CN107403421A - 一种图像去雾方法、存储介质及终端设备 - Google Patents
一种图像去雾方法、存储介质及终端设备 Download PDFInfo
- Publication number
- CN107403421A CN107403421A CN201710680195.2A CN201710680195A CN107403421A CN 107403421 A CN107403421 A CN 107403421A CN 201710680195 A CN201710680195 A CN 201710680195A CN 107403421 A CN107403421 A CN 107403421A
- Authority
- CN
- China
- Prior art keywords
- image
- mask
- sky
- value
- pixel
- 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 42
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000010586 diagram Methods 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 239000003595 mist Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000002834 transmittance 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像去雾方法、存储介质及终端设备,用于解决如何在图像中有高亮天空区域的情况下还原无雾图像的问题。本发明提供的方法包括:获取待去雾的目标图像和其灰度图像;计算梯度图,并根据所述梯度图和预设的梯度阈值计算出天空mask图;计算所述灰度图像中各个目标像素点的临域亮度均值;根据目标像素点的临域亮度均值和亮度阈值计算天空权重图;计算所述目标图像的暗通道图;根据所述天空权重图对所述暗通道图进行修正和导向滤波处理;根据天空mask图中mask点的分布确定所述目标图像的大气光值;根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;根据所述透射图和大气散射模型计算得到去雾后的图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像去雾方法、存储介质及终端设备。
背景技术
暗原色先验去雾算法的理论认为,户外颜色鲜艳的图像符合暗原色先验理论,即单个像素点的周围总是存在一些点的像素值很小,甚至趋近与0。该方法从图像的本质出发,当图像中没有高亮的天空区域时,可以很好的还原无雾图像,但是当图片中有大量高亮天空区域时,天空部分会出现光晕及色彩失真,原因是高亮天空部分的像素点的值都很高,不符合暗原色先验理论。
因此,如何在图像中有高亮天空区域的情况下还原无雾图像成为本领域技术人员亟需解决的问题。
发明内容
本发明实施例提供了一种图像去雾方法、存储介质及终端设备,能够在图像中有高亮天空区域的情况下使得去雾后的天空区域图像不产生光晕和色彩失真。
第一方面,提供了一种图像去雾方法,包括:
获取待去雾的目标图像;
获取所述目标图像的灰度图像;
按像素点计算所述灰度图像的梯度图;
根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
计算所述目标图像的暗通道图;
根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
第二方面,提供了一种图像去雾装置,包括:
目标图像获取模块,用于获取待去雾的目标图像;
灰度图像获取模块,用于获取所述目标图像的灰度图像;
梯度图计算模块,用于按像素点计算所述灰度图像的梯度图;
mask图计算模块,用于根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
临域亮度计算模块,用于计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
权重图标记模块,用于根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
暗通道图计算模块,用于计算所述目标图像的暗通道图;
暗通道图调整模块,用于根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
导向滤波模块,用于将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
大气光值确定模块,用于根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
透射图计算模块,用于根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
去雾图像计算模块,用于根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的图像去雾方法的步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的图像去雾方法的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,利用梯度和临域亮度均值相结合的方式准确识别出图像中的天空区域,并进而计算相应的天空权重图;进而再通过天空权重图对天空区域的暗通道值进行调整,可以使得去雾后的天空区域图像不产生光晕和色彩失真。并且,本发明提供的方法适应性好,可以用于不包含天空区域的带雾图像进行去雾处理,避免出现将图像中景物误识别为天空区域导致局部去雾不完全的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种图像去雾方法一个实施例流程图;
