CN109859129A - 一种水下图像增强处理方法和装置 - Google Patents
一种水下图像增强处理方法和装置 Download PDFInfo
- Publication number
- CN109859129A CN109859129A CN201910083780.3A CN201910083780A CN109859129A CN 109859129 A CN109859129 A CN 109859129A CN 201910083780 A CN201910083780 A CN 201910083780A CN 109859129 A CN109859129 A CN 109859129A
- Authority
- CN
- China
- Prior art keywords
- underwater
- defogging
- component
- channel
- picture
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种水下图像增强处理方法和装置,涉及图像处理技术领域。其中,本发明的方法包括:步骤1、获取待处理的水下图像;步骤2、根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像;步骤3、对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。通过将基于红通道先验理论的去雾处理与直方图拉伸处理相结合,能够提高水下图像增强处理效果,提高增强处理后的图像的清晰度,进而有助于提高用户的视觉体验。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种水下图像增强处理方法和装置。
背景技术
现有的图像增强处理方法主要分为两类:第一类是直接增强方法,即直接对图像进行对比度、亮度增强,例如直方图均衡算法;第二类是基于物理模型的增强方法,即从图像的物理模型出发,对图像进行增强。
直接增强方法没有考虑散射模型,其增强结果往往有一定的局限性。例如,直方图均衡算法虽然恢复了图像的对比度,但无法精确恢复场景反射,尤其是散射比较严重的图像区域;同样,直接增强方法也无法恢复颜色失常。总体来说,直接增强方法不仅缺少坚实的理论基础,而且图像增强效果也不好。
基于物理模型的增强方法有很多,比如基于暗通道先验的图像去雾算法,基于雾线先验的图像去雾算法,基于色彩衰减先验的图像去雾算法,基于颜色线的图像去雾算法等。总体来说,虽然基于物理模型的增强方法很多,但这些算法不太适用于水下图像增强处理。而且,有些算法的先验理论性不强,有些算法的计算复杂度很高,难以实时处理,有些算法的增强效果不好。
因此,针对以上不足,需要提供一种新的水下图像增强方法和装置,以能够提高水下图像增强处理效果,提高增强处理后的图像的清晰度。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是解决现有图像增强处理方法存在的图像增强效果差,不适用于水下图像处理的问题。
(二)技术方案
为了解决上述技术问题,一方面,本发明提供了一种水下图像增强处理方法。
本发明的水下图像增强处理方法包括:步骤1、获取待处理的水下图像;步骤2、根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像;步骤3、对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
可选地,所述根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像的步骤包括:构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论;估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量;然后根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
可选地,所述由各颜色通道分量表示的水下成像散射模型为:
1-Ir(x)=tr(x)(1-Jr(x))+(1-tr(x))(1-Ar);
Ig(x)=tg(x)Jg(x)+(1-tg(x))Ag;
Ib(x)=tb(x)Jb(x)+(1-tb(x))Ab;
式中,Ir(x)表示在红色通道上的待处理水下图像分量,tr(x)表示在红色通道上的水下透射率分量,Jr(x)表示去雾处理后的水下图像在红色通道上的分量,Ar表示在红色通道上的水下背景光分量,Ig(x)表示在绿色通道上的待处理水下图像分量,tg(x)表示在绿色通道上的水下透射率分量,Jg(x)表示去雾处理后的水下图像在绿色通道上的分量,Ag表示在绿色通道上的水下背景光分量,Ib(x)表示在蓝色通道上的待处理水下图像分量,tb(x)表示在蓝色通道上的水下透射率分量,Jb(x)表示去雾处理后的水下图像在蓝色通道上的分量,Ab(x)表示在蓝色通道上的水下背景光分量。
可选地,根据如下公式执行所述根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理的步骤:
