤波获得残差滤波图像ε,并计算出图像的大气散射估计值。
因为不同图像景深区域会有不同程度的对比度,因此在计算大气散射时对步骤1中的滤波残差进行二次双边滤波,获得残差滤波图像ε,表示为如下公式(1):
ε=F[(Y(x)-Y(xi))] (1)
其中,F[·]表示双边滤波操作。
大气散射估计值表示为:
其中α是一个参数因子,在不同雾霾程度下数值不同,可以进行手动调节。
因为大气散射值要介于0和最大原始图像Y(x)之间,所以可得,精确地大气散射估计值为:
其中,β是一个常数项,一般情况下取值为0.95~0.98之间,该数值略小与1的原因是为了适当保留薄雾霾,可保证后期图像的真实性。
步骤S4,根据大气散射估计值与大气光A计算获得大气透射率。
根据传输定律,利用上述步骤求得的大气散射估计值T(x)和大气光A计算透射率t(x):
上式中,σ为一个调节参数,在本发明具体实施例中σ=0.95。
步骤S5,对初始雾霾图像进行去雾霾复原,获得增强后无雾霾图像。
在本发明具体实施例中,输入初始有雾霾图像I(x),根据如下公式(5),计算出增强后无雾霾图像J(x):
步骤S6,对增强后无雾霾图像进行亮度校正。
为了使得去雾霾后的图像更加自然,需要对去雾霾后的图像的亮度进行校正。在本发明具体实施例中,对步骤S5中获取的增强后无雾霾图像J(x)分别求取R、G、B三个颜色通道的极值点(最大数值、最小数值),分别记录为和设定各颜色通道的色度范围分别为对R、G、B三个通道分别进行亮度调节,调节后图像的各通道分别表示为
其中JR(x)、JG(x)、JB(x)分别表示步骤S5中得到的图像J(x)的三通道图像,将QR(x)、QG(x)、QB(x)合并,得到亮度校正后的最终增强图像输出显示。
步骤103,将获得的增强后的无雾霾图像进行输出显示。较佳地,将获得的增强后的无雾霾图像进行输出显示并予以存储。
较佳地,于步骤102之前,本发明还包括如下步骤:
判断当前的图像处理模式;
若当前的图像处理模式为雾霾图像增强处理模式,则进入步骤102,若当前的图像处理模式为通用模式,则利用通用的图像增强模式进行增强处理,由于通用的图像增强方式为现有技术,在此不予赘述。也就是说,本发明可通过模式设置提供用户对图像处理模式的选择,图像处理模式包含雾霾图像增强处理模式与通用模式。
图2为本发明一种雾霾图像增强处理系统的系统架构图。如图2所示,本发明一种雾霾图像增强处理系统,包括:图像获取单元201、雾霾图像增强单元202以及图像输出显示单元203。
图像获取单元201,利用摄像装置获取初始雾霾图像。在本发明具体实施例中,利用移动设备的摄像头获取初始雾霾图像。
雾霾图像增强单元202,通过采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘等细节信息的前提下实现雾霾天气下图像的增强处理。
具体地,雾霾图像增强单元202进一步包括:
滤波单元2021,用于对该初始雾霾图像采用双边滤波器进行图像滤波,获得边缘细节增强的图像Y(x),其中每个像素点i的数值记为Y(xi)。
大气光值估计单元2022,用于对该初始雾霾图像进行大气光值估计。
具体地,大气光值估计通过如下两步骤实现:
(1)根据暗原色先验理论对拍摄到的初始雾霾图像求取暗通道图像,选取其中亮度最大的0.1%的像素点并记录其像素坐标位置;
(2)在初始雾霾图像中找到步骤(1)中记录的点,求取这些点在R、G、B三个颜色通道上的最大强度数值,记为大气光分别在三个通道内的估计值,记大气光为A。
大气散射估计值计算单元2023,用于对滤波单元2021获得的滤波残差进行二次双边滤波获得残差滤波图像ε,并计算出图像的大气散射估计值。
因为不同图像景深区域会有不同程度的对比度,因此大气散射估计值计算单元2023在计算大气散射时对滤波单元2021中的滤波残差进行二次双边滤波,获得残差滤波图像ε,表示为:
ε=F[(Y(x)-Y(xi))]
其中,F[·]表示双边滤波操作。
大气散射估计值表示为:
其中α是一个参数因子,在不同雾霾程度下数值不同,可以进行手动调节。
因为大气散射值要介于0和最大原始图像Y(x)之间,所以可得,精确地大气散射估计值为:
其中,β是一个常数项,一般情况下取值为0.95~0.98之间,该数值略小与1的原因是为了适当保留薄雾霾,可保证后期图像的真实性。
大气透射率计算单元2024,用于根据大气散射估计值与大气光A计算获得大气透射率。
根据传输定律,大气透射率计算单元2024利用大气散射估计值T(x)和大气光A计算透射率t(x):
上式中,σ为一个调节参数,在本发明具体实施例中σ=0.95。
去雾霾复原单元2025,用于对初始雾霾图像进行去雾霾复原,获得增强后无雾霾图像。
在本发明具体实施例中,输入初始有雾霾图像I(x),根据下式,计算出增强后无雾霾图像J(x):
亮度校正单元2026,用于对增强后无雾霾图像进行亮度校正。
为了使得去雾霾后的图像更加自然,需要对去雾霾后的图像的亮度进行校正。在本发明具体实施例中,亮度校正单元2026对去雾霾复原单元2025获取的增强后无雾霾图像J(x)分别求取R、G、B三个颜色通道的极值点(最大数值、最小数值),分别记录为和设定各颜色通道的色度范围分别为对R、G、B三个通道分别进行亮度调节,调节后图像的各通道分别表示为
其中JR(x)、JG(x)、JB(x)分别表示步骤4中得到的图像J(x)的三通道图像,将QR(x)、QG(x)、QB(x)合并,得到亮度校正后的最终增强图像输出显示。
