CN107437241A - 一种结合边缘检测的暗通道图像去雾方法 - Google Patents
一种结合边缘检测的暗通道图像去雾方法 Download PDFInfo
- Publication number
- CN107437241A CN107437241A CN201710677115.8A CN201710677115A CN107437241A CN 107437241 A CN107437241 A CN 107437241A CN 201710677115 A CN201710677115 A CN 201710677115A CN 107437241 A CN107437241 A CN 107437241A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- mrow
- brightness
- mfrac
- 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 77
- 238000003708 edge detection Methods 0.000 title claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 10
- 239000003595 mist Substances 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 claims description 2
- 241001269238 Data Species 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种结合边缘检测的暗通道图像去雾方法,本发明涉及结合边缘检测的暗通道图像去雾方法。本发明的目的是为了解决现有技术对图像进行去雾处理存在处理后图像颜色较暗、天空等区域容易出现颜色失真及边沿模糊等的问题。过程为:得到源图像、计算图像暗通道、大气光值、图像透射率、细化后的图像透射率、无雾图像、提高亮度后的无雾图像;将源图像转换成灰度图像;得到进行高斯低通滤波后的灰度图像;判断前20分之一行是否亮度平稳;判断源图像前40分之一行RGB三个通道的值是否平稳;对全方向的边沿图像进行二值化,得到去噪后的图像;得到未细化和细化的天空区域图像;得到最终的处理结果图像。本发明用于图像处理领域。
Description
技术领域
本发明涉及结合边缘检测的暗通道图像去雾方法。
背景技术
随着计算机视觉技术的不断发展和对数字图像分析处理的需求不断提高,人们对视频和图像的清晰度要求越来越高。目前,工业技术的急剧发展给气候带来了严重的影响,极端天气如雾、霾(下面将雾、霾统称为雾)等频发,各种拍摄所得图像都会存在对比度下降、清晰度下降、颜色改变等问题,从而导致图像质量下降,降低了图像的使用价值。在雾等恶劣天气下,户外获得的图像质量会受到较大的影响,图像中的许多特征被遮挡或衰减,户外大多场合的监控系统的性能受到极大限制。此外雾对人们的日常生活、交通出行等也造成严重影响。对于车载导航,由于人的视觉范围以及能见度的局限性,在恶劣天气下容易引发交通事故。将图像去雾技术应用到车载辅助驾驶系统中,通过对雾天图像进行增强以及复原处理,提高场景的能见度以及清晰度,能够帮助驾驶员看清前方场景,及时发现前方障碍物,避免交通事故的发生。从暗原色先验理论和雾天模型出发,利用暗通道法对图像进行去雾处理得到了较好的效果,但存在处理后图像颜色较暗、天空等区域容易出现颜色失真及边沿模糊等缺陷;
暗通道法去雾由何恺明提出(下面将该算法简称为He的算法)。暗原色去雾模型是利用暗原色先验理论,建立雾天大气模型,求出透射率图后带入计算出无雾图像。在暗原色去雾后的图像,整体亮度偏暗,而且在图像中有较多天空区域时,会出现大量的颜色失真,对图像整体质量和视觉效果影响较大。
发明内容
本发明的目的是为了解决现有技术对图像进行去雾处理存在处理后图像颜色较暗、天空等区域容易出现颜色失真及边沿模糊等的问题,而提出一种结合边缘检测的暗通道图像去雾方法。
一种结合边缘检测的暗通道图像去雾方法具体过程为:
步骤一、读取图像数据,得到源图像;
步骤二、根据步骤一得到的源图像计算图像暗通道;
步骤三、根据步骤一得到的源图像计算大气光值;
步骤四、根据暗通道图像和大气光值计算图像透射率;具体过程为:
其中,t为图像透射率,A表示大气光值,imagedark表示暗通道图像,ω为图像去雾程度系数,取值为0.95;
当t小于0.1时,t的值赋为0.1;
步骤五、利用导向滤波细化图像透射率,得到细化后的图像透射率;
步骤六、根据源图像、细化后的图像透射率和大气光值计算无雾图像desimage;
步骤七、对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;
步骤八、将步骤一中得到的源图像转换成灰度图像;
步骤九、对灰度图像进行高斯低通滤波,得到进行高斯低通滤波后的灰度图像;
步骤十、判断进行高斯低通滤波后的灰度图像所有行的前20分之一行是否亮度平稳;如果亮度平稳执行步骤十一;如果不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像;
步骤十一、判断步骤一中得到的源图像所有行的前40分之一行RGB三个通道的值是否平稳;如果RGB三个通道的值平稳,则存在天空区域,执行步骤十二;如果RGB三个通道的值不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像;
步骤十二、对步骤八得到的灰度图像进行边沿提取,得到全方向的边沿图像;
步骤十三、对全方向的边沿图像进行二值化;过程为:
步骤十三一、利用阈值10对全方向的边沿图像二值化,得到大阈值二值化图像;
步骤十三二、利用阈值4对全方向的边沿图像二值化,得到小阈值二值化图像;
步骤十四、对二值化图像进行形态学滤波;过程为:
步骤十四一、对大阈值二值化图像进行半径为3的形态学闭操作滤波,得到滤波后边沿不完整的图像;
步骤十四二、对小阈值二值化图像先进行半径为3的形态学开操作,再进行半径为3的形态学闭操作滤波,得到滤波后边沿参考图像;
步骤十五、去除步骤十四一得到的滤波后边沿不完整的图像的噪声,得到去噪后的图像;过程为:
对步骤十四一得到的滤波后边沿不完整的图像从左到右依次扫描,若发现像素值为1的区域的外接矩形小于10×10个像素,则认为是噪声,将该区域的数据全部赋为零;
步骤十六、对去噪后的图像进行边沿补全,并将上边沿以上的区域的值赋为1,其它区域的值赋为0,得到未细化的天空区域图像;
对未细化的天空区域图像从左到右依次扫描图像,若扫描到不完整的边沿,利用步骤十四二得到的滤波后边沿参考图像进行补全;补全后上边沿以上的部分为提取的天空区域;
步骤十七、对提取的天空区域进行细化,得到细化的天空区域图像;
步骤十八、根据细化的天空区域图像中标记的天空区域的位置,对步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值进行提高,得到最终的处理结果图像;具体过程为:
将步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值赋为一个固定值,取值在0-255。
本发明的有益效果为:
本发明通过天空区域提取算法对天空区域单独处理和亮度增强算法对整幅图像处理,使处理后图像质量提高,整体视觉效果变得更好,同时由于进行了边沿提取,增强了对低能见度物体的检测,使边界十分清晰,使用梯度计算法边界清晰度提高百分之八十左右,避免得到图像边沿模糊等的问题。现有技术存在处理后图像颜色较暗、天空等区域容易出现颜色失真,本发明通过将源图像从RGB颜色空间转换到HSV颜色空间;利用公式对无雾图像进行亮度提高,得到提高亮度后的无雾图像;如果亮度提高的过多会影响图像的视觉效果,利用此算法进行亮度提高得到的处理结果效果较好,避免得到图像颜色较暗、天空等区域颜色失真等的问题。
图4、图7、图10、图13为四幅不同环境下的有雾图像,图5、图8、图11、图14为与前四幅图相对应的使用He的算法处理后的图像,图6、图9、图12、图15为与图4、图7、图10、图13四幅图相对应的使用本文算法处理后的图像。从这12个图的对比可以看出,对于图像的非天空区域的而言,He的算法和本文的算法的去雾效果都很好,但图5和图6的对比可以看出,图6比图5更亮,即本文算法处理后图像的视觉效果更好,从图8和图9、图11和图12、图14和图15的对比可以看出,对于有天空区域的图像而言,He的算法处理后的天空区域颜色失真十分严重而且会出现边界模糊的现象,而本发明使用的算法很好的解决了这两个问题。
附图说明
图1为本发明去雾方法流程图;
图2为本发明天空区域判断算法流程图;
图3为本发明天空区域提取算法流程图;
图4为有雾图像一图;
图5为He算法处理有雾图像一图的结果图;
图6为本发明方法的处理有雾图像一图的结果图;
图7为有雾图像二图;
图8为He算法处理有雾图像二图的结果图;
图9为本发明方法的处理有雾图像二图的结果图;
图10为有雾图像三图;
图11为He算法处理有雾图像三图的结果图;
图12为本发明方法的处理有雾图像三图的结果图;
图13为有雾图像四图;
图14为He算法处理有雾图像四图的结果图;
图15为本发明方法的处理有雾图像四图的结果图;
图16为算子-1,-1,0,1,1示意图。
具体实施方式
具体实施方式一:结合图1、2、3说明本实施方式,本实施方式一种结合边缘检测的暗通道图像去雾方法具体过程为:
步骤一、读取图像数据,得到源图像;
步骤二、根据步骤一得到的源图像计算图像暗通道;
步骤三、根据步骤一得到的源图像计算大气光值;
步骤四、根据暗通道图像和大气光值计算图像透射率;具体过程为:
利用下面的公式计算图像透射率;当计算的结果t小于0.1时,t的值赋为0.1;
其中,t为图像透射率,A表示大气光值,imagedark表示暗通道图像,ω为图像去雾程度系数,取值为0.95,是为了保证不把所有的雾全部去除,留下少量的雾可以保证图片视觉上更好;
步骤五、利用导向(引导)滤波细化图像透射率,得到细化后的图像透射率;
步骤六、根据源图像、细化后的图像透射率和大气光值计算无雾图像desimage;
步骤七、对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;
步骤八、将步骤一中得到的源图像转换成灰度图像;
步骤九、对灰度图像进行高斯低通滤波,得到进行高斯低通滤波后的灰度图像;
步骤十、判断进行高斯低通滤波后的灰度图像所有行的前20分之一行是否亮度平稳;如果亮度平稳执行步骤十一;如果不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像(本发明结果);
步骤十一、判断步骤一中得到的源图像所有行的前40分之一行RGB三个通道的值是否平稳;如果RGB三个通道的值平稳,则存在天空区域,执行步骤十二至步骤十八;如果RGB三个通道的值不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像(本发明结果);
判断步骤一中得到的源图像上部是否存在浓雾(浓雾指雾已经完全将物体覆盖)区域(下面统称为天空区域),若存在浓雾区域,执行步骤十二至步骤十八;
步骤十二、对步骤八得到的灰度图像进行边沿提取,得到全方向的边沿图像;