图2为本发明实施例中一种图像去雾方法步骤104在一个应用场景下的流程示意图;
图3为本发明实施例中一种图像去雾方法步骤106在一个应用场景下的流程示意图;
图4为本发明实施例中一种图像去雾装置一个实施例结构图;
图5为本发明一实施例提供的终端设备的示意图;
图6a为原始采集的雾天彩色图像;
图6b为采用本发明实施例提供的一种图像去雾方法对图6a处理后的效果图;
图7a为原始采集的不含天空的雾天彩色图像;
图7b为采用本发明实施例提供的一种图像去雾方法对图7a处理后的效果图。
具体实施方式
本发明实施例提供了一种图像去雾方法、存储介质及终端设备,用于解决如何在图像中有高亮天空区域的情况下还原无雾图像的问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中一种图像去雾方法一个实施例包括:
101、获取待去雾的目标图像;
本实施例中,可以通过成像设备(摄像机、智能手机、平板电脑等)获得图像,若该图像中包含雾天的景象,则可以将该图像确定为待去雾的目标图像,记为I。特别地,也可以由用户指定任意一张图像作为该目标图像。
特别地,目标图像为采用RGB颜色标准的图像。
102、获取所述目标图像的灰度图像;
比如,可以将所述目标图像转换为灰度图像,记为Idg,具体转换公式可以为Gray=R*0.299+G*0.587+B*0.114,上述的R、G、B是指目标图像分别在RGB通道上的值。
103、按像素点计算所述灰度图像的梯度图;
可以理解的是,在得到灰度图像之后,可以计算灰度图像Idg在水平方向的梯度:dx(i,j)=abs(Idg(i+1,j)-Idg(i,j)),计算灰度图像Idg在垂直方向梯度dy(i,j)=abs(Idg(i,j+1)-Idg(i,j)),则所述梯度图上各个点的梯度为水平方向与垂直方向梯度之和,即G(i,j)=dx(i,j)+dy(i,j)。
进一步地,为减少噪声对后续步骤处理结果的影响,可以对计算得到的所述梯度图进行高斯滤波。具体地,可以采用5*5的高斯模板对梯度图进行滤波处理。
104、根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
进一步地,如图2所示,所述步骤104可以包括:
201、筛选所述梯度图上梯度值小于或等于所述梯度阈值的第一像素点;
202、生成与所述灰度图像尺寸相同的天空mask图;
203、将所述天空mask图上位置与所述第一像素点位置相同的像素点标记为mask值。
对于上述步骤201~203,通过筛选梯度值的方式寻找出图像上的天空区域,为后续计算天空权重图做准备。可以理解的是,先筛选出梯度图上梯度值小于或等于梯度阈值的像素点(即上述的第一像素点),则认为这些第一像素点所处的位置即为目标图像中天空区域所处的位置,为了记录下这些第一像素点的位置便于后续的使用,可以生成一张空白的图像作为天空mask图,该天空mask图的尺寸与灰度图像尺寸相同,然后将所述天空mask图上位置与所述第一像素点位置相同的像素点标记为mask值。从而,在天空mask图上,标记为mask值的点所处的位置即为天空区域的位置,其它的点的位置则为非天空区域的位置。
特别地,上述mask值可以为1,并可以将其它非天空区域位置的点标记为0值。
105、计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
本实施例中,在计算出天空mask图之后,可以根据天空mask图中mask点位置确定出灰度图像位置相同的像素点,这些像素点即为上述的目标像素点。然后对这些像素点分别计算临域亮度均值,这里说的临域亮度是指临近区域的亮度,具体可以是求目标像素点半径为10的临域亮度均值。需要说明的是,上述的半径10(个像素点)只是其中一种优选地的方式,具体临域半径的大小可以根据实际情况来确定,比如半径8、半径5,等等。
106、根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
可以理解的是,在计算出各个目标像素点的临域亮度均值后,可以根据这些临域亮度均值与亮度阈值的关系,在新建的图像上标记权重值。在新建的图像上各个点均标记上相应的权重值之后,即得到了所需的天空权重图。该天空权重图上各个点的权重值表征了在目标图像上天空区域中相同位置的点在亮度上的比重。
进一步地,如图3所示,步骤106可以包括:
301、将所述新建的图像上位置与第一位置相同的点的权重值标记为255,所述第一位置为临域亮度均值大于或等于预设的亮度阈值的目标像素点所处的位置;
302、将所述新建的图像上位置与第二位置相同的点的权重值标记为第一数值,所述第二位置为临域亮度均值小于预设的亮度阈值的目标像素点所处的位置;所述第一数值由所述目标像素点的临域亮度均值与所述亮度阈值按比例从0至255的数值范围内确定;
303、将所述新建的图像上位置与第三位置相同的点的权重值标记为0,所述第三位置为所述灰度图像上除所述各个目标像素点以外其它点所处的位置。
对于步骤301,对于临域亮度均值大于或等于亮度阈值的目标像素点,则在新建的图像上相应位置的点上标记上255,即最高的权重值。