其中,α∈{r,g,b}表示颜色通道的取值为红色通道、绿色通道或蓝色通道,Jα(x)表示去雾处理后的水下图像在α颜色通道上的分量,Iα(x)表示在α颜色通道上的待处理水下图像分量,tα(x)表示在α颜色通道上的水下透射率分量,t0表示在红、绿、蓝色通道上的水下透射率分量的平均值,Aα表示在α颜色通道上的水下背景光分量,ρα表示α颜色通道的加权参数。
可选地,所述对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像的步骤包括:确定所述去雾处理后的图像在各颜色通道上的直方图分量的上、下边界值;根据各颜色通道上的直方图分量的上、下边界值确定图像像素值映射函数;根据所述图像像素值映射函数对所述去雾处理后的水下图像进行映射,并将映射后的图像作为所述拉伸后的水下图像。
可选地,所述图像像素值映射函数满足:
其中,Jα(x)表示去雾处理后的水下图像在α颜色通道的分量,表示所述去雾处理后的图像在α颜色通道的直方图分量的下边界值,表示所述去雾处理后的图像在α颜色通道的直方图分量的上边界值,G()函数表示将像素值保持在8比特图像的值域范围内;F(Jα(x))表示图像像素值映射函数。
可选地,所述方法还包括:对所述拉伸后的水下图像进行压缩编码,然后对压缩编码后的图像进行打包处理,再将打包处理得到的数据包发送至上位机。
可选地,所述方法还包括:基于GPU执行所述步骤2至步骤3。
为了解决上述技术问题,另一方面,本发明还提供了一种水下图像增强处理装置。
本发明的水下图像增强处理装置包括:获取模块,用于获取待处理的水下图像;第一处理模块,用于根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像;第二处理模块,用于对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
可选地,所述第一处理模块根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像包括:第一处理模块构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论;第一处理模块估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量;然后第一处理模块根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
(三)有益效果
本发明的上述技术方案具有如下优点:通过获取待处理的水下图像,根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,对所述去雾处理后的水下图像进行直方图拉伸这些步骤,能够实现对水下图像的增强处理。本发明通过将基于红通道先验理论的去雾处理与直方图拉伸处理相结合,能够提高水下图像增强处理效果,提高增强处理后的图像的清晰度;另外,本发明通过GPU执行水下图像增强处理算法,能够提高图像增强处理效率,保证图像增强处理的实时性。
附图说明
图1是本发明实施例一中的水下图像增强处理方法的主要步骤示意图;
图2是本发明实施例二中的去雾处理步骤的流程示意图;
图3是本发明实施例三中的直方图拉伸处理步骤的流程示意图;
图4是本发明实施例四中的水下图像增强处理装置的主要模块示意图;
图5是本发明实施例可以应用于其中的系统架构示意图。
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的一部分实施例,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做出创造性劳动的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。
实施例一
图1是本发明实施例一中的水下图像增强处理方法的主要步骤示意图。如图1所示,本发明实施例的水下图像增强处理方法包括:
步骤S101、获取待处理的水下图像。
具体实施时,可先通过相机拍摄水下图像数据(所述水下图像数据可以为视频数据),然后通过OpenCV(一种跨平台的计算机视觉库)或者其他类似的软件工具对水下图像数据进行解码,再将解码后的水下图像传送至图像增强处理装置进行处理。
步骤S102、根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
暗通道先验去雾算法的主要思想是自然场景中的非天空图像,其红(r)、绿(g)、蓝(b)颜色通道中至少有一个通道有非常低的像素值。现有技术中的暗通道先验去雾算法在图像去雾上有很好的效果,但是却不适用于水下图像的去雾处理,这是因为相对于大气环境,水下不同波长的光吸收速率不同。
红通道先验去雾理论在暗通道先验的基础上,考虑了水下不同波长的光吸收速率不同的情况,进而适用于水下图像的去雾处理。关于步骤S102具体如何实施,将在图2所示实施例中进行详细说明。
步骤S103、对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
在本发明实施例中,通过在对水下图像进行去雾处理之后,又对水下图像进行直方图拉伸,能够很好地恢复水下图像过度损失的对比度,使得处理后的图像更清晰,提高了水下图像增强处理的效果。另外,由于在步骤S102的去雾处理之后,再对水下图像进行直方图拉伸,避免了现有技术中直接对图像进行对比度恢复的局限性。
