CN109993714A - 一种有色眩光的去除方法 - Google Patents
一种有色眩光的去除方法 Download PDFInfo
- Publication number
- CN109993714A CN109993714A CN201910283005.2A CN201910283005A CN109993714A CN 109993714 A CN109993714 A CN 109993714A CN 201910283005 A CN201910283005 A CN 201910283005A CN 109993714 A CN109993714 A CN 109993714A
- Authority
- CN
- China
- Prior art keywords
- image
- dazzle
- dark channel
- value
- original image
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 230000004297 night vision Effects 0.000 description 6
- 230000004313 glare Effects 0.000 description 4
- 239000003595 mist Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- 230000003313 weakening 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种有色眩光的去除方法，其特征在于它包括以下步骤：首先，输入包含有色眩光的原始图像，计算原始图像的暗通道图像，其次，通过暗通道图像计算所述图像的大气光值A；第三，通过暗通道图像计算所述图像的透射率；最后输入原始图像、大气光值A和透射率到计算公式中去除所述图像中存在的眩光，图像恢复。本发明处理速度快，效率高。
Description
技术领域
本发明涉及一种图像处理领域，尤其是一种晚间灯光照明条件下获取的图像的处理技术，具体地说是一种红色、绿色、蓝色、黄色等常见信号灯产生的有色眩光的去除方法。
背景技术
在夜间行车过程中，由于道路旁路灯、前车尾灯及对面来车的照明灯等影响，行车记录仪采集到的夜视图像中通常包含了大量的眩光，其按照颜色可以分为白色眩光、红色眩光和黄色眩光等。白色眩光和红色眩光最为常见且对图像影响较大，黄色等眩光通常被这两种颜色眩光覆盖，对图像影响较小。
眩光问题通常的解决方法是改善照明方案或者进行遮光处理，但是夜视图像中光源的不确定性使得传统的解决方法很难达到预期效果。行车记录仪采集到的夜视图像中的白色眩光呈现雾状特征，可以使用去雾或者图像增强的方法进行去除。常用的去雾方法有暗通道先验去雾方法、直方图均衡去雾、Retinex和同态滤波等。暗通道先验去雾方法在夜视图像的场景中表现最好，能够作为白色眩光的去除方法。
使用暗通道先验去雾算法去除图像中的白色眩光时，首先计算输入图像的暗通道图像，并使用导向滤波或其他方法对其进行细化处理，然后通过得到的暗通道图像获取大气光值和透射率，最后使用恢复公式去除图像中的白色眩光。暗通道先验理论基于暗通道图像的一个重要特性：无雾图像的暗通道图像的灰度值很低，有雾图像的暗通道图像的灰度值较高。暗通道先验去雾理论根据这一特性将暗通道图像作为原始图像中雾的衡量标准，并由此推导出图像恢复公式去雾图像中的白色雾状噪声，此方法同样适用于白色雾状眩光的去除。
红色眩光主要是由车辆尾灯的灯光在空气中尘埃的散射作用下形成的，存在于车辆尾灯的周围，呈现出红色的光晕；同时，在夜间行驶的情况下，路面也会反射少量的红色光，使得夜视图像中前方车辆尾部区域不均匀的分布着红色眩光。夜视图像的红色眩光和白色眩光一样严重影响图像处理算法的实现。红色眩光和白色眩光在形态上呈现出相似的雾状特征，其去除方法主要依靠先进的硬件设备，如红外摄像头，但通过图像处理的方式对其进行抑制的研究少之又少。
摄像头作为汽车的视觉感知设备，其采集的信息很大程度上影响了辅助驾驶决策的制定。眩光的存在不仅影响图像的视觉效果，同时极大削弱了摄像头的辅助驾驶作用，限制智能算法的实现。因此，在夜间行车情况下，如何充分发挥摄像头的作用，充分利用其采集到的数据，提高辅助驾驶的实用性是一个亟待解决的问题。