步骤十三、对全方向的边沿图像进行二值化;过程为:
步骤十三一、利用阈值10对全方向的边沿图像二值化,得到大阈值二值化图像;
步骤十三二、利用阈值4对全方向的边沿图像二值化,得到小阈值二值化图像;
步骤十四、对二值化图像进行形态学滤波;过程为:
步骤十四一、对大阈值二值化图像进行半径为3的形态学闭操作滤波,得到滤波后边沿不完整的图像;
步骤十四二、对小阈值二值化图像先进行半径为3的形态学开操作,再进行半径为3的形态学闭操作滤波,得到滤波后边沿参考图像;
步骤十五、去除步骤十四一得到的滤波后边沿不完整的图像的噪声,得到去噪后的图像;过程为:
对步骤十四一得到的滤波后边沿不完整的图像从左到右依次扫描,若发现像素值为1的区域的外接矩形小于10×10个像素,则认为是噪声,将该区域的数据全部赋为零;
步骤十六、对去噪后的图像进行边沿补全,并将上边沿(天空区域与图像其它部分的分割位置称为上边沿)以上的区域的值赋为1,其它区域的值赋为0,得到未细化的天空区域图像;
对未细化的天空区域图像从左到右依次扫描图像,若扫描到不完整的边沿(也就是边沿有断开的位置)利用步骤十四二得到的滤波后边沿参考图像进行补全;补全后上边沿(天空区域与图像其它部分的分割位置)以上的部分为提取的天空区域;
步骤十七、对提取的天空区域进行细化,得到细化的天空区域图像;
步骤十八、根据细化的天空区域图像中标记的天空区域的位置,对步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值进行提高,得到最终的处理结果图像;具体过程为:
将步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值赋为一个固定值,取值在0-255。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤二中根据步骤一得到的源图像计算图像暗通道;具体过程为:
以步骤一得到的源图像中任一个像素点为中心,取边长为19像素的正方形内所有像素点RGB三个通道中的最小值(所有像素点RGB三个通道中取一个最小值)为暗通道图像中该像素点的值;
暗通道图像中每个像素点与步骤一得到的源图像中每个像素点一一对应。
(暗通道图像中(1,1)像素点的值对应步骤一得到的源图像中(1,1)像素点的值)。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述步骤三中根据步骤一得到的源图像计算大气光值;具体过程为:
将步骤一得到的源图像每列所有像素点RGB三个通道中的最大值相加(所有像素点取其中R的最大值与G的最大值与B的最大值相加),之后取平均值,即为大气光值;
这样做在防止了大面积白色区域对大气光值的影响,一定程度上提高了大气光值计算结果的稳定性。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:所述步骤六中根据源图像、细化后的图像透射率和大气光值计算无雾图像;具体过程为:
利用下面的公式计算无雾图像;
其中desimage表示处理后的无雾图像,resimage表示步骤一中得到的源图像,A表示大气光值,t′表示细化后的图像透射率。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是:所述步骤七中对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;具体过程为:
步骤七一、将步骤一中得到的源图像从RGB颜色空间转换到HSV颜色空间;
步骤七二、利用下面的公式对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;
其中,lidesimage_r表示提高亮度后的无雾图像R通道的值,lidesimage_g表示提高亮度后的无雾图像G通道的值,lidesimage_b表示提高亮度后的无雾图像B通道的值,desimage_arg表示源图像HSV颜色空间中V通道数据的值,desimage_r表示无雾图像的R通道的值,desimage_g表示无雾图像的G通道的值,desimage_b表示无雾图像的B通道的值;
由于按照(1)到(7)步骤处理后的图像的颜色会整体偏暗,因此需要将图像的亮度提高,如果亮度提高的过多会影响图像的视觉效果,利用此算法进行亮度提高得到的处理结果效果较好。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六:本实施方式与具体实施方式一至五之一不同的是:所述步骤十中判断进行高斯低通滤波后的灰度图像所有行的前20分之一行是否亮度平稳;具体过程为:
计算进行高斯低通滤波后的灰度图像所有行的前20分之一行每行亮度数据的平均值,如果得到的所有平均值中的最大值与最小值的差小于等于5,认为亮度平稳,否则认为亮度不平稳。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七:本实施方式与具体实施方式一至六之一不同的是:所述步骤十一中判断步骤一中得到的源图像所有行的前40分之一行RGB三个通道的值是否平稳;具体过程为:
如果源图像所有行的前40分之一行RGB三个通道的所有数据最大值与最小值的差小于等于50,认为RGB三个通道的值平稳,否则认为RGB三个通道的值不平稳。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八:本实施方式与具体实施方式一至七之一不同的是:所述步骤十二中对步骤八得到的灰度图像进行边沿提取,得到全方向的边沿图像;具体过程为:
步骤十二一、使用算子-1,-1,0,1,1对步骤八得到的灰度图像的每行进行处理,得到水平方向的边沿图像;如图16;