关于步骤S103具体如何实施,将在图3所示实施例中进行详细说明。此外,在具体实施时,本发明实施例的水下图像增强处理方法,尤其是步骤S102和步骤S103,可基于GPU执行,以提高水下图像增强处理效率,保证水下图像增强处理的实时性。
进一步,在步骤S103之后,本发明实施例的方法还可包括以下步骤:对所述拉伸后的水下图像进行压缩编码,然后对编码后的图像进行打包处理,再将打包处理得到的数据包发送至上位机。具体实施时,可采用H264或者其他压缩编码格式对直方图拉伸后的图像进行压缩编码。另外,在具体实施时,可基于RTP或RTCP等网络数据传输协议对压缩编码后的图像进行打包、发送。在本发明实施例中,通过对增强处理后的水下图像进行压缩编码、打包处理,能够极大提高数据的传输速度。
在本发明实施例中,通过以上步骤能够实现对水下图像的增强处理;通过将基于红通道先验理论的去雾处理与直方图拉伸处理相结合,能够提高水下图像增强处理效果,提高增强处理后的图像的清晰度,进而有助于提高用户的视觉体验。
实施例二
图2是本发明实施例二中的去雾处理步骤的流程示意图。如图2所示,本发明实施例中的去雾处理步骤具体包括:
步骤S201、构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论。
考虑到红光在水下的吸收速率较快,因此水下图像的红通道几乎都含有非常低的像素值,因此构建了如下由各颜色通道分量表示的水下成像散射模型:
式中,Ir(x)表示在红色通道上的待处理水下图像分量,tr(x)表示在红色通道上的水下透射率分量,Jr(x)表示去雾处理后的水下图像在红色通道上的分量,Ar表示在红色通道上的水下背景光分量,Ig(x)表示在绿色通道上的待处理水下图像分量,tg(x)表示在绿色通道上的水下透射率分量,Jg(x)表示去雾处理后的水下图像在绿色通道上的分量,Ag表示在绿色通道上的水下背景光分量,Ib(x)表示在蓝色通道上的待处理水下图像分量,tb(x)表示在蓝色通道上的水下透射率分量,Jb(x)表示去雾处理后的水下图像在蓝色通道上的分量,Ab(x)表示在蓝色通道上的水下背景光分量。另外,所述水下成像散射模型也可称为红通道先验模型。
进一步,所述水下成像散射模型符合改进后的暗通道先验(也可称为“红通道先验”),如下式:
其中,Ω(x)表示以像素x为中心的一个窗口,y∈Ω(x)表示窗口Ω(x)内的像素,Jr(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的红色通道分量,表示在窗口Ω(x)内(1-Jr(y))的最小值,Jg(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的绿色通道分量,表示在窗口Ω(x)内Jg(y)的最小值,Jb(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的蓝色通道分量,表示在窗口Ω(x)内Jb(y)的最小值。
步骤S202、估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量。
在一可选实施方式中,可将水下背景光定义为待处理的水下图像中最大亮度的像素位置x0处的像素值I(x0),进而各颜色通道的水下背景光分量可根据下式进行估计:
其中,表示水下背景光,Ar表示在红色通道的水下背景光分量,Ag表示在绿色通道的水下背景光分量,Ab表示在蓝色通道的水下背景光分量,Ir(x0)表示像素值I(x0)在红色通道的分量,Ig(x0)表示像素值I(x0)在绿色通道的分量,Ib(x0)表示像素值I(x0)在蓝色通道的分量。
在另一可选实施方式中,可将水下背景光定义为待处理的水下图像中低于最大亮度的某一像素位置x1处的像素值I(x1),进而各颜色通道的水下背景光分量可根据下式进行估计:
其中,表示水下背景光,Ar表示在红色通道的水下背景光分量,Ag表示在绿色通道的水下背景光分量,Ab表示在蓝色通道的水下背景光分量,Ir(x1)表示像素值I(x1)在红色通道的分量,Ig(x1)表示像素值I(x1)在绿色通道的分量,Ib(x1)表示像素值I(x1)在蓝色通道的分量。
在估计得到各颜色通道的水下背景光之后,可根据如下方式估计各颜色通道上的水下透射率分量:根据水下成像散射模型和改进后的暗通道先验、以及估计得到的红色通道的水下背景光估计红色通道上的水下透射率分量,然后根据红色通道上的水下透射率分量估计绿色通道、蓝色通道上的水下透射率分量。
具体来说,可先根据水下成像散射模型和改进后的暗通道先验得出如下公式,然后基于该公式估计红色通道上的水下透射率分量:
其中,表示红色通道上的水下透射率分量的估计值,Ar为红色通道的水下背景光,Ir(y)为待处理的水下图像在窗口Ω(x)中任一像素处的红色通道分量。
在得到红色通道上的水下透射率分量之后,可根据如下公式估计绿色、蓝色通道的水下透射率分量:
其中,表示绿色通道上的水下透射率分量,表示蓝色通道上的水下透射率分量,λg、λb分别表示与波长有关的参数。
步骤S203、根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
具体来说,可根据如下公式对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像:
其中,α∈{r,g,b}表示颜色通道的取值为红色通道、绿色通道或蓝色通道,Jα(x)表示去雾处理后的水下图像在α颜色通道上的分量,Iα(x)表示在α颜色通道上的待处理水下图像分量,tα(x)表示在α颜色通道上的水下透射率分量,t0表示在红、绿、蓝色通道上的水下透射率分量的平均值,Aα表示在α颜色通道上的水下背景光分量,ρα表示α颜色通道的加权参数。
在本发明实施例中,通过以上步骤能够实现对水下图像的去雾处理。由于本发明实施例采用了红通道先验去雾算法,在去雾处理时考虑到了不同颜色光在水下吸收速率不同、水下透射率不同,因此具有更好地去雾效果。
实施例三
图3是本发明实施例三中的直方图拉伸处理步骤的流程示意图。如图3所示,本发明实施例的直方图拉伸处理步骤具体包括:
步骤S301、确定去雾处理后的图像在各颜色通道上的直方图分量的上、下边界值。
在该步骤中,可先计算去雾处理后的图像在各颜色通道上的直方图分量Hα(α∈{r,g,b}),然后确定各颜色通道上的直方图分量的上、下边界值。各颜色通道上的直方图分量的上、下边界值可表示为:
其中,Lα表示α颜色通道上的直方图分量的边界值,表示α颜色通道上的直方图分量的下边界值(或称为最小值),表示α颜色通道上的直方图分量的上边界值(或称为最大值)。
进一步,为了保持Lα的稳健性,还可在根据(8)式得到Lα之后,对Lα进行如下处理:
其中,ε1、ε2为设置的可调节参数,为处理后的α颜色通道上的直方图分量的边界值。进而,可根据(9)式处理后的边界值执行步骤S302。
步骤S302、根据各颜色通道上的直方图分量的上、下边界值确定图像像素值映射函数。
示例性地,所述图像像素值映射函数可满足:
其中,Jα(x)表示去雾处理后的水下图像在α颜色通道的分量,表示所述去雾处理后的图像在α颜色通道的直方图分量的下边界值,
表示所述去雾处理后的图像在α颜色通道的直方图分量的上边界值,G()函数表示将像素值保持在8比特图像的值域范围内;F(Jα(x))表示图像像素值映射函数。
步骤S303、根据所述图像像素值映射函数对所述去雾处理后的水下图像进行映射,并将映射后的图像作为所述拉伸后的水下图像。
在本发明实施例中,通过以上步骤能够实现对去雾处理后的水下图像进行直方图拉伸,能够很好地恢复水下图像过度损失的对比度,使得处理后的图像更清晰,提高了水下图像增强处理的效果。另外,由于在去雾处理之后,再对水下图像进行直方图拉伸,避免了现有技术中直接对图像进行对比度恢复的局限性。
实施例四
图4是本发明实施例四中的水下图像增强处理装置的主要模块示意图。如图4所示,本发明实施例的水下图像增强处理装置400包括:获取模块401、第一处理模块402、第二处理模块403。
获取模块401,用于获取待处理的水下图像。
具体实施时,可先通过相机拍摄水下图像数据(所述水下图像数据可以为视频数据),然后可通过OpenCV(一种跨平台的计算机视觉库)或者其他类似的软件工具对水下图像数据进行解码,再通过获取模块401获取解码后的水下图像,并将其作为待处理的图像。
第一处理模块402,用于根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
暗通道先验去雾算法的主要思想是自然场景中的非天空图像,其红(r)、绿(g)、蓝(b)颜色通道中至少有一个通道有非常低的像素值。现有技术中的暗通道先验去雾算法在图像去雾上有很好的效果,但是却不适用于水下图像的去雾处理,这是因为相对于大气环境,水下不同波长的光吸收速率不同。
红通道先验去雾理论在暗通道先验的基础上,考虑了水下不同波长的光吸收速率不同的情况,进而适用于水下图像的去雾处理。
示例性地,第一处理模块402根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像包括:
1、第一处理模块402构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论、
其中,第一处理模块402构建的由各颜色通道分量表示的水下成像散射模型可表示为:
式中,Ir(x)表示在红色通道上的待处理水下图像分量,tr(x)表示在红色通道上的水下透射率分量,Jr(x)表示去雾处理后的水下图像在红色通道上的分量,Ar表示在红色通道上的水下背景光分量,Ig(x)表示在绿色通道上的待处理水下图像分量,tg(x)表示在绿色通道上的水下透射率分量,Jg(x)表示去雾处理后的水下图像在绿色通道上的分量,Ag表示在绿色通道上的水下背景光分量,Ib(x)表示在蓝色通道上的待处理水下图像分量,tb(x)表示在蓝色通道上的水下透射率分量,Jb(x)表示去雾处理后的水下图像在蓝色通道上的分量,Ab(x)表示在蓝色通道上的水下背景光分量。另外,所述水下成像散射模型也可称为红通道先验模型。
并且,所述水下成像散射模型符合改进后的暗通道先验(也可称为“红通道先验”),如下式:
其中,Ω(x)表示以像素x为中心的一个窗口,y∈Ω(x)表示窗口Ω(x)内的像素,Jr(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的红色通道分量,表示在窗口Ω(x)内(1-Jr(y))的最小值,Jg(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的绿色通道分量,表示在窗口Ω(x)内Jg(y)的最小值,Jb(y)表示去雾处理后的水下图像在窗口Ω(x)中任一像素处的蓝色通道分量,表示在窗口Ω(x)内Jb(y)的最小值。