发明内容
本发明的目的是针对现有的智能驾驶系统的图像处理装置无法处理有色眩光而影响对道路通行状态判定的问题，发明一种能快速处理各类有色眩光的眩光处理方法。
本发明的技术方案是：
一种有色眩光的去除方法，其特征在于它包括以下步骤：
(1)输入包含有色眩光的原始图像，计算原始图像的暗通道图像：
其中，Kdark(x)表示暗通道图像，Ω(x)表示以像素点x为中心的窗口，Jε(y)(ε∈{G,B})表示原始图像的G,B单通道图像；
(2)通过暗通道图像计算所述图像的大气光值A；
(3)通过暗通道图像计算所述图像的透射率，计算公式为：
其中，t(x)为透射率矩阵，I(y)为输入图像，w为比例系数，c表示图像通道。
(4)图像恢复：输入原始图像、大气光值A和透射率去除所述图像中存在的眩光，图像恢复公式为：
其中，J(x)为去眩光后的图像，I(x)为原始图像，t0为常数，其作用是调整图像处理效果，防止过度处理。作为本发明的改进方案，t0的取值范围为0.05～0.2。
所述的有色眩光包括红色眩光、绿色眩光或蓝色眩光，输入的原始图像包含眩光类噪声。
输入图像为不限于色彩空间的多通道图像，
对暗通道图像的细化处理方法包括导向滤波法和最小值滤波法。
所述的大气光值A的求取方法为：
(1)对暗通道图像的灰度值进行排序，找到前0.1％的像素值的位置；
(2)在原始图像中寻找对应位置的亮度值的平均值作为A；亮度值为近似值或近似常数。
在RGB色彩空间中，亮度的计算公式为：
Y＝0.399R+0.587G+0.114B
其中，Y表示某一像素点的亮度，R,G,B表示该像素点的不同通道的灰度值。
具体实施时，原始图像需进行归一化处理。并采用加速计算方法求取暗通道图像、大气光值A及透射率。
本发明的有益效果：
本发明通过全新的暗通道图像计算方式，实现了红色眩光的去除。具有快速方便，效果好的优点，能满足自动驾驶技术的需要。
附图说明
图1是本发明去除眩光算法流程图。
图2是本发明的包含眩光的夜视图像。
图3本发明的去除白色眩光效果图。
图4本发明去除红色眩光效果图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-4所示。
一种有色眩光的去除方法，以输入图像为行车记录仪输出视频帧为例(图2)，尺寸1280*720，图像中包含白色眩光和红色眩光，图像整体灰度值很大，前方车辆特征被眩光覆盖，无法有效提取出有用信息。因此应先进行白色眩光的处理，然后再进行红色眩光的处理，整个计算过程如图1所示。
白色眩光的处理过程为：
对图像进行降采样处理，采样比例0.5。
计算图像的暗通道图像：对于白色眩光，暗通道图像计算公式为：
其中，Jdark(x)表示白色眩光的暗通道图像，Ω(x)表示以像素点x为中心的窗口，Jβ(y)(β∈{R,G,B})表示原始图像各单通道图像。
计算大气光值A：
将暗通道图像中的像素值按照行、列从大到小分别排序，然后计算图像0.1％的像素个数，并在排序后的暗通道图像中以左上角为原点划分出相应个数的元素，并计算其平均值。
使用计算值作为二值化的阈值分割原始暗通道图像，生成掩膜。并使用此掩膜提取原始图像中的像素值，最后计算其亮度的平均值即为A。
在RGB色彩空间中，亮度的计算公式为：
Y＝0.399R+0.587G+0.114B
通过暗通道图像计算所述图像的透射率t，计算方法为：
其中，t(x)为透射率矩阵，I(y)为输入图像，w取0.9，c表示图像通道。
将原始图像、大气光值A和透射率t代入图像恢复公式以去除图像中的白色眩光：
其中，J(x)为去眩光后的图像，I(x)为原始图像，取t0＝0.1，计算过程如图1所示，去除白色眩光后的照片如图3所示。
其次进行红色眩光处理：
首先，判断红色眩光区域，计算暗通道图像：
暗通道图像计算公式为：
其中，Kdark(x)表示红色眩光的暗通道图像，Ω(x)表示以像素点x为中心的窗口，Jε(y)(ε∈{G,B})表示原始图像的G,B单通道图像。
计算大气光值A：
将暗通道图像中的像素值按照行、列从大到小分别排序，然后计算图像0.1％的像素个数，并在排序后的暗通道图像中以左上角为原点划分出相应个数的元素，并计算其平均值。