图像输出显示单元203,用于将获得的增强后的无雾霾图像进行输出显示。较佳地,图像输出显示单元203将获得的增强后的无雾霾图像进行输出显示并予以存储。
较佳地,本发明之雾霾天图像增强处理系统还包括:模式判断单元与图像增强单元,该模式判断单元用于判断当前的图像处理模式,于当前的图像处理模式为雾霾图像增强处理模式时启动雾霾图像增强单元202,于当前的图像处理模式为正常模式时启动普通图像增强单元;普通图像增强处理单元用于对图像进行普通的图像增强处理,由于这里采用普通的图像增强方式为现有技术,在此不予赘述。
综上所述,本发明一种雾霾图像增强处理方法及系统,通过采用基于双边滤波与暗通道去雾霾的方法对雾霾天获得的图像进行针对性图像增强,可以在保证图像边缘等细节信息的前提下实现雾霾天气下图像的增强,提高了对雾霾图像的增强处理效果,可有效地提高雾霾天气下手机等设备的成像清晰度。
任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种雾霾图像增强处理方法,包括如下步骤:
步骤一,获取初始雾霾图像;
步骤二,采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘细节信息的前提下实现雾霾天气下图像的增强处理;
步骤三,将获得的增强后的无雾霾图像进行输出显示。
2.如权利要求1所述的一种雾霾图像增强处理方法,其特征在于,步骤二进一步包括:
步骤S1,对该初始雾霾图像采用双边滤波器进行图像滤波,获得边缘细节增强的图像Y(x),其中每个像素点i的数值记为Y(xi);
步骤S2,对该初始雾霾图像进行大气光值估计,获得大气光值A;
步骤S3,对步骤S1的滤波残差进行二次双边滤波获得残差滤波图像ε,并计算出图像的大气散射估计值;
步骤S4,根据大气散射估计值与大气光值A计算获得大气透射率;
步骤S5,利用大气透射率对该初始雾霾图像进行去雾霾复原,获得增强后无雾霾图像。
3.如权利要求2所述的一种雾霾图像增强处理方法,其特征在于,该步骤S2通过如下步骤实现:
(1)对拍摄到的初始雾霾图像求取暗通道图像,依据亮度值选取一定比例的像素点并记录其像素坐标位置;
(2)于该初始雾霾图像中找到步骤(1)中记录的点,求取该些点在R、G、B三个颜色通道上的最大强度数值,记为大气光分别在三个通道内的估计值,记大气光值为A。
4.如权利要求2所述的一种雾霾图像增强处理方法,其特征在于:于步骤S3中,该大气散射估计值利用如下公式计算获得:
<mrow>
<mover>
<mi>T</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&alpha;</mi>
<mfrac>
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
<mi>&epsiv;</mi>
</mrow>
其中,α为参数因子,残差滤波图像ε=F[(Y(x)-Y(xi))],F[·]表示双边滤波操作。
5.如权利要求4所述的一种雾霾图像增强处理方法,其特征在于,于步骤S3中,精确的大气散射估计值为:
<mrow>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>&lsqb;</mo>
<mi>&beta;</mi>
<mover>
<mi>T</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>,</mo>
<mn>0</mn>
<mo>}</mo>
</mrow>
其中,β是一个常数项,其取值为0.95~0.98之间。
6.如权利要求5所述的一种雾霾图像增强处理方法,其特征在于,于步骤S4中,利用下式计算获得大气透射率:
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&sigma;</mi>
<mfrac>
<mrow>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>A</mi>
</mfrac>
</mrow>
其中,σ为调节参数。
7.如权利要求6所述的一种雾霾图像增强处理方法,其特征在于,于步骤S5中,利用下式计算出增强后无雾霾图像J(x):
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
</mrow>
其中,I(x)为输入的初始雾霾图像。
8.如权利要求2所述的一种雾霾图像增强处理方法,其特征在于,于步骤S5后,还包括如下步骤:
步骤S6,对增强后无雾霾图像进行亮度校正。
9.如权利要求8所述的一种雾霾图像增强处理方法,其特征在于,步骤S6进一步包括:
对步骤S5中获取的增强后无雾霾图像J(x)分别求取R、G、B三个颜色通道的极值点,分别记录为和分别为最大值,分别为最小值;
设定各颜色通道的色度范围分别为对R、G、B三个通道分别进行亮度调节,调节后图像的各通道分别表示为
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>R</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>J</mi>
<mi>R</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>R</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>h</mi>
