CN109242783A - 一种图像去雾的方法及装置 - Google Patents
一种图像去雾的方法及装置 Download PDFInfo
- Publication number
- CN109242783A CN109242783A CN201810760050.8A CN201810760050A CN109242783A CN 109242783 A CN109242783 A CN 109242783A CN 201810760050 A CN201810760050 A CN 201810760050A CN 109242783 A CN109242783 A CN 109242783A
- Authority
- CN
- China
- Prior art keywords
- image
- white light
- mist
- dark
- processed
- 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 47
- 239000003595 mist Substances 0.000 claims abstract description 305
- 230000008030 elimination Effects 0.000 claims abstract description 72
- 238000003379 elimination reaction Methods 0.000 claims abstract description 72
- 230000009466 transformation Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 83
- 239000003086 colorant Substances 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 101100006584 Mus musculus Clnk gene Proteins 0.000 description 237
- 238000003384 imaging method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003595 spectral effect Effects 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种图像去雾的方法及装置，方法包括：去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。本发明实施例通过去除待处理含雾图像的白光噪声，并根据雾的散射函数结合傅里叶变换，来进行相应计算处理，从而解决由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题。
Description
技术领域
本发明实施例涉及图像处理领域，更具体地，涉及一种图像去雾的方法及装置。
背景技术
在雾天的天气条件下获取被拍摄物体的图像时，由于大气中悬浮雾滴的影响，使得实际得到的图像，相对于在未受大气中悬浮雾滴的影响时得到的图像更模糊，随着物体到成像设备距离的增加或随着雾的浓度的增加，含雾图像的细节将越来越难以分辨。
物体成像是由于物体反射自然光并被成像设备所采集，从而生成物体的图像。而在雾天环境下，自然环境中，雾通常在海拔200米到2公里之间分布，在雾天的天气情况下，雾滴会将更多的自然光散射到成像设备的光学采集系统中，从而在物体的图像上叠加一层散射光噪声；并且雾滴对可见光具有散射和吸收作用，因而物体的反射光在到达成像设备的过程中会由于雾滴的吸收而衰减，并由于雾滴的散射而使得相邻的物点的像互相影响而变得模糊。
现有技术通常采用暗通道先验去雾算法、中值滤波去雾算法、多尺度Retinex图像增强技术和均值滤波实时去雾算法等技术来进行去雾处理；现有技术的几种方法是对雾模糊的图像进一步模糊，以得到一个均化的模糊值，在含雾的图像中减去这一均化的模糊值以在一定程度上减少雾对原始物图像的模糊影响。同时在此过程中对雾的衰减程度进行估算，从而进一步还原图像。但是对于图像去雾处理过程中，对于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加的问题，现有技术目前尚未提出有效的技术方案，而这一问题，亟待解决。
发明内容
本发明实施例提供了一种图像去雾的方法及装置，用以解决上述现有技术中存在的缺陷。
第一方面，本发明实施例提供了一种图像去雾的方法，包括：
去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；
根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
第二方面，本发明实施例提供了一种图像去雾的装置，包括：
白光噪声去除模块，用于去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；
去雾模块，用于根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