对于步骤302,而对于那些临域亮度均值小于预设的亮度阈值的目标像素点,则需要根据临域亮度均值与亮度阈值的比例关系,线性地确定新建的图像上相应位置的点的权重值,然后将确定出的权重值标记到该点上。例如,某个目标像素点a1的临域亮度均值小于亮度阈值(该亮度阈值优选为210),则根据点a1的临域亮度均值与亮度阈值的比例关系,线性映射到0~255的数值范围内,确定出第一数值b1。具体地,映射的公式可以为其中x=K/210,K为点的临域亮度均值,y为映射后的第一数值,将点a1的临域亮度均值K1代入映射公式求得y值,即得到点a1对应的第一数值b1。然后,将新建的图像上与点a1位置对应的点a2的权重值标记为b1。
对于步骤303,在步骤301和步骤302将新建的图像上位置与第一位置、第二位置相同的点的权重值均完成标记之后,则将剩余的其它点的权重值标记为0。
107、计算所述目标图像的暗通道图;
具体地,可以对目标图像的R\G\B三个通道分别进行最小值滤波,取滤波后的R\G\B三个通道在该点上的最小值,作为目标图像在该点的暗通道值。
108、根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
在得到天空权重图和暗通道图之后,可以利用天空权重图修正暗通道图,修正公式如下:
Dc(i,j)=(255*sky(i,j)+D(i,j)*(255-sky(i,j)))/255
其中Dc(i,j)为修正后的暗通道值,sky(i,j)为天空权重值,D(i,j)为修正前的暗通道值。
109、将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
具体地,将修正后的暗通道图作为导向滤波的输入图,灰度图像Idg作为导向图,进行导向滤波,得到滤波后的暗通道图Ic。
110、根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
在步骤110中,首先通过天空mask图中的mask点的分布确定天空区域占目标图像的比例,具体计算方法可以是统计mask点的个数占天空mask图中总像素点个数的比例,然后根据不同的比例情况分别计算大气光值A。
若所述天空mask图中mask点占总像素点的比例大于或等于预设的比例阈值,比如5%,则将所述目标图像上位置与所述mask点位置相同的像素点的大气光值平均值确定为所述目标图像的大气光值A;
若所述天空mask图中mask点占总像素点的比例小于预设的比例阈值(优选为5%),则从所述暗通道图中确定出亮度值处于前第一比例(优选为0.1%)的第二像素点,从所述目标图像上位置与所述第二像素点位置相同的像素点中确定出亮度值最高的第三像素点,将所述第三像素点的像素值确定为所述目标图像的大气光值A。
111、根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
可以理解的是,通过暗通道图计算透射图,其计算公式可以为 其中ω为去雾强度因子,用于调节去雾效果。特别地,ω优选设为0.85。
112、根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
具体地,可以将大气光值A和透射率图t′(x)代入大气散射模型I(x)=J(x)*t′(x)+(1-t′(x))*A,获得与所述目标图像对应的去雾后的图像。
进一步地,在执行步骤102之前,为了降低系统的计算量,还可以将所述目标图像进行下采样,得到按照预设第二比例等比例缩小后的目标图像。然后,在后续执行步骤112之前,再按照所述第二比例等比例放大所述透射图,从而使得最后得到的透射图的尺寸与目标图像的原始尺寸一致,并且大大降低了中间各个步骤的计算量。
需要说明的是,本实施例中上述的“图”,包括灰度图像、梯度图、天空mask图、天空权重图、暗通道图等,均可以看作是点或像素点的集合,而并不限定其必须为图形或图像的格式文件。
由上述内容可知,本发明与现有技术相比具有以下优点:
第一、本发明通过梯度阈值和亮度阈值来识别天空区域,可以更加准确的识别出天空区域,且适用于所用场景,不会对不含天空区域的图像造成影响;
第二、本发明通过对天空区域通道值进行特殊处理,优化对天空部分处理的效果,避免天空区域出现光晕及色彩失真等现象,恢复出效果较好的无雾图像;
第三、本发明在识别天空区域时采用了下采样,大大降低了计算量;
第四、本发明在计算大气光值A时根据天空占比,分别采用不同的方法计算大气光值A,使的A值的计算更加合理,避免在天空高亮场景下,A值无限接近255,导致去雾后的图像天空部分过亮的问题。
为直观了解本方案的去雾效果,请参看图6a和图6b,其中,图6a为原始采集的雾天彩色图像,图6b为采用本发明实施例提供的一种图像去雾方法对图6a处理后的效果图。可见,本方案可以很好的恢复出无雾图像,同时不会对天空区域造成光晕及色彩失真等问题。另外,请参看图7a和图7b,其中,图7a为原始采集的不含天空的雾天彩色图像,图7b为采用本发明实施例提供的一种图像去雾方法对图7a处理后的效果图。可见,本方案适应性较好,对于不含天空区域的图像也可正常处理,不会产生将景物识别为天空导致局部去雾不完全的情况。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种图像去雾方法,下面将对一种图像去雾装置进行详细描述。
图4示出了本发明实施例中一种图像去雾装置一个实施例结构图。
目标图像获取模块401,用于获取待去雾的目标图像;
灰度图像获取模块402,用于获取所述目标图像的灰度图像;
梯度图计算模块403,用于按像素点计算所述灰度图像的梯度图;
mask图计算模块404,用于根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
临域亮度计算模块405,用于计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