<mi>max</mi>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>h</mi>
<mi>min</mi>
<mi>R</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>k</mi>
<mi>max</mi>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>R</mi>
</msubsup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>G</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>J</mi>
<mi>G</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>G</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>h</mi>
<mi>max</mi>
<mi>G</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>h</mi>
<mi>min</mi>
<mi>G</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>k</mi>
<mi>max</mi>
<mi>G</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>G</mi>
</msubsup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msup>
<mi>J</mi>
<mi>B</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>B</mi>
</msubsup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<msubsup>
<mi>h</mi>
<mi>max</mi>
<mi>B</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>h</mi>
<mi>min</mi>
<mi>B</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>k</mi>
<mi>max</mi>
<mi>B</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>min</mi>
<mi>B</mi>
</msubsup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中JR(x)、JG(x)、JB(x)分别表示步骤S5中得到的图像J(x)的三通道图像;
将QR(x)、QG(x)、QB(x)合并,得到亮度校正后的最终增强图像。
10.一种雾霾图像增强处理系统,包括:
图像获取单元,用于获取初始雾霾图像;
雾霾图像增强单元,通过采用基于双边滤波与暗通道去雾霾的方法对该初始雾霾图像进行针对性图像增强,以在保证图像边缘细节信息的前提下实现雾霾天气下图像的增强处理;
图像输出显示单元;用于将获得的增强后的无雾霾图像进行输出显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391753.3A CN107240075A (zh) | 2017-05-27 | 2017-05-27 | 一种雾霾图像增强处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391753.3A CN107240075A (zh) | 2017-05-27 | 2017-05-27 | 一种雾霾图像增强处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107240075A true CN107240075A (zh) | 2017-10-10 |
Family
ID=59985860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710391753.3A Pending CN107240075A (zh) | 2017-05-27 | 2017-05-27 | 一种雾霾图像增强处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107240075A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111868778A (zh) * | 2018-03-19 | 2020-10-30 | 索尼公司 | 图像处理装置、图像处理方法、以及程序 |
CN112215772A (zh) * | 2020-10-12 | 2021-01-12 | 华南师范大学 | 一种实时去雾霾显示系统及其去雾霾显示方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447825A (zh) * | 2015-10-08 | 2016-03-30 | 湖北大学 | 图像去雾方法及其系统 |