第三方面，本发明实施例提供了一种图像去雾设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述图像去雾方法的步骤。
第四方面，本发明实施例提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如第一方面所述图像去雾方法的步骤。
本发明实施例提供的一种图像去雾方法及装置，通过去除待处理含雾图像的白光噪声，并根据雾的散射函数结合傅里叶变换，从而解决由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题。
附图说明
图1为本发明实施例提供的一种图像去雾方法流程图；
图2为本发明实施例提供的图像去雾装置结构示意图；
图3为本发明实施例提供的白光噪声去除模块结构示意图；
图4为本发明实施例提供的去雾模块结构示意图；
图5为本发明实施例提供的一种图像去雾设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种图像去雾方法流程图，如图1所示，包括：
步骤S1,去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；
步骤S2，根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
在步骤S1中，待处理含雾图像中的白光噪声是指：在雾天的天气情况下，雾会将更多的自然光直接散射到成像装置中，从而在物体的图像上叠加一层光噪声，然而雾在可见光的光谱范围内，对于所有波长的光的散射效果基本一致，因此我们可以将该光噪声视为白光噪声。第一去雾图像是指去除待处理含雾图像中白光噪声后所得到的图像。
本发明实施例中的第一去雾图像可以是将待处理含雾图像进行中值滤波、均值滤波或拉普拉斯变换后，再进行高通滤波处理所得到；也可以是通过获取待处理含雾图像的暗通道色谱图，从所述待处理含雾图像的暗通道色谱图中，获取所述待处理含雾图像的暗通道白光图，进一步根据所述待处理含雾图像的暗通道白光图获得白光噪声,将所述待处理含雾图像的每个像素点的白光噪声去除，以得到所述第一去雾图像。
在步骤S2中，雾的散射函数是反应雾的散射效果和衰减效果的函数，本发明实施例中雾的散射函数可以是由构成雾的雾滴直径大小和密度分布，根据米氏散射理论计算获得；也可以是通过实验来获得雾的散射函数；还可以是根据一些分布函数加权来进行表示。
由米氏散射理论，根据构成雾的雾滴直径大小和密度分布计算获得雾的散射函数，具体为，由于雾滴的粒径通常处于1-20μm之间，其对于光的散射遵循米氏散射理论，根据米氏散射理论和布格尔定律可以得到雾的群体粒子对于光的散射光强表达式，再根据成像系统的视场角范围，可以得到散射光强的分布，然后将其转换为二维散射函数，该二维散射函数的大小随雾与成像系统间距离的改变而改变。对该二维散射函数进行加权，以得到雾的散射函数；该加权的权值反应雾的衰减效果，这里的权值可以人为设定也可以通过暗通道先验算法获得。
通过实验来获得雾的散射函数，具体是指在不同雾的场景下，在不同距离上分别设定若干可见光的点光源，在成像探测器阵列上得到不同位置点光源的光强响应，并与该位置的点光源在无雾的天气条件下，成像探测器阵列上相应位置点光源的光强响应相比较，即可以得到可见光光谱区在不同雾场景下的二维散射衰减函数，即为雾的散射函数。
通过分布函数加权来表示雾的散射函数，具体是指，采用高斯分布、正态分布、余误差函数分布等分布函数，对这些散射分布函数进行加权，这里加权的权值反应雾的衰减效果，这里的权值可以人为设定，也可以通过暗通道先验算法获得。
第二去雾图像是指在第一去雾图像的基础上，解决了雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊，并解决了雾的衰减所造成的图像模糊后得到的图像。
步骤S2具体为，将第一去雾图像进行傅里叶变换并取对数后得到第一函数，并将雾的散射函数进行傅里叶变换并取对数后，得到第二函数；将第一函数与第二函数进行相减，得到第三函数；最后将第三函数的e指数进行反傅里叶变换，以获得第二去雾图像。
例如，若第一去雾图像为I(x，y)，对第一去雾图像进行傅里叶变换并取对数，得到第一函数ln(F(I(x，y)))；若雾的散射函数为h(x，y)，对雾的散射函数进行傅里叶变换并取对数，得第二函数到ln(F(h(x，y)))；将第一函数ln(F(h(x，y)))和第二函数ln(F(I(x，y)))进行相减，得到第二去雾图像O(x，y)的傅立叶变换的对数，即第三函数ln(F(O(x，y)))；将ln(F(O(x，y)))的e指数进行反傅立叶变换即可得到待处理含雾图像的第二去雾图像O(x，y)。这里的F()表示对进行傅立叶变换，这里的ln()表示对数函数。
由于在无雾的天气条件下，原始物体的一个物点经过成像系统后会在图像探测器的原始图像上形成一个像点，这里的原始图像是指在无雾的天气条件下拍摄的无雾图像。
在有雾的天气条件下，原始物体一个物点由于雾的散射效果，经过成像系统后会在图像探测器的待处理含雾图像的不同位置形成强度不同的像点，像点的强度由雾的散射函数决定；从另一个角度看，就是在有雾的天气条件下，待处理含雾图像上的一个像点可以认为是原始物体上不同物点经过雾的散射后在该像点位置形成的强度不同的像点的叠加，而像点的强度由雾的散射函数决定。