权重图标记模块406,用于根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
暗通道图计算模块407,用于计算所述目标图像的暗通道图;
暗通道图调整模块408,用于根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
导向滤波模块409,用于将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
大气光值确定模块410,用于根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
透射图计算模块411,用于根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
去雾图像计算模块412,用于根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
进一步地,所述权重图标记模块可以包括:
第一标记单元,用于将所述新建的图像上位置与第一位置相同的点的权重值标记为255,所述第一位置为临域亮度均值大于或等于预设的亮度阈值的目标像素点所处的位置;
第二标记单元,用于将所述新建的图像上位置与第二位置相同的点的权重值标记为第一数值,所述第二位置为临域亮度均值小于预设的亮度阈值的目标像素点所处的位置;所述第一数值由所述目标像素点的临域亮度均值与所述亮度阈值按比例从0至255的数值范围内确定;
第三标记单元,用于将所述新建的图像上位置与第三位置相同的点的权重值标记为0,所述第三位置为所述灰度图像上除所述各个目标像素点以外其它点所处的位置。
进一步地,所述mask图计算模块可以包括:
像素点筛选单元,用于筛选所述梯度图上梯度值小于或等于所述梯度阈值的第一像素点;
mask图生成单元,用于生成与所述灰度图像尺寸相同的天空mask图;
像素点标记单元,用于将所述天空mask图上位置与所述第一像素点位置相同的像素点标记为mask值。
进一步地,所述大气光值确定模块可以包括:
第一大气光值确定单元,用于若所述天空mask图中mask点占总像素点的比例大于或等于预设的比例阈值,则将所述目标图像上位置与所述mask点位置相同的像素点的大气光值平均值确定为所述目标图像的大气光值;
第二大气光值确定单元,用于若所述天空mask图中mask点占总像素点的比例小于预设的比例阈值,则从所述暗通道图中确定出亮度值处于前第一比例的第二像素点,从所述目标图像上位置与所述第二像素点位置相同的像素点中确定出亮度值最高的第三像素点,将所述第三像素点的大气光值确定为所述目标图像的大气光值。
进一步地,所述图像去雾装置还可以包括:
下采样模块,用于将所述目标图像进行下采样,得到按照预设第二比例等比例缩小后的目标图像;
上采样模块,用于按照所述第二比例等比例放大所述透射图。
图5是本发明一实施例提供终端设备的示意图。如图5所示,该实施例终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如执行上述的图像去雾方法程序。所述处理器50执行所述计算机程序52时实现上述各个图像去雾方法实施例中的步骤,例如图1所示的步骤101至112。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至412的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图像去雾方法,其特征在于,包括:
获取待去雾的目标图像;
获取所述目标图像的灰度图像;
按像素点计算所述灰度图像的梯度图;
根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
计算所述目标图像的暗通道图;
根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
2.根据权利要求1所述的图像去雾方法,其特征在于,所述根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图包括:
将所述新建的图像上位置与第一位置相同的点的权重值标记为255,所述第一位置为临域亮度均值大于或等于预设的亮度阈值的目标像素点所处的位置;
将所述新建的图像上位置与第二位置相同的点的权重值标记为第一数值,所述第二位置为临域亮度均值小于预设的亮度阈值的目标像素点所处的位置;所述第一数值由所述目标像素点的临域亮度均值与所述亮度阈值按比例从0至255的数值范围内确定;
将所述新建的图像上位置与第三位置相同的点的权重值标记为0,所述第三位置为所述灰度图像上除所述各个目标像素点以外其它点所处的位置。
3.根据权利要求1所述的图像去雾方法,其特征在于,所述根据所述梯度图和预设的梯度阈值计算出天空mask图包括:
筛选所述梯度图上梯度值小于或等于所述梯度阈值的第一像素点;
生成与所述灰度图像尺寸相同的天空mask图;
将所述天空mask图上位置与所述第一像素点位置相同的像素点标记为mask值。
4.根据权利要求1所述的图像去雾方法,其特征在于,所述根据所述天空mask图中mask点的分布确定所述目标图像的大气光值包括:
若所述天空mask图中mask点占总像素点的比例大于或等于预设的比例阈值,则将所述目标图像上位置与所述mask点位置相同的像素点的大气光值平均值确定为所述目标图像的大气光值;
若所述天空mask图中mask点占总像素点的比例小于预设的比例阈值,则从所述暗通道图中确定出亮度值处于前第一比例的第二像素点,从所述目标图像上位置与所述第二像素点位置相同的像素点中确定出亮度值最高的第三像素点,将所述第三像素点的大气光值确定为所述目标图像的大气光值。