步骤十二二、使用算子-1,-1,0,1,1对灰度图像的每列进行处理,得到垂直方向的边沿图像;
步骤十二三、将得到的水平方向和垂直方向的边沿图像的每个像素点的数据取平方相加后再开方,得到全方向的边沿图像。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九:本实施方式与具体实施方式一至八之一不同的是:所述步骤十七中对提取的天空区域进行细化,得到细化的天空区域图像;具体过程为:
步骤十七一、取步骤八得到的灰度图像前20分之一行所有像素点的灰度值的均值light_threshold;
步骤十七二、根据均值light_threshold计算步骤八得到的灰度图像的上边界和下边界亮度阈值;
利用下面的公式计算亮度阈值;
其中,light_up_threshold表示步骤八得到的灰度图像的上边界亮度阈值,light_down_threshold表示步骤八得到的灰度图像的下边界亮度阈值;
步骤十七三、逐点扫描步骤八得到的灰度图像的所有像素点,若像素点的灰度值在light_up_threshold和light_down_threshold之间直接值赋为1,否则赋为0,得到细化参考图像;
步骤十七四、将细化参考图像和未细化的天空区域图像进行与操作,得到细化的天空区域图像。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十:本实施方式与具体实施方式一至九之一不同的是:所述步骤十八中将步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值赋为一个固定值,取值为245。
其它步骤及参数与具体实施方式一至九之一相同。
采用以下实施例验证本发明的有益效果:
实施例一:
本实施例一种结合边缘检测的暗通道图像去雾方法具体是按照以下步骤制备的:
图4、图7、图10、图13为四幅不同环境下的有雾图像,图5、图8、图11、图14为与前四幅图相对应的使用He的算法处理后的图像,图6、图9、图12、图15为与图4、图7、图10、图13四幅图相对应的使用本文算法处理后的图像。从这12个图的对比可以看出,对于图像的非天空区域的而言,He的算法和本文的算法的去雾效果都很好,但图5和图6的对比可以看出,图6比图5更亮,即本文算法处理后图像的视觉效果更好,从图8和图9、图11和图12、图14和图15的对比可以看出,对于有天空区域的图像而言,He的算法处理后的天空区域颜色失真十分严重而且会出现边界模糊的现象,而本文使用的算法很好的解决了这两个问题。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述方法具体过程为:
步骤一、读取图像数据,得到源图像;
步骤二、根据步骤一得到的源图像计算图像暗通道;
步骤三、根据步骤一得到的源图像计算大气光值;
步骤四、根据暗通道图像和大气光值计算图像透射率;具体过程为:
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&omega;</mi>
<mo>&times;</mo>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>d</mi>
<mi>a</mi>
<mi>r</mi>
<mi>k</mi>
</mrow>
<mi>A</mi>
</mfrac>
</mrow>
其中,t为图像透射率,A表示大气光值,imagedark表示暗通道图像,ω为图像去雾程度系数,取值为0.95;
当t小于0.1时,t的值赋为0.1;
步骤五、利用导向滤波细化图像透射率,得到细化后的图像透射率;
步骤六、根据源图像、细化后的图像透射率和大气光值计算无雾图像desimage;
步骤七、对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;
步骤八、将步骤一中得到的源图像转换成灰度图像;
步骤九、对灰度图像进行高斯低通滤波,得到进行高斯低通滤波后的灰度图像;
步骤十、判断进行高斯低通滤波后的灰度图像所有行的前20分之一行是否亮度平稳;如果亮度平稳执行步骤十一;如果不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像;
步骤十一、判断步骤一中得到的源图像所有行的前40分之一行RGB三个通道的值是否平稳;如果RGB三个通道的值平稳,则存在天空区域,执行步骤十二;如果RGB三个通道的值不平稳,则不存在天空区域,步骤七得到的提高亮度后的无雾图像即为最终的处理结果图像;
步骤十二、对步骤八得到的灰度图像进行边沿提取,得到全方向的边沿图像;
步骤十三、对全方向的边沿图像进行二值化;过程为:
步骤十三一、利用阈值10对全方向的边沿图像二值化,得到大阈值二值化图像;
步骤十三二、利用阈值4对全方向的边沿图像二值化,得到小阈值二值化图像;
步骤十四、对二值化图像进行形态学滤波;过程为:
步骤十四一、对大阈值二值化图像进行半径为3的形态学闭操作滤波,得到滤波后边沿不完整的图像;
步骤十四二、对小阈值二值化图像先进行半径为3的形态学开操作,再进行半径为3的形态学闭操作滤波,得到滤波后边沿参考图像;
步骤十五、去除步骤十四一得到的滤波后边沿不完整的图像的噪声,得到去噪后的图像;过程为:
对步骤十四一得到的滤波后边沿不完整的图像从左到右依次扫描,若发现像素值为1的区域的外接矩形小于10×10个像素,则认为是噪声,将该区域的数据全部赋为零;
步骤十六、对去噪后的图像进行边沿补全,并将上边沿以上的区域的值赋为1,其它区域的值赋为0,得到未细化的天空区域图像;