因此，待处理含雾图像近似于无雾图像与雾散射函数卷积后的结果，所以我们了解雾的散射函数后，可以根据傅里叶变换等算法，最终消除待处理含雾图像中由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊。
本发明实施例根据雾的散射函数结合傅里叶变换，从而解决由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题,实现了对图像去雾。
在上述实施例的基础上，所述去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像，包括：
获取待处理含雾图像的暗通道色谱图；
从所述待处理含雾图像的暗通道色谱图中，获取所述待处理含雾图像的暗通道白光图；
根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声，并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像。
本发明实施例中描述的暗通道色谱图，是指根据待处理含雾图像中每个像素点的颜色通道中最低数值及该最低数值对应的颜色通道数据得到的。具体的，根据待处理含雾图像中每个像素点各颜色通道数值中的最小值及该最小值对应的颜色通道信息，并由此来构建与每个像素点对应的新像素点数据，再将获得的所有新像素点的数据根据待处理含雾图像中对应像素点排列方式进行排列，从而得到待处理含雾图像的暗通道色谱图。
本发明实施例中的暗通道白光图是指将暗通道色谱图中每个像素点白色表达时得到的暗通道白光图，可以根据该暗通道白光图计算出待处理含雾图像的白光噪声量，再根据计算所得到的白光噪声量，以去除待处理含雾图像每个像素点的白光噪声。
本发明实施例中待处理含雾图像或其子图像中每个像素点的白光噪声的数值均相等，因此，我们在去除白光噪声的过程中，要将去除待处理含雾图像中每个像素点的白噪声。本发明实施例通过得到待处理含雾图像的暗通道白光图，并进而获得待处理含雾图像的白光噪声量，去除了白光噪声对于待处理含雾图像所造成的模糊，实现了一定程度的图像去雾效果。
在上述实施例的基础上，所述获取待处理含雾图像的暗通道色谱图，包括：
对于所述待处理含雾图像的每个像素点，获取所述像素点上各个颜色通道数值；
确定每个像素点中所有颜色通道数值中的最小值及该最小值对应的颜色通道数据，并根据所述颜色通道数值中的最小值及该最小值对应的颜色通道数据更新对应的像素点，以得到所述待处理含雾图像的暗通道色谱图。
本发明实施例中所描述的颜色通道是指保存图像颜色信息的通道，确定每个像素点中所有颜色通道数值中的最小值，是由于雾对可见光的反射在每个像素的最低颜色通道内影响最大，这里颜色通道数值中的最小值是指，相对于每个像素点中的所有颜色通道数值来对比所得到的最小值；更新对应的像素点，是指得到一个新的像素点。
具体的，获取待处理含雾图像中每个像素点上各个颜色通道数值，然后进行对比，并确定最小值，然后根据比较得到的最小值及该最小值对应的颜色通道数据来更新对应的像素点，并将更新后的像素点按照待处理含雾图像中对应像素点排列方式进行排列，得到待处理含雾图像的暗通道色谱图。
例如，对于一个(R、G、B)三原色彩色方式表示的待处理含雾图像中，任一像素点的R颜色通道的数值VR小于其它两个颜色通道B，G的数值VG和VB，则在该像素点上生成一个新的像素点数据[AVR，R]，此处的A是指暗通道的意思，同时将待处理含雾图像中的其它每个像素点均进行上述步骤处理，然后将所有新的像素点根据待处理含雾图像中对应像素点排列方式进行排列，以获得待处理含雾图像的暗通道色谱图。
本发明实施例确定待处理含雾图像每个像素点的颜色通道数值中的最小值及该最小值对应的颜色通道数据，来获得待处理含雾图像的暗通道色谱图，有利于后续对于图像去雾的处理。
在上述实施例的基础上，所述从所述待处理含雾图像的暗通道色谱图中，获取所述待处理含雾图像的暗通道白光图，包括：
将所述待处理含雾图像的暗通道色谱图分为预设数量的子暗通道色谱图；
基于所述待处理含雾图像的白色表达，对于每个所述子暗通道色谱图，确定每个所述子暗通道色谱图的白色表达，以得到待处理含雾图像的白色表达，以得到所述待处理含雾图像的暗通道白光图。
本发明实施例中待处理含雾图像的暗通道白光图，可以是将待处理含雾图像的暗通道色谱图分为多个子暗通道色谱图，分别获取其暗通道白光图。
本发明实施例中待处理含雾图像的暗通道白光图，也可以是在待处理含雾图像的暗通道色谱图的整体基础上获得含雾图像的整体暗通道白光图。
获取待处理含雾图像的暗通道色谱图具体为，根据待处理含雾图像中每个像素点各颜色通道数值中的最小值及该最小值对应的颜色通道数据，并由此来构建与每个像素点对应的新像素点数据，再将获得的所有新像素点的数据根据待处理含雾图像中对应像素点排列方式进行排列，从而得到待处理含雾图像的暗通道色谱图。
本发明实施例中所描述待处理含雾图像的白色表达是根据待处理含雾图像的彩色表示方式纯白色表达所确定；待处理含雾图像的彩色表示方式是指通常情况下的表示方式，例如三原色表示方式为(R、G、B)；待处理含雾图像的纯白色表达是指待处理含雾图像所采用彩色表示方式下定义纯白色时各颜色通道的数值比例。
根据获取待处理含雾图像在其彩色表示方式纯白色表达的预设差异范围内的像素点数据，该像素点数据包括像素点各个颜色通道的数值比例；将该预设差异范围内的像素点数据根据不同颜色通道分组，然后分别求各颜色通道的平均值，此时各颜色通道平均值的数值比例即为待获取含雾图像的白色表达，例如在三原色表示方式中待获取含雾图像的白色表达为Ave-WVR：Ave-WVG：Ave-WVB，上述预设差异范围为1％-30％，此处的彩色表示方式纯白色表达预设差异范围可以人为设定。