5.根据权利要求1至4中任一项所述的图像去雾方法,其特征在于,在获取所述目标图像的灰度图像之前,还包括:
将所述目标图像进行下采样,得到按照预设第二比例等比例缩小后的目标图像;
在根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像之前,还包括:
按照所述第二比例等比例放大所述透射图。
6.一种图像去雾装置,其特征在于,包括:
目标图像获取模块,用于获取待去雾的目标图像;
灰度图像获取模块,用于获取所述目标图像的灰度图像;
梯度图计算模块,用于按像素点计算所述灰度图像的梯度图;
mask图计算模块,用于根据所述梯度图和预设的梯度阈值计算出天空mask图,所述天空mask图的尺寸与所述灰度图像相同;
临域亮度计算模块,用于计算所述灰度图像中各个目标像素点的临域亮度均值,所述目标像素点是指在所述灰度图像上位置与所述天空mask图中mask点位置相同的像素点,所述mask点是指标记为mask值的像素点;
权重图标记模块,用于根据各个所述目标像素点的临域亮度均值和预设的亮度阈值在新建的图像上标记权重值,得到天空权重图,所述天空权重图的尺寸与所述灰度图像相同;
暗通道图计算模块,用于计算所述目标图像的暗通道图;
暗通道图调整模块,用于根据所述天空权重图对所述暗通道图上的各个暗通道值进行调整,得到调整后的暗通道图;
导向滤波模块,用于将调整后的暗通道图作为导向滤波的输入图和所述灰度图像作为导向图进行导向滤波处理,得到滤波后的暗通道图;
大气光值确定模块,用于根据所述天空mask图中mask点的分布确定所述目标图像的大气光值;
透射图计算模块,用于根据所述大气光值、预设的去雾强度因子以及滤波后的暗通道图计算透射图;
去雾图像计算模块,用于根据所述透射图和大气散射模型计算得到与所述目标图像对应的去雾后的图像。
7.根据权利要求6所述的图像去雾装置,其特征在于,所述权重图标记模块包括:
第一标记单元,用于将所述新建的图像上位置与第一位置相同的点的权重值标记为255,所述第一位置为临域亮度均值大于或等于预设的亮度阈值的目标像素点所处的位置;
第二标记单元,用于将所述新建的图像上位置与第二位置相同的点的权重值标记为第一数值,所述第二位置为临域亮度均值小于预设的亮度阈值的目标像素点所处的位置;所述第一数值由所述目标像素点的临域亮度均值与所述亮度阈值按比例从0至255的数值范围内确定;
第三标记单元,用于将所述新建的图像上位置与第三位置相同的点的权重值标记为0,所述第三位置为所述灰度图像上除所述各个目标像素点以外其它点所处的位置。
8.根据权利要求6或7所述的图像去雾装置,其特征在于,所述mask图计算模块包括:
像素点筛选单元,用于筛选所述梯度图上梯度值小于或等于所述梯度阈值的第一像素点;
mask图生成单元,用于生成与所述灰度图像尺寸相同的天空mask图;
像素点标记单元,用于将所述天空mask图上位置与所述第一像素点位置相同的像素点标记为mask值。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述图像去雾方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述图像去雾方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710680195.2A CN107403421B (zh) | 2017-08-10 | 2017-08-10 | 一种图像去雾方法、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710680195.2A CN107403421B (zh) | 2017-08-10 | 2017-08-10 | 一种图像去雾方法、存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107403421A true CN107403421A (zh) | 2017-11-28 |
CN107403421B CN107403421B (zh) | 2020-05-05 |
Family
ID=60396536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710680195.2A Active CN107403421B (zh) | 2017-08-10 | 2017-08-10 | 一种图像去雾方法、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107403421B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064426A (zh) * | 2018-07-26 | 2018-12-21 | 电子科技大学 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
CN109118441A (zh) * | 2018-07-17 | 2019-01-01 | 厦门理工学院 | 一种低照度图像及视频增强方法、计算机装置及存储介质 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及系统 |
CN110047287A (zh) * | 2019-04-23 | 2019-07-23 | 临沂大学 | 一种道路状况提示方法及其装置 |
WO2019205751A1 (zh) * | 2018-04-26 | 2019-10-31 | 青岛海信移动通信技术股份有限公司 | 图像增强方法 |