对未细化的天空区域图像从左到右依次扫描图像,若扫描到不完整的边沿,利用步骤十四二得到的滤波后边沿参考图像进行补全;补全后上边沿以上的部分为提取的天空区域;
步骤十七、对提取的天空区域进行细化,得到细化的天空区域图像;
步骤十八、根据细化的天空区域图像中标记的天空区域的位置,对步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值进行提高,得到最终的处理结果图像;具体过程为:
将步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值赋为一个固定值,取值在0-255。
2.根据权利要求1所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤二中根据步骤一得到的源图像计算图像暗通道;具体过程为:
以步骤一得到的源图像中任一个像素点为中心,取边长为19像素的正方形内所有像素点RGB三个通道中的最小值为暗通道图像中该像素点的值;
暗通道图像中每个像素点与步骤一得到的源图像中每个像素点一一对应。
3.根据权利要求2所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤三中根据步骤一得到的源图像计算大气光值;具体过程为:
将步骤一得到的源图像每列所有像素点RGB三个通道中的最大值相加,之后取平均值,即为大气光值。
4.根据权利要求3所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤六中根据源图像、细化后的图像透射率和大气光值计算无雾图像;具体过程为:
利用下面的公式计算无雾图像;
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>-</mo>
<mi>A</mi>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>t</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mn>0.1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mi>A</mi>
</mrow>
其中desimage表示处理后的无雾图像,resimage表示步骤一中得到的源图像,A表示大气光值,t′表示细化后的图像透射率。
5.根据权利要求4所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤七中对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;具体过程为:
步骤七一、将步骤一中得到的源图像从RGB颜色空间转换到HSV颜色空间;
步骤七二、利用下面的公式对无雾图像desimage进行亮度提高,得到提高亮度后的无雾图像;
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>r</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mn>5</mn>
<mn>3</mn>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>arg</mi>
<mo>&times;</mo>
<mn>2</mn>
</mrow>
<mn>765</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>r</mi>
</mrow>
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>g</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mn>5</mn>
<mn>3</mn>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>arg</mi>
<mo>&times;</mo>
<mn>2</mn>
</mrow>
<mn>765</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>g</mi>
</mrow>
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>b</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mn>5</mn>
<mn>3</mn>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>arg</mi>
<mo>&times;</mo>
<mn>2</mn>
</mrow>
<mn>765</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
<mi>i</mi>
<mi>m</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>_</mo>
<mi>b</mi>
</mrow>
其中,lidesimage_r表示提高亮度后的无雾图像R通道的值,lidesimage_g表示提高亮度后的无雾图像G通道的值,lidesimage_b表示提高亮度后的无雾图像B通道的值,desimage_arg表示源图像HSV颜色空间中V通道数据的值,desimage_r表示无雾图像的R通道的值,desimage_g表示无雾图像的G通道的值,desimage_b表示无雾图像的B通道的值。