待处理含雾图像的白色表达也可以是采用迭代估算的方法，将含雾图像等分为4个独立的子图像块，分别计算4个子图像块的颜色通道数值比例的均值和方差，从中选取与图像彩色表示方式纯白表达最接近，方差最小的子图像块作为最优子图像块。然后，继续将每个子图像块进行划分，并计算划分后的图像块各颜色通道数值比例的均值和方差，从中选取与图像彩色表示方式纯白表达最接近，方差最小的块作为最优子块，直到最优子块的大小小于预设阈值时结束，此时最优子块各颜色通道数值比例的均值为待处理含雾图像的白色表达，例如在三原色表示方式中为(Ave-WVR：Ave-WVG：Ave-WVB)。
根据待处理含雾图像暗通道色谱图和待处理含雾图像的白色表达，得到待处理含雾图像每个像素点暗通道白色表达时各颜色通道的数值，例如暗通道色谱图某个像素点数据为(AVR，R)，待处理含雾图像某像素点的白色表达为(WVR：WVG：WVB)，得到该像素点暗通道白色表达时各颜色通道的数值为(AVR，AVG，AVB)。
将每个像素点暗通道白色表达时各颜色通道的数值，根据待处理含雾图像的像素排列方式进行排列，获取待处理含雾图像的暗通道白光图。本发明实施例通过待处理含雾图像的白色表达，得到待处理含雾图像的暗通道白光图，有利于后续对于图像去雾的处理。
在上述实施例的基础上，根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声；并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像。包括：
基于预设的迭代估算法，将所述暗通道白光图划分为若干独立的子暗通道白光图，并分别计算每个所述子暗通道白光图的均值和方差；
将所有子暗通道白光图中均值最小和方差最小的子暗通道白光图作为第一白光图；
选取所述第一白光图的均值作为所述待处理含雾图像的白光噪声量；并去除所述待处理含雾图像中每个像素点对应的白光噪声量，以得到所述第一去雾图像。
具体的，基于预设的迭代估算法，将所述暗通道白光图划分为4个独立的子暗通道白光图，并分别计算每个所述子暗通道白光图的均值和方差；然后，继续将每个子暗通道白光图进行划分，并计算划分后的子图像块的均值和方差，从中选取均值最小，方差最小的子图像块作为最优子图像块，直到最优子图像块的大小，小于预设阈值时结束，选取结束时的最优子图像块即为第一白光图。
选取所述第一白光图的均值作为所述待处理含雾图像的白光噪声量；并去除所述待处理含雾图像中每个像素点对应的白光噪声量，以得到所述第一去雾图像。
例如白光噪声量为(Ave-AVR，Ave-AVG，Ave-AVB)，待处理含雾图像某个像素点数据为(VR，VG，VB)，则去除该像素点对应白光噪声量得到(VR—Ave-AVR，VG—Ave-AVG，VB—Ave-AVB)；对于待处理含雾图像中其它像素点均进行上述步骤处理，得到去除白光噪声量后的新像素点数据，将新像素点数据根据待处理含雾图像的像素排列方式进行排列，获取第一去雾图像。
本发明实施例根据白光噪声量来去除白光噪声对于待处理含雾图像所造成的模糊，实现了一定程度上的图像去雾。
在上述实施例的基础上，所述根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声；并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像，还包括：
将暗通道白光图白光数值的中值、白光数值的平均值或最小白光数值作为待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像。
本发明实施例中所描述的白光噪声量可以是取暗通道白光图最小白光数值为待获取的白光噪声量，例如(Min-AVR，Min-AVG，Min-AVB)；也可以是取暗通道白光图白光数值的中值为待获取的白光噪声量，例如(Med-AVR，Med-AVG，Med-AVB)；还可以是取暗通道白光图白光数值的平均值为待获取的白光噪声量；或者是根据迭代估算法得到。
本发明实施例直接获取暗通道白光图白光数值的中值、白光数值的平均值或最小白光数值，作为待处理含雾图像的白光噪声量，相较于上述采用迭代估计算法的方式获取白光噪声量的方法，获取白光噪声量的速度更快，但是最终获取的白光噪声量的数值不如上述迭代估计算法所获得的数值精准。
本发明实施例根据白光噪声量来去除白光噪声对于待处理含雾图像所造成的模糊，实现了一定程度上的图像去雾。
在上述实施例的基础上，根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像，包括：
将所述第一去雾图像进行傅里叶变换并取对数后得到第一函数，并将所述雾的散射函数进行傅里叶变换并取对数后，得到第二函数；
将所述第一函数与所述第二函数进行相减，得到第三函数；
将所述第三函数的e指数进行反傅里叶变换，以获得第二去雾图像。
由于在无雾的天气条件下，原始物体一个物点经过成像系统后会在图像探测器的原始图像上形成一个像点，这里的原始图像是指在无雾的天气条件下拍摄的图像。