CN110689500A (zh) * | 2019-09-29 | 2020-01-14 | 北京达佳互联信息技术有限公司 | 一种人脸图像的处理方法、装置、电子设备及存储介质 |
CN111696031A (zh) * | 2020-06-15 | 2020-09-22 | 北京浦泰锐迅技术有限公司 | 适用于景观电子望远镜的图像处理方法和系统 |
CN112419162A (zh) * | 2019-08-20 | 2021-02-26 | 浙江宇视科技有限公司 | 图像去雾方法、装置、电子设备及可读存储介质 |
CN112581411A (zh) * | 2021-02-26 | 2021-03-30 | 深圳金三立视频科技股份有限公司 | 一种图像去雾的方法及终端 |
CN112750170A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN114004834A (zh) * | 2021-12-31 | 2022-02-01 | 山东信通电子股份有限公司 | 一种图像处理中的雾天情况分析方法、设备及装置 |
CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
CN114155173A (zh) * | 2022-02-10 | 2022-03-08 | 山东信通电子股份有限公司 | 一种图像去雾方法、设备及非易失性存储介质 |
CN114331920A (zh) * | 2022-03-09 | 2022-04-12 | 浙江大华技术股份有限公司 | 图像处理方法及装置、存储介质、电子装置 |
CN116074484A (zh) * | 2023-01-15 | 2023-05-05 | 山东产研卫星信息技术产业研究院有限公司 | 一种CMOS卫星影像的Bayer色彩重建方法 |
CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127715A (zh) * | 2016-08-29 | 2016-11-16 | 程建 | 一种图像去雾方法及系统 |
-
2017
- 2017-08-10 CN CN201710680195.2A patent/CN107403421B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127715A (zh) * | 2016-08-29 | 2016-11-16 | 程建 | 一种图像去雾方法及系统 |
Non-Patent Citations (5)
Title |
---|
C. CHENGTAO ET AL.: "《Improved dark channel prior dehazing approach using adaptive factor》", 《IEEE》 * |
DIBYASREE DAS ET AL.: "《Dehazing technique based on dark channel prior model with sky masking and its quantitative analysis》", 《IEEE》 * |
FENG LIU ET AL.: "《A fast method for single image dehazing using dark channel prior》", 《IEEE》 * |
陈丹丹等: "《修正大气耗散函数的单幅图像去雾》", 《中国图象图形学报》 * |
陈书贞等: "《基于改进暗通道和导向滤波的单幅图像去雾算法》", 《自动化学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019205751A1 (zh) * | 2018-04-26 | 2019-10-31 | 青岛海信移动通信技术股份有限公司 | 图像增强方法 |
CN109118441A (zh) * | 2018-07-17 | 2019-01-01 | 厦门理工学院 | 一种低照度图像及视频增强方法、计算机装置及存储介质 |
CN109118441B (zh) * | 2018-07-17 | 2022-04-12 | 厦门理工学院 | 一种低照度图像及视频增强方法、计算机装置及存储介质 |
CN109064426A (zh) * | 2018-07-26 | 2018-12-21 | 电子科技大学 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
CN109064426B (zh) * | 2018-07-26 | 2021-08-31 | 电子科技大学 | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 |
CN110047287A (zh) * | 2019-04-23 | 2019-07-23 | 临沂大学 | 一种道路状况提示方法及其装置 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及系统 |
CN112419162A (zh) * | 2019-08-20 | 2021-02-26 | 浙江宇视科技有限公司 | 图像去雾方法、装置、电子设备及可读存储介质 |
CN112419162B (zh) * | 2019-08-20 | 2024-04-05 | 浙江宇视科技有限公司 | 图像去雾方法、装置、电子设备及可读存储介质 |
CN110689500A (zh) * | 2019-09-29 | 2020-01-14 | 北京达佳互联信息技术有限公司 | 一种人脸图像的处理方法、装置、电子设备及存储介质 |