2、第一处理模块402估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量。
在一可选实施方式中,可将水下背景光定义为待处理的水下图像中最大亮度的像素位置x0处的像素值I(x0),进而第一处理模块402可根据如下公式估计各颜色通道的水下背景光分量:
其中,表示水下背景光,Ar表示在红色通道的水下背景光分量,Ag表示在绿色通道的水下背景光分量,Ab表示在蓝色通道的水下背景光分量,Ir(x0)表示像素值I(x0)在红色通道的分量,Ig(x0)表示像素值I(x0)在绿色通道的分量,Ib(x0)表示像素值I(x0)在蓝色通道的分量。
在另一可选实施方式中,可将水下背景光定义为待处理的水下图像中低于最大亮度的某一像素位置x1处的像素值I(x1),进而第一处理模块402可根据如下公式估计各颜色通道的水下背景光分量:
其中,表示水下背景光,Ar表示在红色通道的水下背景光分量,Ag表示在绿色通道的水下背景光分量,Ab表示在蓝色通道的水下背景光分量,Ir(x1)表示像素值I(x1)在红色通道的分量,Ig(x1)表示像素值I(x1)在绿色通道的分量,Ib(x1)表示像素值I(x1)在蓝色通道的分量。
在估计得到各颜色通道的水下背景光之后,第一处理模块402可根据如下方式估计各颜色通道上的水下透射率分量:根据水下成像散射模型和改进后的暗通道先验、以及估计得到的红色通道的水下背景光估计红色通道上的水下透射率分量,然后根据红色通道上的水下透射率分量估计绿色通道、蓝色通道上的水下透射率分量。
具体来说,第一处理模块402可先根据水下成像散射模型和改进后的暗通道先验得出如下公式,然后基于该公式估计红色通道上的水下透射率分量:
其中,表示红色通道上的水下透射率分量的估计值,Ar为红色通道的水下背景光,Ir(y)为待处理的水下图像在窗口Ω(x)中任一像素处的红色通道分量。
在得到红色通道上的水下透射率分量之后,第一处理模块402可根据如下公式估计绿色、蓝色通道的水下透射率分量:
其中,表示绿色通道上的水下透射率分量,表示蓝色通道上的水下透射率分量,λg、λb分别表示与波长有关的参数。
3、第一处理模块402根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
具体来说,第一处理模块402可根据如下公式对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像:
其中,α∈{r,g,b}表示颜色通道的取值为红色通道、绿色通道或蓝色通道,Jα(x)表示去雾处理后的水下图像在α颜色通道上的分量,Iα(x)表示在α颜色通道上的待处理水下图像分量,tα(x)表示在α颜色通道上的水下透射率分量,t0表示在红、绿、蓝色通道上的水下透射率分量的平均值,Aα表示在α颜色通道上的水下背景光分量,ρα表示α颜色通道的加权参数。
第二处理模块403,用于对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
示例性地,第二处理模块403对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像包括:
1、第二处理模块403确定所述去雾处理后的图像在各颜色通道上的直方图分量的上、下边界值。
具体来说,第二处理模块403可先计算去雾处理后的图像在各颜色通道上的直方图分量Hα(α∈{r,g,b}),然后确定各颜色通道上的直方图分量的上、下边界值。其中,各颜色通道上的直方图分量的上、下边界值可表示为:
其中,Lα表示α颜色通道上的直方图分量的边界值,表示α颜色通道上的直方图分量的下边界值(或称为最小值),表示α颜色通道上的直方图分量的上边界值(或称为最大值)。
在一可选实施方式中,为了保持Lα的稳健性,第二处理模块403还可在根据(8)式得到Lα之后,对Lα进行如下处理:
其中,ε1、ε2为设置的可调节参数,为处理后的α颜色通道上的直方图分量的边界值。进而,第二处理模块403可根据(9)式处理后的边界值执行后续的确定图像像素值映射函数的步骤。
2、第二处理模块403根据各颜色通道上的直方图分量的上、下边界值确定图像像素值映射函数。
示例性地,所述图像像素值映射函数可满足:
其中,Jα(x)表示去雾处理后的水下图像在α颜色通道的分量,表示所述去雾处理后的图像在α颜色通道的直方图分量的下边界值,表示所述去雾处理后的图像在α颜色通道的直方图分量的上边界值,G()函数表示将像素值保持在8比特图像的值域范围内;F(Jα(x))表示图像像素值映射函数。
3、第二处理模块403根据所述图像像素值映射函数对所述去雾处理后的水下图像进行映射,并将映射后的图像作为所述拉伸后的水下图像。
在本发明实施例中,通过在对水下图像进行去雾处理之后,又通过第二处理模块对水下图像进行直方图拉伸,能够很好地恢复水下图像过度损失的对比度,使得处理后的图像更清晰,提高了水下图像增强处理的效果。另外,由于在去雾处理之后,再对水下图像进行直方图拉伸,避免了现有技术中直接对图像进行对比度恢复的局限性。
进一步,本发明实施例的装置还可包括:第三处理模块,用于对所述拉伸后的水下图像进行压缩编码,然后对压缩编码后的图像进行打包处理,再将打包处理得到的数据包发送至上位机。在本发明实施例中,通过对增强处理后的水下图像进行压缩编码、打包处理,能够极大提高数据的传输速度。