在有雾的天气条件下，原始物体一个物点由于雾的散射效果，经过成像系统后会在图像探测器的待处理含雾图像的不同位置形成强度不同的像点，强度由雾的散射函数决定；从另一个角度看，就是在有雾的天气条件下，待处理含雾图像上的一个像点可以认为是原始物体上不同物点经过雾的散射后在该像点位置形成的强度不同的像点的叠加，而强度由雾的散射函数决定。
因此，待处理含雾图像近似于无雾图像与雾散射函数卷积的结果，所以我们了解雾的散射函数后，可以根据傅里叶变换等算法，最终消除待处理含雾图像中由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊。
本发明实施例根据雾的散射函数和傅里叶变换，从而解决由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题,实现了对图像去雾。
在上述实施例的基础上，在所述根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像后，所述方法还包括：
对所述第二去雾图像进行清晰处理，以获得第三去雾图像，所述清晰处理包括线性或非线性图像动态范围扩展、自适应直方图均衡、自适应对比度和色阶增强图像增强算法的一种或多种。
本发明实施例中所描述的清晰处理是指，在解决雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题后，进一步使用线性或非线性图像动态范围扩展、自适应直方图均衡、自适应对比度和色阶增强图像增强算法的一种或多种来对第二去雾图片进行进一步优化。
本发明实施例通过清晰处理，使得图像去雾后最终得到更清晰的图片。
图2为本发明实施例提供的一种图像去雾装置结构图，如图2所示，包括白光噪声去除模块201和去雾模块202；其中，白光噪声去除模块201用于去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；其中，去雾模块202用于根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
图3为本发明实施例提供的白光噪声去除模块结构示意图，如图3所示，包括白光噪声去除第一子模块301、白光噪声去除第二子模块302、白光噪声去除第三子模块303、白光噪声去除第四子模块303、白光噪声去除第五子模块305和白光噪声去除第六子模块306。
其中，白光噪声去除第一子模块301用于对于所述待处理含雾图像的每个像素点，获取所述像素点上各个颜色通道数值；其中，白光噪声去除第二子模块302用于确定每个像素点中所有颜色通道数值中的最小值与所述最小值对应的颜色通道信息，并根据所述颜色通道数值中的最小值与所述最小值对应的颜色通道信息更新对应的像素点，以得到所述待处理含雾图像的暗通道色谱图。
其中，白光噪声去除第三子模块303用于将所述待处理含雾图像的暗通道色谱图分为预设数量的子暗通道色谱图；
其中，白光噪声去除第四子模块304用于基于所述待处理含雾图像的白色表达，对于每个所述子暗通道色谱图，确定每个所述子暗通道色谱图的白色表达，以得到所述待处理含雾图像的暗通道白光图。
其中，白光噪声去除第五子模块305用于基于预设的迭代估计算法，将所述暗通道白光图划分为若干独立的子暗通道白光图，并分别计算每个所述子暗通道白光图的均值和方差；将所有子暗通道白光图中均值最小和方差最小的子暗通道白光图作为第一白光图；选取所述第一白光图的均值作为所述待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像；其中，白光噪声去除第六子模块306用于获取暗通道白光图白光数值的中值、白光数值的平均值或最小白光数值，作为待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像。
本发明实施例中所描述的白光噪声去除子模块即为图2实施例的图像去雾装置中白光噪声去除模块的子模块。
图4为本发明实施例提供的去雾模块结构示意图，如图4所示，包括去雾第一子模块401、去雾第二子模块402、去雾第三子模块403和去雾第四子模块404。其中，去雾第一子模块401用于将所述第一去雾图像进行傅里叶变换以得到第一数据，并将所述雾的散射函数进行傅里叶变换，以得到第二数据；其中，去雾第二子模块402用于获取所述第一数据的对数，以作为第一函数；并获取所述第二数据的对数，以作为第二函数；其中，去雾第三子模块403用于将所述第一函数与所述第二函数进行相减，得到第三函数；其中，去雾第四子模块404用于将所述第三函数的e指数进行反傅里叶变换，以获得第二去雾图像。
本发明实施例中所描述的去雾第一子模块401和去雾第二子模块402用于将所述第一去雾图像进行傅里叶变换并取对数后得到第一函数，并将所述雾的散射函数进行傅里叶变换并取对数后，得到第二函数。
本发明实施例中所描述的去雾子模块，即为图2实施例的图像去雾装置中去雾模块的子模块。
本发明实施例提供的图像去雾装置是用于执行本发明上述各方法实施例，具体的流程和详细介绍请参照上述各方法实施例，此处不再赘述。
本发明实施例通过去除待处理含雾图像的白光噪声，并根据雾的散射函数结合傅里叶变换，从而解决由于雾的散射造成的物点的像点扩散及相邻物点的像点相互叠加而造成图像模糊的问题。
图5为本发明实施例提供的一种图像去雾设备的结构示意图，如图5所示，该设备可以包括：