6.根据权利要求5所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤十中判断进行高斯低通滤波后的灰度图像所有行的前20分之一行是否亮度平稳;具体过程为:
计算进行高斯低通滤波后的灰度图像所有行的前20分之一行每行亮度数据的平均值,如果得到的所有平均值中的最大值与最小值的差小于等于5,认为亮度平稳,否则认为亮度不平稳。
7.根据权利要求6所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤十一中判断步骤一中得到的源图像所有行的前40分之一行RGB三个通道的值是否平稳;具体过程为:
如果源图像所有行的前40分之一行RGB三个通道的所有数据最大值与最小值的差小于等于50,认为RGB三个通道的值平稳,否则认为RGB三个通道的值不平稳。
8.根据权利要求7所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤十二中对步骤八得到的灰度图像进行边沿提取,得到全方向的边沿图像;具体过程为:
步骤十二一、使用算子-1,-1,0,1,1对步骤八得到的灰度图像的每行进行处理,得到水平方向的边沿图像;
步骤十二二、使用算子-1,-1,0,1,1对灰度图像的每列进行处理,得到垂直方向的边沿图像;
步骤十二三、将得到的水平方向和垂直方向的边沿图像的每个像素点的数据取平方相加后再开方,得到全方向的边沿图像。
9.根据权利要求8所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤十七中对提取的天空区域进行细化,得到细化的天空区域图像;具体过程为:
步骤十七一、取步骤八得到的灰度图像前20分之一行所有像素点的灰度值的均值light_threshold;
步骤十七二、根据均值light_threshold计算步骤八得到的灰度图像的上边界和下边界亮度阈值;
利用下面的公式计算亮度阈值;
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>u</mi>
<mi>p</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>=</mo>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>-</mo>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mn>50</mn>
<mo>)</mo>
</mrow>
</mrow>
<mn>6</mn>
</mfrac>
</mrow>
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>=</mo>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>+</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>-</mo>
<mi>l</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mn>50</mn>
<mo>)</mo>
</mrow>
</mrow>
<mn>3</mn>
</mfrac>
</mrow>
其中,light_up_threshold表示步骤八得到的灰度图像的上边界亮度阈值,light_down_threshold表示步骤八得到的灰度图像的下边界亮度阈值;
步骤十七三、逐点扫描步骤八得到的灰度图像的所有像素点,若像素点的灰度值在light_up_threshold和light_down_threshold之间直接值赋为1,否则赋为0,得到细化参考图像;
步骤十七四、将细化参考图像和未细化的天空区域图像进行与操作,得到细化的天空区域图像。
10.根据权利要求9所述一种结合边缘检测的暗通道图像去雾方法,其特征在于:所述步骤十八中将步骤七中得到的提高亮度后无雾图像与细化的天空区域图像中天空区域所对应位置的像素值赋为一个固定值,取值为245。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710677115.8A CN107437241B (zh) | 2017-08-09 | 2017-08-09 | 一种结合边缘检测的暗通道图像去雾方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710677115.8A CN107437241B (zh) | 2017-08-09 | 2017-08-09 | 一种结合边缘检测的暗通道图像去雾方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107437241A true CN107437241A (zh) | 2017-12-05 |
CN107437241B CN107437241B (zh) | 2020-09-22 |
Family
ID=60461281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710677115.8A Expired - Fee Related CN107437241B (zh) | 2017-08-09 | 2017-08-09 | 一种结合边缘检测的暗通道图像去雾方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107437241B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460735A (zh) * | 2018-02-06 | 2018-08-28 | 中国科学院光电技术研究所 | 基于单幅图像的改进暗通道去雾方法 |
CN109584173A (zh) * | 2018-11-14 | 2019-04-05 | 铜陵有色金属集团铜冠物流有限公司 | 基于高斯过程回归的有雾图像透射率估计方法及其应用 |
CN111985492A (zh) * | 2019-05-24 | 2020-11-24 | 浙江能脉新能源科技有限公司 | 一种云识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279739A (zh) * | 2015-09-08 | 2016-01-27 | 哈尔滨工程大学 | 一种自适应含雾数字图像去雾方法 |
-
2017
- 2017-08-09 CN CN201710677115.8A patent/CN107437241B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279739A (zh) * | 2015-09-08 | 2016-01-27 | 哈尔滨工程大学 | 一种自适应含雾数字图像去雾方法 |
Non-Patent Citations (4)
Title |
---|
ZHENWEI SHI ET AL.: "Single image dehazing in inhomogeneous atmosphere", 《OPTIK》 * |
李加元等: "结合天空识别和暗通道原理的图像去雾", 《中国图象图形学报》 * |
肖进胜等: "基于天空约束暗通道先验的图像去雾", 《电子学报》 * |
黄宝贵等: "基于Canny改进的边缘检测算法", 《计算机与现代化》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460735A (zh) * | 2018-02-06 | 2018-08-28 | 中国科学院光电技术研究所 | 基于单幅图像的改进暗通道去雾方法 |
CN109584173A (zh) * | 2018-11-14 | 2019-04-05 | 铜陵有色金属集团铜冠物流有限公司 | 基于高斯过程回归的有雾图像透射率估计方法及其应用 |
CN111985492A (zh) * | 2019-05-24 | 2020-11-24 | 浙江能脉新能源科技有限公司 | 一种云识别方法 |
CN111985492B (zh) * | 2019-05-24 | 2024-03-26 | 浙江能脉新能源科技有限公司 | 一种云识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107437241B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN105574830B (zh) | 极端天气条件下低质图像增强方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
Xu et al. | Fast image dehazing using improved dark channel prior | |
CN104794697B (zh) | 一种基于暗原色先验的图像去雾方法 | |
CN104253930B (zh) | 一种实时视频去雾方法 | |
CN104036466B (zh) | 一种视频去雾方法与系统 | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN106846263A (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
CN105023256B (zh) | 一种图像去雾方法及系统 | |
CN109785291A (zh) | 一种车道线自适应检测方法 | |
CN104616258B (zh) | 一种针对道路图像的快速去雾方法 | |
CN107360344B (zh) | 监控视频快速去雾方法 | |
CN109255759A (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN111161167B (zh) | 基于中通道补偿和自适应大气光估计的单幅图像去雾方法 | |
CN107437241A (zh) | 一种结合边缘检测的暗通道图像去雾方法 | |
CN105957023B (zh) | 一种基于色度空间变换的激光线条纹图像增强和去噪方法 | |
CN106548461A (zh) | 图像去雾方法 | |
CN107895357A (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
CN103034983A (zh) | 一种基于各向异性滤波的去雾方法 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN110136079A (zh) | 基于场景深度分割的图像去雾方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200922 Termination date: 20210809 |
|
CF01 | Termination of patent right due to non-payment of annual fee |