此外,在具体实施时,本发明实施例中的去雾处理、直方图拉伸处理流程均可采用GPU执行,以提高水下图像增强处理效率,保证水下图像增强处理的实时性。
在本发明实施例中,通过以上装置能够实现对水下图像的增强处理;通过将第一处理模块基于红通道先验理论执行的去雾处理与第二处理模块执行的直方图拉伸处理相结合,能够提高水下图像增强处理效果,提高增强处理后的图像的清晰度,进而有助于提高用户的视觉体验。
实施例五
图5是本发明实施例中的可以应用于其中的系统架构示意图。如图5所示,系统架构示意图包括:相机501、水下图像增强处理装置502、上位机503。
相机501,可用于采集水下图像数据,比如水下视频数据。
水下图像增强处理装置502,可用于接收相机发送的水下图像数据,并对水下图像数据进行去雾处理、直方图拉伸处理,然后对拉伸处理后的水下图像进行压缩编码、并将压缩编码后的流媒体数据传送至上位机。具体实施时,水下图像增强处理装置可采用GPU这种硬件结构,以及CUDA、OpenCV开发包等软件工具包,以提高水下图像处理效率,保证水下图像处理的实时性。
上位机503,可用于对接收的流媒体数据进行解码、播放。
在本发明实施例中,通过以上系统能够实现对水下图像的增强处理。与现有技术相比,本发明实施例的系统不仅能够提高水下图像增强处理的效果,提高处理后的图像清晰度,而且能够提高水下图像增强处理效率,保证水下图像增强处理的实时性。
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 (10)
1.一种水下图像增强处理方法,其特征在于,所述方法包括:
步骤1、获取待处理的水下图像;
步骤2、根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像;
步骤3、对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
2.根据权利要求1所述的方法,其特征在于,所述根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像的步骤包括:
构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论;估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量;然后根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
3.根据权利要求2所述的方法,其特征在于,所述由各颜色通道分量表示的水下成像散射模型为:
1-Ir(x)=tr(x)(1-Jr(x))+(1-tr(x))(1-Ar);
Ig(x)=tg(x)Jg(x)+(1-tg(x))Ag;
Ib(x)=tb(x)Jb(x)+(1-tb(x))Ab;
式中,Ir(x)表示在红色通道上的待处理水下图像分量,tr(x)表示在红色通道上的水下透射率分量,Jr(x)表示去雾处理后的水下图像在红色通道上的分量,Ar表示在红色通道上的水下背景光分量,Ig(x)表示在绿色通道上的待处理水下图像分量,tg(x)表示在绿色通道上的水下透射率分量,Jg(x)表示去雾处理后的水下图像在绿色通道上的分量,Ag表示在绿色通道上的水下背景光分量,Ib(x)表示在蓝色通道上的待处理水下图像分量,tb(x)表示在蓝色通道上的水下透射率分量,Jb(x)表示去雾处理后的水下图像在蓝色通道上的分量,Ab(x)表示在蓝色通道上的水下背景光分量。
4.根据权利要求2所述的方法,其特征在于,根据如下公式执行所述根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理的步骤:
其中,α∈{r,g,b}表示颜色通道的取值为红色通道、绿色通道或蓝色通道,Jα(x)表示去雾处理后的水下图像在α颜色通道上的分量,Iα(x)表示在α颜色通道上的待处理水下图像分量,tα(x)表示在α颜色通道上的水下透射率分量,t0表示在红、绿、蓝色通道上的水下透射率分量的平均值,Aα表示在α颜色通道上的水下背景光分量,ρα表示α颜色通道的加权参数。
5.根据权利要求1所述的方法,其特征在于,所述对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像的步骤包括:
确定所述去雾处理后的图像在各颜色通道上的直方图分量的上、下边界值;根据各颜色通道上的直方图分量的上、下边界值确定图像像素值映射函数;根据所述图像像素值映射函数对所述去雾处理后的水下图像进行映射,并将映射后的图像作为所述拉伸后的水下图像。
6.根据权利要求5所述的方法,其特征在于,所述图像像素值映射函数满足:
其中,Jα(x)表示去雾处理后的水下图像在α颜色通道的分量,表示所述去雾处理后的图像在α颜色通道的直方图分量的下边界值,表示所述去雾处理后的图像在α颜色通道的直方图分量的上边界值,G()函数表示将像素值保持在8比特图像的值域范围内,F(Jα(x))表示图像像素值映射函数。
7.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:对所述拉伸后的水下图像进行压缩编码,然后对压缩编码后的图像进行打包处理,再将打包处理得到的数据包发送至上位机。
