CN108269242B - 图像增强方法 - Google Patents
图像增强方法 Download PDFInfo
- Publication number
- CN108269242B CN108269242B CN201810046321.3A CN201810046321A CN108269242B CN 108269242 B CN108269242 B CN 108269242B CN 201810046321 A CN201810046321 A CN 201810046321A CN 108269242 B CN108269242 B CN 108269242B
- Authority
- CN
- China
- Prior art keywords
- image
- foggy
- fog
- fused
- calculating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000002834 transmittance Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 abstract description 4
- 150000001875 compounds Chemical class 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像增强方法,其包括步骤:利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像;利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像;将所述第一融合图像和所述第二融合图像以透射率图像为权重进行融合,以得到无雾图像。本发明提供的图像增强方法能够对海上的有雾图像进行去雾,从而提高海上图像的清晰度与对比度,优化海上图像的视觉体验。
Description
技术领域
本发明属于图像处理技术领域,具体地讲,涉及一种图像增强方法。
背景技术
雾是陆地和海洋常见的一种天气现象,雾的存在会导致拍摄的图像对比度和饱和度降低,产生色调偏移。海上水汽大,因而拍摄得到的海上图像通常会受到雾的影响。现有的去雾算法大都是应用于陆地的有雾图像,而很少是针对海上的有雾图像。相对于陆地有雾图像而言,海上图像当中天空区域和海面区域往往占据很大的比重,目标和细节信息较少,这一特点增加了海雾图像的清晰化难度。
因此,有必要提供一种对海上的有雾图像进行去雾的图像增强方法。
发明内容
为了实现上述目的,本发明提供了一种图像增强方法,包括步骤:利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像;利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像;将所述第一幅融合图像和所述第二幅融合图像以透射率图像为权重进行融合,以得到无雾图像。
进一步地,步骤“利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像”的具体方法包括:利用暗原色先验算法计算出所述有雾图像的大气光值;利用非局部先验算法计算出有雾图像的透射率;利用有雾图像、有雾图像的大气光值和有雾图像的透射率的关系得到第一幅融合图像。
进一步地,步骤“利用暗原色先验算法计算出所述有雾图像的大气光值”的具体方法包括:计算出有雾图像的暗通道图像;计算出暗通道图像中像素值前0.1%的像素点的位置;计算出有雾图像中对应所述位置的像素值的平均值,以作为所述大气光值。
进一步地,步骤“利用非局部先验算法计算出有雾图像的透射率”的具体方法包括:利用有雾图像减去有雾图像的大气光值,以得到差值有雾图像;将所述差值有雾图像由直角坐标系转换到球坐标系;根据经度和纬度对所述差值有雾图像中的像素点进行聚类,以形成雾线;确定所述雾线与球坐标系的原点的最远距离;根据所述最远距离获取所述雾线上的所有像素点的透射率。
进一步地,步骤“利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像”的具体方法包括:将有雾图像的RGB三通道的不大于低像素值的像素值和不小于高像素值的像素值分别映射为0和255;将有雾图像的RGB三通道的大于低像素值且小于高像素值的像素值线性映射或者伽马校正至[0, 255]区间,以得到第二幅融合图像。
进一步地,步骤“将所述第一幅融合图像和所述第二幅融合图像以透射率图像为权重进行融合,以得到无雾图像”的具体方法包括:利用下面的式子得到无雾图像,
本发明还提供了一种计算机可读存储介质,存储有当被处理器执行时使得处理器执行如上述的图像增强方法的程序指令。
本发明又提供了一种计算装置,包括:处理器;存储器,用于存储当被处理器执行使得处理器执行如上述的图像增强方法的程序指令。
本发明的有益效果:本发明提供的图像增强方法能够对海上的有雾图像进行去雾,从而提高海上图像的清晰度与对比度,优化海上图像的视觉体验。
附图说明
通过结合附图进行的以下描述,本发明的实施例的上述和其它方面、特点和优点将变得更加清楚,附图中:
图1是根据本发明的实施例的图像增强方法的流程图。
具体实施方式
以下,将参照附图来详细描述本发明的实施例。然而,可以以许多不同的形式来实施本发明,并且本发明不应该被解释为限制于这里阐述的具体实施例。相反,提供这些实施例是为了解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。
图1是根据本发明的实施例的图像增强方法的流程图。
参照图1,根据本发明的实施例的图像增强方法包括步骤S100至步骤S300。
在步骤S100中,利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像。
具体地,首先,建立大气散射模型:
在计算机视觉领域中,常用大气散射模型来描述雾天场景的成像过程,模型的表达式为:
接着,利用暗原色先验算法计算出所述有雾图像的大气光值A:
有雾图像的大气光值对应的是雾浓度最大区域的像素值,根据暗原色先验原理,
有雾图像的暗通道图像的像素值的大小与雾的浓度成正比。因此算法首先求取有雾图像的
暗通道图像,然后计算暗通道图像当中像素值前0.1%的像素点的位置,最后求取有雾图像
中对应位置的像素值的平均值作为图像的大气光值。其中,有雾图像的暗通道图像的计
算表达式为:
接着,利用非局部先验算法计算出有雾图像的透射率:
无雾图像当中的像素点按照像素值的大小进行聚类,可以得到不同的颜色簇。将
同一个颜色簇当中的像素点的像素值全部用颜色簇中心的像素值代替,经过替代后的图像
与原始图像之间的差别很小。由于位于同一个颜色簇当中的像素点的场景深度通常是不同
的,当图像受到雾的影响时,依据式(2),不同的场景深度对应不同的透射率,因此,同一个
颜色簇当中的像素点有相同的和,不同的。依据式(1),当图像受到雾的影响时,
无雾时的颜色簇变成了RGB颜色空间当中通过大气光值的线段称之为雾线。
将差值有雾图像由直角坐标系转换到球坐标系中,对应的球坐标形式为:
式(5)中,
依据变换后像素点的值,采用KD树的方法对图像当中的像素点进行聚
类,根据非局部先验,位于同一类当中的像素点大致呈线状分布,因此聚类后会得到多条雾
线。假设图像整体的大气光值是一致的,则每条雾线都会经过球坐标系的原点,依据非局部
先验原理,位于同一条雾线上的像素点在无雾图像中的对应点的像素值是相同的。根
据半径的计算式(6),可知位于同一条雾线上的像素点的半径的大小与透射率的大小成正
比。假设雾线上最大半径对应的像素点为清晰无雾的点,即半径最大的像素点的透射率为
1,其中,最大半径的定义式如下:
最后,将计算出的有雾图像的大气光值和有雾图像的透射率带入到式子(1)中,以得到第一幅融合图像。
在步骤S200中,利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像。
具体地,根据融合去雾的原则,第二幅融合图像要求能够复原图像的颜色信息。自动色阶算法能够改善图像质量,复原图像色彩,因此,这里采用经过自动色阶算法处理后的图像作为第二幅融合图像。自动色阶算法首先将图像的RGB三通道的预定比例的不大于低像素值的像素值和不小于高像素值的像素值分别映射为0和255,然后将大于低像素值且小于高像素值的像素值进行线性映射或者伽马校正至[0, 255]区间。实验中预定比例设置为5%,即不大于低像素值的像素点总和为总像素点的5%, 不小于高像素值的像素点总和为总像素点的5%,其余的像素值采用线性映射的方式进行处理。
在步骤S300中,将所述第一幅融合图像和所述第二幅融合图像以透射率图像为权重进行融合,以得到无雾图像。
具体地,海上图像通常包括较大面积的天空区域,现有的去雾算法对天空区域的处理效果普遍不佳,容易造成方块效应以及色彩失真。针对这一问题的改进算法大都是对图像的天空区域的透射率进行修正,或者对图像的天空区域与非天空区域采用不同的算法进行处理,处理后的图像会存在去雾不完全或者天空区域与非天空区域过渡不自然的问题。本发明在求取第一幅融合图像时,采用的是非局部先验对图像进行去雾处理,此算法对天空区域的处理效果较好。为了改善最终复原图像的视觉效果,采用像素级融合方法得到最终的无雾图像。
采用非局部先验去雾算法对有雾图像进行处理后,图像的能见度得到了很大提高。有雾图像经过自动色阶算法处理,很好地复原了图像的色彩。考虑到海雾图像的远景部分主要是天空,为了使复原的图像更加真实自然,通常为图像的远景部分保留一定量的雾。由此可知,图像的远景部分对于色彩的要求较高,图像的近景部分对于能见度要求较高。因此,本发明将透射率图像作为权重图像进行融合去雾,具体的表达式为:
式中,表示采用非局部先验去雾得到的图像当中的点;表示经过自动
色阶处理得到的图像当中的点;表示透射率图像当中的点的透射率;为本算
法恢复的无雾图像当中的点。在本实施例中,透射率不代表一个固定值,一副图像的不同区
域对应不同的透射率,也就是说透射率可以是一个与图像对应的透射率矩阵。
恢复的无雾图像整体亮度较低,因而采取全局线性对比度拉伸的方法来提高图像整体的亮度和对比度。
根据本发明的实施例还提供一种计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述图像增强方法的程序指令。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括:只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。计算机可读记录介质也可分布于连接网络的计算机系统,从而计算机可读代码以分布式存储和执行。此外,完成本发明的功能程序、代码和代码段可容易地被与本发明相关的领域的普通程序员在本发明的范围之内解释。
此外,根据本发明实施例的图像增强方法可以被实现为计算机可读记录介质中的计算机代码。本领域技术人员可以根据对上述方法的描述来实现所述计算机代码。当所述计算机代码在计算机中被执行时实现本发明的上述方法。
根据本发明的实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储程序指令。所述程序指令被处理器执行使得处理器执行如上所述的图像增强方法的程序指令。
综上所述,根据本发明的实施例,提供了一种图像增强方法,其能够对海上的有雾图像进行去雾,从而提高海上图像的清晰度与对比度,优化海上图像的视觉体验。
虽然已经参照特定实施例示出并描述了本发明,但是本领域的技术人员将理解:在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下,可在此进行形式和细节上的各种变化。
Claims (7)
1.一种图像增强方法,其特征在于,包括步骤:
利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像;
利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像;
将所述第一幅融合图像和所述第二幅融合图像以透射率图像为权重进行融合,以得到无雾图像;
步骤“将所述第一幅融合图像和所述第二幅融合图像以透射率图像为权重进行融合,以得到无雾图像”的具体方法包括:
利用下面的式子得到无雾图像,
dehaze(x)=t(x)×inl(x)+(1-t(x))×in2(x)
其中,in1(x)表示采用非局部先验去雾得到的图像当中的点;in2(x)表示经过自动色阶处理得到的图像当中的点;t(x)代表的是透射率图像当中的点;dehaze(x)为无雾图像当中的点。
2.根据权利要求1所述的图像增强方法,其特征在于,步骤“利用非局部先验算法对有雾图像进行计算处理,以得到第一幅融合图像”的具体方法包括:
利用暗原色先验算法计算出所述有雾图像的大气光值;
利用非局部先验算法计算出有雾图像的透射率;
利用有雾图像、有雾图像的大气光值和有雾图像的透射率的关系得到第一幅融合图像。
3.根据权利要求2所述的图像增强方法,其特征在于,步骤“利用暗原色先验算法计算出所述有雾图像的大气光值”的具体方法包括:
计算出有雾图像的暗通道图像;
计算出暗通道图像中像素值前0.1%的像素点的位置;
计算出有雾图像中对应所述位置的像素值的平均值,以作为所述大气光值。
4.根据权利要求2所述的图像增强方法,其特征在于,步骤“利用非局部先验算法计算出有雾图像的透射率”的具体方法包括:
利用有雾图像减去有雾图像的大气光值,以得到差值有雾图像;
将所述差值有雾图像由直角坐标系转换到球坐标系;
根据经度和纬度对所述差值有雾图像中的像素点进行聚类,以形成雾线;
确定所述雾线与球坐标系的原点的最远距离;
根据所述最远距离获取所述雾线上的所有像素点的透射率。
5.根据权利要求1所述的图像增强方法,其特征在于,步骤“利用自动色阶算法对有雾图像进行计算处理,以得到第二幅融合图像”的具体方法包括:
将有雾图像的RGB三通道的不大于低像素值的像素值和不小于高像素值的像素值分别映射为0和255;
将有雾图像的RGB三通道的大于低像素值且小于高像素值的像素值线性映射或者伽马校正至[0, 255]区间,以得到第二幅融合图像。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有当被处理器执行时使得处理器执行如权利要求1至5中任意一项所述的图像增强方法的程序指令。
7.一种计算装置,其特征在于,包括:
处理器;
存储器,用于存储当被处理器执行使得处理器执行如权利要求1至5中任意一项所述的图像增强方法的程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810046321.3A CN108269242B (zh) | 2018-01-17 | 2018-01-17 | 图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810046321.3A CN108269242B (zh) | 2018-01-17 | 2018-01-17 | 图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108269242A CN108269242A (zh) | 2018-07-10 |
CN108269242B true CN108269242B (zh) | 2020-08-28 |
Family
ID=62775869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810046321.3A Active CN108269242B (zh) | 2018-01-17 | 2018-01-17 | 图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108269242B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272475B (zh) * | 2018-08-31 | 2022-02-18 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN109151413A (zh) * | 2018-10-10 | 2019-01-04 | 泉州市敏匠智能科技有限公司 | 一种无人机图像智能处理系统 |
CN111429360A (zh) * | 2020-01-14 | 2020-07-17 | 湖南城市学院 | 一种用于图形图像处理的双显示器装置及其控制方法 |
WO2022226769A1 (zh) * | 2021-04-27 | 2022-11-03 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置及成像装置 |
CN114255193A (zh) * | 2021-12-28 | 2022-03-29 | 湖南云箭智能科技有限公司 | 一种板卡图像增强方法、装置、设备及可读存储介质 |
CN117876971B (zh) * | 2024-03-12 | 2024-05-28 | 武汉同创万智数字科技有限公司 | 基于机器视觉的建筑施工安全监测及预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014081199A1 (ko) * | 2012-11-21 | 2014-05-30 | 중앙대학교 산학협력단 | 알파매트 추정과 영상 합성을 이용한 단일 영상의 안개 제거 장치 및 방법 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及系统 |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
-
2018
- 2018-01-17 CN CN201810046321.3A patent/CN108269242B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014081199A1 (ko) * | 2012-11-21 | 2014-05-30 | 중앙대학교 산학협력단 | 알파매트 추정과 영상 합성을 이용한 단일 영상의 안개 제거 장치 및 방법 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
CN106530246A (zh) * | 2016-10-28 | 2017-03-22 | 大连理工大学 | 基于暗通道与非局部先验的图像去雾方法及系统 |
CN106530257A (zh) * | 2016-11-22 | 2017-03-22 | 重庆邮电大学 | 一种基于暗通道先验模型的遥感图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
Effective Single Image Dehazing by Fusion;Codruta Orniana Ancuti et al;《Proceedings of 2010 IEEE 17th International Conference on Image Processing》;20100929;第3541-3544页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108269242A (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269242B (zh) | 图像增强方法 | |
Berman et al. | Underwater single image color restoration using haze-lines and a new quantitative dataset | |
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
Bianco et al. | A new color correction method for underwater imaging | |
CN106548461B (zh) | 图像去雾方法 | |
CN110827210B (zh) | 一种基于颜色曲线分解的水下图像清晰化方法及系统 | |
CN110827218B (zh) | 基于图像hsv透射率加权校正的机载图像去雾方法 | |
TWI489416B (zh) | 影像還原方法 | |
Park et al. | Underwater image restoration using geodesic color distance and complete image formation model | |
CN109685879B (zh) | 多视影像纹理分布的确定方法、装置、设备和存储介质 | |
CN111833258B (zh) | 一种基于双透射率水下成像模型的图像颜色校正方法 | |
CN113222866B (zh) | 灰度图像增强方法、计算机可读介质及计算机系统 | |
Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
CN112561996A (zh) | 一种自主水下机器人回收对接中目标检测方法 | |
CN108921887B (zh) | 基于水下光线衰减先验性的水下场景深度地图估计方法 | |
Žuži et al. | Impact of dehazing on underwater marker detection for augmented reality | |
Łuczyński et al. | Underwater image haze removal and color correction with an underwater-ready dark channel prior | |
CN109934779B (zh) | 一种基于导向滤波优化的去雾方法 | |
US20220174249A1 (en) | Intensity Separated Local White Balance Correction | |
CN116958393A (zh) | 一种增量式图像渲染方法及装置 | |
CN116402934A (zh) | 一种面向三维重建的自动纹理贴图方法、终端及存储介质 | |
Zhou et al. | Multiscale Fusion Method for the Enhancement of Low‐Light Underwater Images | |
Zou et al. | Self-tuning underwater image fusion method based on dark channel prior | |
KR102439145B1 (ko) | 단일 스케일 영상 융합에 기반한 자동 안개 제거 시스템 및 방법 | |
CN115482280A (zh) | 一种基于自适应直方图均衡化的视觉定位方法 |
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 |