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
CN105631831A (zh) * | 2016-03-14 | 2016-06-01 | 北京理工大学 | 一种雾霾条件下视频图像增强方法 |
CN106127715A (zh) * | 2016-08-29 | 2016-11-16 | 程建 | 一种图像去雾方法及系统 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
-
2017
- 2017-05-27 CN CN201710391753.3A patent/CN107240075A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447825A (zh) * | 2015-10-08 | 2016-03-30 | 湖北大学 | 图像去雾方法及其系统 |
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
CN105631831A (zh) * | 2016-03-14 | 2016-06-01 | 北京理工大学 | 一种雾霾条件下视频图像增强方法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106127715A (zh) * | 2016-08-29 | 2016-11-16 | 程建 | 一种图像去雾方法及系统 |
Non-Patent Citations (1)
Title |
---|
KAIMING HE等: "Single Image Haze Removal Using Dark Channel Prior", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111868778A (zh) * | 2018-03-19 | 2020-10-30 | 索尼公司 | 图像处理装置、图像处理方法、以及程序 |
CN112215772A (zh) * | 2020-10-12 | 2021-01-12 | 华南师范大学 | 一种实时去雾霾显示系统及其去雾霾显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101242476B (zh) | 图像颜色自动校正方法及数字摄像系统 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN104717432B (zh) | 处理一组输入图像的方法、图像处理设备和数字照相机 | |
CN106886985A (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
CN106056559A (zh) | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 | |
CN104077759A (zh) | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 | |
TWI489416B (zh) | 影像還原方法 | |
CN108022223A (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
CN109300101A (zh) | 一种基于Retinex理论的多曝光图像融合方法 | |
CN106169182A (zh) | 一种合成多幅不同曝光度图像的方法 | |
CN107527325A (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
He et al. | Single image dehazing with white balance correction and image decomposition | |
CN110335221A (zh) | 一种基于无监督学习的多曝光图像融合方法 | |
CN111105359A (zh) | 一种高动态范围图像的色调映射方法 | |
CN106550227A (zh) | 一种图像饱和度调整方法及装置 | |
CN107169942B (zh) | 一种基于鱼类视网膜机制的水下图像增强方法 | |
CN103208107B (zh) | 终端、图像的修复方法和装置 | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN105654424B (zh) | 图像的调整比例显示方法、显示系统、显示装置和终端 | |
CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
CN105809641A (zh) | 一种去雾图像的曝光补偿和边缘增强方法 | |
CN107240075A (zh) | 一种雾霾图像增强处理方法及系统 | |
CN101398929B (zh) | 一种抑制夜景图像噪声的方法和装置 | |
CN107592517A (zh) | 一种肤色处理的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |
|
RJ01 | Rejection of invention patent application after publication |