8.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:基于GPU执行所述步骤2至步骤3。
9.一种水下图像增强处理装置,其特征在于,所述装置包括:
获取模块,用于获取待处理的水下图像;
第一处理模块,用于根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像;
第二处理模块,用于对所述去雾处理后的水下图像进行直方图拉伸,以得到拉伸后的水下图像。
10.根据权利要求9所述的装置,其特征在于,所述第一处理模块根据红通道先验去雾理论对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像包括:
第一处理模块构建由各颜色通道分量表示的水下成像散射模型,其中,所述水下成像散射模型符合红通道先验去雾理论;第一处理模块估计在各颜色通道上的水下背景光分量、以及在各颜色通道上的水下透射率分量;然后第一处理模块根据所述水下成像散射模型、所述水下背景光分量和所述水下透射率分量对所述待处理的水下图像进行去雾处理,以得到去雾处理后的水下图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910083780.3A CN109859129A (zh) | 2019-01-29 | 2019-01-29 | 一种水下图像增强处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910083780.3A CN109859129A (zh) | 2019-01-29 | 2019-01-29 | 一种水下图像增强处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109859129A true CN109859129A (zh) | 2019-06-07 |
Family
ID=66896620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910083780.3A Pending CN109859129A (zh) | 2019-01-29 | 2019-01-29 | 一种水下图像增强处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859129A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953327A (zh) * | 2023-03-09 | 2023-04-11 | 极限人工智能有限公司 | 一种图像增强方法、系统、可读存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125146A1 (en) * | 2014-02-19 | 2015-08-27 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for dehazing natural images using color-lines |
CN104952069A (zh) * | 2015-05-29 | 2015-09-30 | 中国农业大学 | 基于限制对比度直方图均衡化的水下海参图像处理方法 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
WO2017175231A1 (en) * | 2016-04-07 | 2017-10-12 | Carmel Haifa University Economic Corporation Ltd. | Image dehazing and restoration |
CN107705258A (zh) * | 2017-09-19 | 2018-02-16 | 东华大学 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
CN107798665A (zh) * | 2017-11-07 | 2018-03-13 | 天津大学 | 基于结构‑纹理分层的水下图像增强方法 |
-
2019
- 2019-01-29 CN CN201910083780.3A patent/CN109859129A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125146A1 (en) * | 2014-02-19 | 2015-08-27 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for dehazing natural images using color-lines |
CN104952069A (zh) * | 2015-05-29 | 2015-09-30 | 中国农业大学 | 基于限制对比度直方图均衡化的水下海参图像处理方法 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
WO2017175231A1 (en) * | 2016-04-07 | 2017-10-12 | Carmel Haifa University Economic Corporation Ltd. | Image dehazing and restoration |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
CN107705258A (zh) * | 2017-09-19 | 2018-02-16 | 东华大学 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
CN107798665A (zh) * | 2017-11-07 | 2018-03-13 | 天津大学 | 基于结构‑纹理分层的水下图像增强方法 |
Non-Patent Citations (2)
Title |
---|
ADRIAN GALDRAN ET AL.: "Automatic Red-Channel underwater image restoration", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 * |
CHONGYI LI: "Underwater image enhancement by dehazing and color correction", 《JOURNAL OF ELECTRONIC IMAGING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953327A (zh) * | 2023-03-09 | 2023-04-11 | 极限人工智能有限公司 | 一种图像增强方法、系统、可读存储介质及电子设备 |
CN115953327B (zh) * | 2023-03-09 | 2023-09-12 | 极限人工智能有限公司 | 一种图像增强方法、系统、可读存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A fast single-image dehazing method based on a physical model and gray projection | |
Goyal et al. | Fast and enhanced algorithm for exemplar based image inpainting | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN108596853A (zh) | 基于背景光统计模型和传输地图优化的水下图像增强方法 | |
CN103475826A (zh) | 一种视频抠像合成方法 | |
WO2007020570A2 (en) | Video processing method and device for depth extraction | |
EP2792145A1 (en) | Backwards-compatible delivery of digital cinema content with extended dynamic range | |
Liu et al. | Rank-one prior: Real-time scene recovery | |
CN101082992A (zh) | 实时高动态范围图像的绘制和显示方法 | |
CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
WO2009091152A9 (en) | Color recovery method and system | |
CN106780380A (zh) | 一种图像去雾方法及系统 | |
CN107527325A (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
WO2024060576A1 (zh) | 一种基于暗通道先验的图像去雾方法 | |
CN109741289A (zh) | 一种图像融合方法和vr设备 | |
CN112233165A (zh) | 一种基于多平面图像学习视角合成的基线扩展实现方法 | |
CN104680518B (zh) | 一种基于色度溢出处理的蓝屏抠像方法 | |
CN104881848A (zh) | 一种基于cuda的低照度图像增强并行优化方法 | |
CN109889799A (zh) | 基于rgbir摄像头的单目结构光深度感知方法及装置 | |
CN103208107A (zh) | 终端、图像的修复方法和装置 | |
CN109859129A (zh) | 一种水下图像增强处理方法和装置 | |
CN109658488B (zh) | 一种虚实融合系统中通过可编程gpu加速解码摄像头视频流的方法 | |
WO2016197323A1 (zh) | 视频编解码方法和视频编解码器 | |
CN108900825A (zh) | 一种2d图像到3d图像的转换方法 | |
CN106887024B (zh) | 照片的处理方法及处理系统 |
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: 20190607 |
|
RJ01 | Rejection of invention patent application after publication |