处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过总线540完成相互间的通信。通信接口520可以用于图像去雾设备和图像去雾系统之间的信息传输。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
此外，上述的存储器530中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行上述实施例所提供的自动化测试元素的识别方法，例如包括：去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
最后应说明的是：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 (13)
1.一种图像去雾的方法，其特征在于，包括：
去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；
根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
2.根据权利要求1所述方法，其特征在于，所述去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像，包括：
获取待处理含雾图像的暗通道色谱图；
从所述待处理含雾图像的暗通道色谱图中，获取所述待处理含雾图像的暗通道白光图；
根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声，并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像。
3.根据权利要求2所述方法，其特征在于，所述获取待处理含雾图像的暗通道色谱图，包括：
对于所述待处理含雾图像的每个像素点，获取所述像素点上各个颜色通道数值；
确定每个像素点中所有颜色通道数值中的最小值与所述最小值对应的颜色通道信息，并根据所述颜色通道数值中的最小值与所述最小值对应的颜色通道信息更新对应的像素点，以得到所述待处理含雾图像的暗通道色谱图。
4.根据权利要求2所述方法，其特征在于，所述从所述待处理含雾图像的暗通道色谱图中，获取所述待处理含雾图像的暗通道白光图，包括：
将所述待处理含雾图像的暗通道色谱图分为预设数量的子暗通道色谱图；
基于所述待处理含雾图像的白色表达，对于每个所述子暗通道色谱图，确定每个所述子暗通道色谱图的白色表达，以得到所述待处理含雾图像的暗通道白光图。
5.根据权利要求2所述方法，其特征在于，所述根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声，并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像，包括：
基于预设的迭代估计算法，将所述暗通道白光图划分为若干独立的子暗通道白光图，并分别计算每个所述子暗通道白光图的均值和方差；
将所有子暗通道白光图中均值最小和方差最小的子暗通道白光图作为第一白光图；
选取所述第一白光图的均值作为所述待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像。
6.根据权利要求2所述方法，其特征在于，所述根据所述暗通道白光图计算出所述待处理含雾图像中的白光噪声，并将所述待处理含雾图像每个像素点的白光噪声去除，以得到所述第一去雾图像，还包括：
将暗通道白光图白光数值的中值、白光数值的平均值或最小白光数值作为待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像。
7.根据权利要求1所述方法，其特征在于，所述根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像，包括：
将所述第一去雾图像进行傅里叶变换并取对数后得到第一函数，并将所述雾的散射函数进行傅里叶变换并取对数后，得到第二函数；
将所述第一函数与所述第二函数进行相减，得到第三函数；
将所述第三函数的e指数进行反傅里叶变换，以获得第二去雾图像。
8.根据权利要求1所述方法，其特征在于，在所述根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像后，所述方法还包括：
对所述第二去雾图像进行清晰处理，以获得第三去雾图像，所述清晰处理包括线性或非线性图像动态范围扩展、自适应直方图均衡、自适应对比度和色阶增强图像增强算法的一种或多种。
9.一种图像去雾的装置，其特征在于，包括：
白光噪声去除模块，用于去除所述待处理含雾图像中的白光噪声，以获得第一去雾图像；
去雾模块，用于根据雾的散射函数和傅里叶变换，对所述第一去雾图像进行去雾，以获得第二去雾图像。
10.根据权利要求9所述装置，其特征在于，所述白光噪声去除模块，包括：
白光噪声去除第一子模块，用于对于所述待处理含雾图像的每个像素点，获取所述像素点上各个颜色通道数值；
白光噪声去除第二子模块，用于确定每个像素点中所有颜色通道数值中的最小值与所述最小值对应的颜色通道信息，并根据所述颜色通道数值中的最小值与所述最小值对应的颜色通道信息更新对应的像素点，以得到所述待处理含雾图像的暗通道色谱图；
白光噪声去除第三子模块，用于将所述待处理含雾图像的暗通道色谱图分为预设数量的子暗通道色谱图；