CN110689500B (zh) * | 2019-09-29 | 2022-05-24 | 北京达佳互联信息技术有限公司 | 一种人脸图像的处理方法、装置、电子设备及存储介质 |
CN112750170B (zh) * | 2019-10-31 | 2024-05-17 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN112750170A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN111696031A (zh) * | 2020-06-15 | 2020-09-22 | 北京浦泰锐迅技术有限公司 | 适用于景观电子望远镜的图像处理方法和系统 |
CN112581411B (zh) * | 2021-02-26 | 2021-06-15 | 深圳金三立视频科技股份有限公司 | 一种图像去雾的方法及终端 |
CN112581411A (zh) * | 2021-02-26 | 2021-03-30 | 深圳金三立视频科技股份有限公司 | 一种图像去雾的方法及终端 |
CN114004834B (zh) * | 2021-12-31 | 2022-04-19 | 山东信通电子股份有限公司 | 一种图像处理中的雾天情况分析方法、设备及装置 |
CN114004834A (zh) * | 2021-12-31 | 2022-02-01 | 山东信通电子股份有限公司 | 一种图像处理中的雾天情况分析方法、设备及装置 |
CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
CN114155173A (zh) * | 2022-02-10 | 2022-03-08 | 山东信通电子股份有限公司 | 一种图像去雾方法、设备及非易失性存储介质 |
CN114331920A (zh) * | 2022-03-09 | 2022-04-12 | 浙江大华技术股份有限公司 | 图像处理方法及装置、存储介质、电子装置 |
CN116074484A (zh) * | 2023-01-15 | 2023-05-05 | 山东产研卫星信息技术产业研究院有限公司 | 一种CMOS卫星影像的Bayer色彩重建方法 |
CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
CN116612043B (zh) * | 2023-06-02 | 2024-04-02 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107403421B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107403421A (zh) | 一种图像去雾方法、存储介质及终端设备 | |
CN106920221B (zh) | 兼顾亮度分布和细节呈现的曝光融合方法 | |
CN104537615A (zh) | 一种基于HSV色彩空间的局部Retinex增强算法 | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和系统 | |
CN101510299B (zh) | 基于视觉显著性的图像自适应方法 | |
CN105118027B (zh) | 一种图像的去雾方法 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
US11776202B2 (en) | Image processing method and apparatus, computer storage medium, and electronic device | |
CN110675334A (zh) | 一种图像增强方法及装置 | |
CN106454014B (zh) | 一种提高逆光场景车辆抓拍图像质量的方法及装置 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN108230256A (zh) | 图像处理方法、装置、计算机装置及计算机可读存储介质 | |
CN112115979B (zh) | 一种红外图像和可见图像的融合方法及设备 | |
CN106412448A (zh) | 一种基于单帧图像的宽动态范围处理方法与系统 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN111144337A (zh) | 火灾检测方法、装置及终端设备 | |
CN108875759A (zh) | 一种图像处理方法、装置及服务器 | |
CN104657941A (zh) | 一种图像边缘自适应增强方法及装置 | |
CN111383178A (zh) | 一种图像增强方法、装置及终端设备 | |
CN106683063A (zh) | 一种图像去噪的方法与装置 | |
CN105427265A (zh) | 一种彩色图像对比度增强方法及系统 | |
CN107257443A (zh) | 一种拼接图像抗渐晕的方法及其装置、终端设备 | |
CN107330944A (zh) | 一种全景图像的识别方法、装置、终端设备和存储介质 | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN112634182A (zh) | 一种基于光场的图像校正方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |