CN108460735A - 基于单幅图像的改进暗通道去雾方法 - Google Patents
基于单幅图像的改进暗通道去雾方法 Download PDFInfo
- Publication number
- CN108460735A CN108460735A CN201810117127.XA CN201810117127A CN108460735A CN 108460735 A CN108460735 A CN 108460735A CN 201810117127 A CN201810117127 A CN 201810117127A CN 108460735 A CN108460735 A CN 108460735A
- Authority
- CN
- China
- Prior art keywords
- image
- dark
- edge
- value
- dark channel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000002834 transmittance Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000010339 dilation Effects 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 239000004615 ingredient Substances 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000009738 saturating Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005530 etching Methods 0.000 abstract description 3
- 238000003708 edge detection Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
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
本发明公开了一种基于单幅图像的改进暗通道去雾方法。该方法是对传统的暗通道去雾算法进行改进，在不影响去雾效果的同时提升去雾算法的实时性。本方法首先利用canny边缘检测算法提取图像内的边缘特性，然后对边缘特性作膨胀处理。然后在求取图像暗通道的时候针对膨胀后的边缘位置部分不作处理，而对其它区域求取暗通道值。获得暗通道图像之后，对暗通道图像进行直方图统计，并以灰度值220为阈值求取灰度值220以上的灰度平均值作为全球大气光值A。然后利用已知的暗通道图像和全球大气光A求取粗透射率图t1，对粗透射率图进行腐蚀操作后得到精透射率图t。最后利用输入图像和全球大气光值A、精透射率图t可以求得去雾后图像。
Description
技术领域
本发明属于图像增强领域，具体涉及一种基于单幅图像的改进暗通道去雾方法。
背景技术
在雾天条件下，光线在传播过程中会收到空气中各种介质的散射，导致可视能力大大降低。这一情况会导致马路交通拥堵、航班行程耽误，甚至于一些军事行动受到大幅度的影响。因此雾天甚至于大雾天气对我们的生活带来了诸多不便。为了改善这种问题的影响，针对去雾算法的研究势在必行。
目前去雾算法主要分为不依赖模型和依赖模型两类。不依赖模型采用的是传统的类似于对比度拉伸、直方图均衡化、伽马矫正等图像增强算法。依赖模型采用的有几种方法，Narasimhan等根据改进的大气散射模型进行去雾恢复；Yoav Y.Schechner通过依赖偏振片来实现自动分离去雾方法；还有一种经典算法就是He在2009年推出的基于暗原色先验的单幅图像去雾算法。
上述这些算法对一定条件下的雾天场景有去雾效果，其中最有效的就是He所提出的基于暗原色先验的单幅图像去雾算法，但是都在实际场景应用中存在实时性不足的缺点。
发明内容
本发明要解决技术问题为：针对上述传统算法实时性不足的特点，本发明基于暗原色先验的单幅图像去雾算法，添加对边缘部分的处理，并且为了消除边缘阴影区的影响，加入形态学膨胀腐蚀操作。目的在于快速提升去雾算法的处理时间。
本发明采用的技术方案为：基于单幅图像的改进暗通道去雾方法，具体包含如下步骤：
步骤1：输入图像为彩色图像I，对彩色图像的R通道分量I(,,1)利用canny算子求取图像内边缘特性，得到二值化边缘特性图像I_edge；
步骤2：针对边缘特性图像I_edge，进行一次形态学膨胀操作，得到膨胀后边缘特性图像I_pz_edge；
步骤3：对非边缘位置求取暗通道图像Jdark(i,j)，并对边缘位置作保留处理，
其中，i,j表示图像的二维坐标；Jdark(i,j)为要求取的暗通道图像；I_pz_edge(i,j)为膨胀后的边缘图像，其为0的时候表示的为非边缘图像部分；IC为原图，mincIC为三通道分量中最小的一个分量值；y∈Ω(x)表示局部窗口内；
步骤4：求取全球大气光值A，对暗通道图像Jdark(i，j)作简易直方图统计，求取灰度值大于220的像素点的平均灰度值，以作为全球大气光值A；
步骤5：求取粗透射率图t1
t1＝1-w*Jdark
其中，t1为粗透射率图；Jdark为暗通道图像；w为引入的保留一定雾气的常数；
步骤6：求取精透射率图t，对粗透射率图t1进行形态学腐蚀操作，获得更为精确的透射率图t；
步骤7：利用输入图、精透射率图和全球大气光参数，求取去雾后图像Jbright，
其中，canny算子所采用的高低阈值比例为5:2。
其中，形态学膨胀所采用的窗口大小为5。
其中，求取图像的暗通道时，对比膨胀后的边缘图像的边缘位置，对应位置作保留原像素值处理，其它位置求取邻域内极小值，邻域窗口大小为15。
其中，在求取全球大气光值的时候，对灰度220以上的像素点作简易直方图统计然后求取均值作为全球大气光值A。
其中，粗透射率图保留一定程度的雾气成分，采用的保留参数w值为0.96。
其中，求取精透射率图时所采用的形态学腐蚀操作，窗口大小为5。
本发明与现有技术相比，其显著优点：(1)首先都原始输入图像作边缘检测，并针对边缘检测区域单薄容易带来阴影区的特点，采用膨胀操作适量扩大边缘区域，提升暗通道图像的准确率(2)在求取全球大气光值时，抛开原先的按像素比例划分区域，直接求取给定像素阈值之上的灰度均值，大幅度缩减计算时间。(3)针对粗透射率图进行一次腐蚀操作，能够有效提升透射率图的准确性，降低去雾效果图中的边缘虚化效应。
附图说明
图1为本发明基于单幅图像的改进暗通道去雾方法工作流程示意图；
图2为输入有雾图像示意图；
图3为边缘提取示意图；
图4为暗通道图像；
图5为粗透射率图；
图6为精透射率图；
图7为去雾后效果图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
结合图1，本发明基于单幅图像的改进暗通道去雾方法，具体步骤如下：
步骤1：如图2和图3所示，对输入图像进行canny算子边缘提取，并对边缘提取后的图像进行一级膨胀操作，膨胀窗口为5*5。求得边缘图像I_pz_edge。
步骤2：如图4所示，求取暗通道图像。具体根据图3得到的边缘区域位置的像素点，对输入图像其它位置的像素点均求取领域内的极小值并替换当前位置像素值，得到全局暗通道图像Jdark(i,j)。
Jdark(i,j)为要求取的暗通道图像，其中i,j为图像二维坐标；I_pz_edge(i,j)为膨胀后的边缘图像，其为0的时候表示的为非边缘图像部分；IC为原图，mincIC为三通道分量中最小的一个分量值；y∈Ω(x)表示局部窗口内。
步骤3：求取大气光值A，针对图4暗通道图像，求取灰度值大于220的像素点的灰度均值作为大气光值A。
步骤4：求取粗透射率图。利用求得的暗通道图像Jdark，并增添雾气保留参数w，取值为0.96，计算得到粗透射率图t1。如图5所示。
t1＝1-w*Jdark
其中，t1为粗透射率图；Jdark为暗通道图像；w为引入的保留一定雾气的常数；
步骤5：求取精透射率图t。针对图5进行一级腐蚀操作，求得精透射率图t。
步骤6：恢复得到去雾后效果图。如图6所示。即输入图、精透射率图和全球大气光参数，求取去雾后图像Jbright。
本发明未详细阐述部分属于本领域公知技术。
Claims (7)
1.基于单幅图像的改进暗通道去雾方法，其特征在于：具体包含如下步骤：
步骤1：输入图像为彩色图像I，对彩色图像的R通道分量I(,,1)利用canny算子求取图像内边缘特性，得到二值化边缘特性图像I_edge；
步骤2：针对边缘特性图像I_edge，进行一次形态学膨胀操作，得到膨胀后边缘特性图像I_pz_edge；
步骤3：对非边缘位置求取暗通道图像Jdark(i,j)，并对边缘位置作保留处理，
Jdark(i,j)为要求取的暗通道图像，其中i,j为图像二维坐标；I_pz_edge(i,j)为膨胀后的边缘图像，其为0的时候表示的为非边缘图像部分；IC为原图，mincIC为三通道分量中最小的一个分量值；y∈Ω(x)表示局部窗口内；
步骤4：求取全球大气光值A，对暗通道图像Jdark(i，j)作简易直方图统计，求取灰度值大于220的像素点的平均灰度值，以作为全球大气光值A；
步骤5：求取粗透射率图t1
t1＝1-w*Jdark
其中，t1为粗透射率图；Jdark为暗通道图像；w为引入的保留一定雾气的常数；
步骤6：求取精透射率图t，对粗透射率图t1进行形态学腐蚀操作，获得更为精确的透射率图t；
步骤7：利用输入图、精透射率图和全球大气光参数，求取去雾后图像Jbright，
2.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：canny算子所采用的高低阈值比例为5:2。
3.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：形态学膨胀所采用的窗口大小为5。
4.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：求取图像的暗通道时，对比膨胀后的边缘图像的边缘位置，对应位置作保留原像素值处理，其它位置求取邻域内极小值，邻域窗口大小为15。
5.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：在求取全球大气光值的时候，对灰度220以上的像素点作简易直方图统计然后求取均值作为全球大气光值A。
6.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：粗透射率图保留一定程度的雾气成分，采用的保留参数w值为0.96。
7.根据权利要求1所述的基于单幅图像的改进暗通道去雾方法，其特征在于：求取精透射率图时所采用的形态学腐蚀操作，窗口大小为5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810117127.XA CN108460735A (zh) | 2018-02-06 | 2018-02-06 | 基于单幅图像的改进暗通道去雾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810117127.XA CN108460735A (zh) | 2018-02-06 | 2018-02-06 | 基于单幅图像的改进暗通道去雾方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108460735A true CN108460735A (zh) | 2018-08-28 |
Family
ID=63239760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810117127.XA Pending CN108460735A (zh) | 2018-02-06 | 2018-02-06 | 基于单幅图像的改进暗通道去雾方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460735A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211052A (zh) * | 2019-03-29 | 2019-09-06 | 北京工业大学 | 一种基于特征学习的单幅图像去雾方法 |
| CN111784601A (zh) * | 2020-06-27 | 2020-10-16 | 浙江同善人工智能技术有限公司 | 一种图像去雾方法 |
| CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
| CN118115391A (zh) * | 2024-04-29 | 2024-05-31 | 湖南中飞时代智能科技有限公司 | 一种弥雾机作业智能调控方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751421A (zh) * | 2015-03-10 | 2015-07-01 | 西安理工大学 | 一种在fpga上实现的图像去雾方法 |
| CN105976338A (zh) * | 2016-05-12 | 2016-09-28 | 山东大学 | 一种基于天空识别与分割的暗通道先验去雾方法 |
| 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 |
| CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
| CN107067375A (zh) * | 2016-12-23 | 2017-08-18 | 四川大学 | 一种基于暗通道先验和边缘信息的图像去雾方法 |
| CN107437241A (zh) * | 2017-08-09 | 2017-12-05 | 哈尔滨工业大学 | 一种结合边缘检测的暗通道图像去雾方法 |
-
2018
- 2018-02-06 CN CN201810117127.XA patent/CN108460735A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751421A (zh) * | 2015-03-10 | 2015-07-01 | 西安理工大学 | 一种在fpga上实现的图像去雾方法 |
| CN105976338A (zh) * | 2016-05-12 | 2016-09-28 | 山东大学 | 一种基于天空识别与分割的暗通道先验去雾方法 |
| 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 |
| CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
| CN107067375A (zh) * | 2016-12-23 | 2017-08-18 | 四川大学 | 一种基于暗通道先验和边缘信息的图像去雾方法 |
| CN107437241A (zh) * | 2017-08-09 | 2017-12-05 | 哈尔滨工业大学 | 一种结合边缘检测的暗通道图像去雾方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211052A (zh) * | 2019-03-29 | 2019-09-06 | 北京工业大学 | 一种基于特征学习的单幅图像去雾方法 |
| CN111784601A (zh) * | 2020-06-27 | 2020-10-16 | 浙江同善人工智能技术有限公司 | 一种图像去雾方法 |
| CN111784601B (zh) * | 2020-06-27 | 2024-05-14 | 浙江同善人工智能技术有限公司 | 一种图像去雾方法 |
| CN111951184A (zh) * | 2020-07-14 | 2020-11-17 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
| CN111951184B (zh) * | 2020-07-14 | 2024-05-10 | 季华实验室 | 一种焊缝监控图像去雾方法、装置及电子设备 |
| CN118115391A (zh) * | 2024-04-29 | 2024-05-31 | 湖南中飞时代智能科技有限公司 | 一种弥雾机作业智能调控方法及系统 |
| CN118115391B (zh) * | 2024-04-29 | 2024-07-30 | 湖南中飞时代智能科技有限公司 | 一种弥雾机作业智能调控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106548463B (zh) | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 | |
| CN106157267B (zh) | 一种基于暗通道先验的图像去雾透射率优化方法 | |
| 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 | |
| CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
| CN108460735A (zh) | 基于单幅图像的改进暗通道去雾方法 | |
| CN104299192B (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
| CN106846263A (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
| CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
| CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
| CN104318535B (zh) | 图像去雾的方法、装置及移动终端 | |
| CN104766307A (zh) | 一种图像处理的方法及设备 | |
| CN109087254A (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
| CN107067375A (zh) | 一种基于暗通道先验和边缘信息的图像去雾方法 | |
| CN108564538A (zh) | 一种基于环境光差异的图像去雾霾方法及系统 | |
| CN104331867A (zh) | 图像去雾的方法、装置及移动终端 | |
| CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
| CN117611483A (zh) | 一种图像采集方法、装置、设备及存储介质 | |
| CN115861104B (zh) | 基于透射率细化的遥感图像去雾方法 | |
| CN108986079A (zh) | 一种复杂裂隙网络的裂缝提取及优化方法 | |
| CN108765316A (zh) | 雾气浓度自适应判断方法 | |
| Ngo et al. | Image detail enhancement via constant-time unsharp masking | |
| CN106097259B (zh) | 一种基于透射率优化技术的雾天图像快速重建方法 | |
| CN115170437A (zh) | 一种用于救援机器人的火灾场景低质量图像恢复方法 | |
| Sun et al. | Single image fog removal algorithm based on an improved dark channel prior method | |
| CN112686825A (zh) | 一种基于fpga的地面浓雾场景灰度图像去雾方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |
|
| RJ01 | Rejection of invention patent application after publication |