白光噪声去除第四子模块，用于基于所述待处理含雾图像的白色表达，对于每个所述子暗通道色谱图，确定每个所述子暗通道色谱图的白色表达，以得到所述待处理含雾图像的暗通道白光图；
白光噪声去除第五子模块，用于基于预设的迭代估计算法，将所述暗通道白光图划分为若干独立的子暗通道白光图，并分别计算每个所述子暗通道白光图的均值和方差；将所有子暗通道白光图中均值最小和方差最小的子暗通道白光图作为第一白光图；选取所述第一白光图的均值作为所述待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像；
白光噪声去除第六子模块，用于获取暗通道白光图白光数值的中值、白光数值的平均值或最小白光数值，作为待处理含雾图像的白光噪声量，并去除所述待处理含雾图像中每个像素点对应的白光噪声，以得到所述第一去雾图像。
11.根据权利要求9所述装置，其特征在于，所述去雾模块，还包括：
去雾第一子模块，用于将所述第一去雾图像进行傅里叶变换，以得到第一数据，并将所述雾的散射函数进行傅里叶变换，以得到第二数据；
去雾第二子模块，用于获取所述第一数据的对数，以作为第一函数；并获取所述第二数据的对数，以作为第二函数；
去雾第三子模块，用于将所述第一函数与所述第二函数进行相减，得到第三函数；
去雾第四子模块，用于将所述第三函数的e指数进行反傅里叶变换，以获得第二去雾图像。
12.一种图像去雾设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至8任一项所述图像去雾方法的步骤。
13.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述图像去雾方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810760050.8A CN109242783B (zh) | 2018-07-11 | 2018-07-11 | 一种图像去雾的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810760050.8A CN109242783B (zh) | 2018-07-11 | 2018-07-11 | 一种图像去雾的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109242783A true CN109242783A (zh) | 2019-01-18 |
| CN109242783B CN109242783B (zh) | 2023-10-03 |
Family
ID=65072479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810760050.8A Active CN109242783B (zh) | 2018-07-11 | 2018-07-11 | 一种图像去雾的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242783B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627287A (zh) * | 2021-07-27 | 2021-11-09 | 上海交通大学 | 基于扩散信息的在有雾条件下的水面目标检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090252430A1 (en) * | 2008-04-08 | 2009-10-08 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Underwater Image Restoration Via Denoised Deconvolution |
| CN104200447A (zh) * | 2014-09-18 | 2014-12-10 | 中国航空无线电电子研究所 | 一种实时低照度彩色图像增强方法及其实现装置 |
| CN104899844A (zh) * | 2015-06-30 | 2015-09-09 | 北京奇艺世纪科技有限公司 | 一种图像去雾方法及装置 |
| CN106033597A (zh) * | 2015-03-17 | 2016-10-19 | 杭州海康威视数字技术股份有限公司 | 图像去雾的方法和设备 |
-
2018
- 2018-07-11 CN CN201810760050.8A patent/CN109242783B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090252430A1 (en) * | 2008-04-08 | 2009-10-08 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Underwater Image Restoration Via Denoised Deconvolution |
| CN104200447A (zh) * | 2014-09-18 | 2014-12-10 | 中国航空无线电电子研究所 | 一种实时低照度彩色图像增强方法及其实现装置 |
| CN106033597A (zh) * | 2015-03-17 | 2016-10-19 | 杭州海康威视数字技术股份有限公司 | 图像去雾的方法和设备 |
| CN104899844A (zh) * | 2015-06-30 | 2015-09-09 | 北京奇艺世纪科技有限公司 | 一种图像去雾方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| APURVA KUMARI等: "《Real Time Visibility Enhancement for Single Image Haze Removal》", 《PROCEDIA COMPUTER SCIENCE》 * |
| LIRONG LI等: "《Instant haze removal from a single image》", 《INFRARED PHYSICS & TECHNOLOGY》 * |
| 洪可: "《基于暗通道先验的视频图像去雾实时性研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627287A (zh) * | 2021-07-27 | 2021-11-09 | 上海交通大学 | 基于扩散信息的在有雾条件下的水面目标检测方法及系统 |
| CN113627287B (zh) * | 2021-07-27 | 2023-10-27 | 上海交通大学 | 基于扩散信息的在有雾条件下的水面目标检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109242783B (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Raveendran et al. | Underwater image enhancement: a comprehensive review, recent trends, challenges and applications | |
| US11386528B2 (en) | Denoising filter | |
| Cao et al. | Underwater image restoration using deep networks to estimate background light and scene depth | |
| CN108229525B (zh) | 神经网络训练及图像处理方法、装置、电子设备和存储介质 | |
| KR101448164B1 (ko) | 파라미터 최적화를 이용한 영상의 안개 제거 방법 | |
| CN103020904B (zh) | 反射消除系统 | |
| KR101788660B1 (ko) | 단일 영상 내의 안개 제거 장치 및 방법 | |
| CN112513928A (zh) | 训练模型以对有雾图像执行语义分割的方法和系统 | |
| Lu et al. | Single underwater image descattering and color correction | |
| CN110223240A (zh) | 基于颜色衰减先验的图像去雾方法、系统及存储介质 | |
| CN113284061A (zh) | 一种基于梯度网络的水下图像增强方法 | |
| Mathur et al. | Enhancement of nonuniformly illuminated underwater images | |
| CN114820388A (zh) | 一种基于编解码器结构的图像去雾方法 | |
| CN115034997A (zh) | 图像处理方法及装置 | |
| CN109242783A (zh) | 一种图像去雾的方法及装置 | |
| CN110335210A (zh) | 一种水下图像复原方法 | |
| CN114549297A (zh) | 一种基于不确定分析的无监督单目深度估计方法 | |
| CN117078574A (zh) | 一种图像去雨方法及装置 | |
| CN105825481B (zh) | 基于局部SoG的水下图像清晰化方法 | |
| Maik et al. | A novel imaging system for removal of underwater distortion using code V | |
| Sujitha et al. | Underwater image enhancement by Multiscale fusion technique and Dehazing | |
| CN108693642B (zh) | 光学成像系统成像质量的确定方法和装置 | |
| Lu et al. | Image Contrast Enhancement for Deep-sea Observation Systems | |
| Zhang et al. | Algorithm for Fog-degraded Image Enhancement Based on Adaptive Fractional-order PDE | |
| CN113159277B (zh) | 目标检测方法、装置及设备 |
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 |