使用计算值作为二值化的阈值分割原始暗通道图像，生成掩膜。并使用此掩膜提取原始图像中的像素值，最后计算其亮度的平均值即为A。
在RGB色彩空间中，亮度的计算公式为：
Y＝0.399R+0.587G+0.114B
通过暗通道图像计算所述图像的透射率t，计算方法为：
其中，t(x)为透射率矩阵，I(y)为输入图像，w取0.9(取值范围为0.8-1之间)，c表示图像通道。
将原始图像、大气光值A和透射率t带入图像恢复公式以去除图像中的红色眩光：
其中，J(x)为去眩光后的图像，I(x)为原始图像，取t0＝0.1(也可取0.05-0.2之间的任一值)。使用图像恢复公式去除图像中的红色眩光后的效果如图4所示。
同理，利用本发明的方法可处理绿色眩光、黄色眩光等其它常见的眩光。
以上实施仅说明本发明的技术思想，但本发明的保护不限于此，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (7)
1.一种有色眩光的去除方法，其特征在于它包括以下步骤：
(1)输入包含有色眩光的原始图像，计算原始图像的暗通道图像：
其中，Kdark(x)表示暗通道图像，Ω(x)表示以像素点x为中心的窗口，Jε(y)(ε∈{G,B})表示原始图像的G,B单通道图像；
(2)通过暗通道图像计算所述图像的大气光值A；
(3)通过暗通道图像计算所述图像的透射率，计算公式为：
其中，t(x)为透射率矩阵，I(y)为输入图像，w为比例系数，c表示图像通道。
(4)图像恢复：输入原始图像、大气光值A和透射率去除所述图像中存在的眩光，图像恢复公式为：
其中，J(x)为去眩光后的图像，I(x)为原始图像，t0为常数。
2.根据权利要求1所述的方法，其特征在于所述的有色眩光包括红色眩光、绿色眩光或蓝色眩光，输入的原始图像包含眩光类噪声。
3.根据权利要求1所述的方法，其特征在于输入图像为不限于色彩空间的多通道图像。
4.根据权利要求1所述的方法，其特征在于对暗通道图像的细化处理方法包括导向滤波法和最小值滤波法。
5.根据权利要求1所述的方法，其特征在于所述的大气光值A的求取方法为：
(1)对暗通道图像的灰度值进行排序，找到前0.1％的像素值的位置；
(2)在原始图像中寻找对应位置的亮度值的平均值作为A；亮度值为近似值或近似常数。
6.根据权利要求1所述的方法，其特征在于原始图像需进行归一化处理。
7.根据权利要求1所述的方法，其特征在于采用加速计算方法求取暗通道图像、大气光值A及透射率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910283005.2A CN109993714B (zh) | 2019-04-10 | 2019-04-10 | 一种有色眩光的去除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910283005.2A CN109993714B (zh) | 2019-04-10 | 2019-04-10 | 一种有色眩光的去除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109993714A true CN109993714A (zh) | 2019-07-09 |
| CN109993714B CN109993714B (zh) | 2023-05-02 |
Family
ID=67132717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910283005.2A Active CN109993714B (zh) | 2019-04-10 | 2019-04-10 | 一种有色眩光的去除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993714B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
| CN105631831A (zh) * | 2016-03-14 | 2016-06-01 | 北京理工大学 | 一种雾霾条件下视频图像增强方法 |
| CN107798661A (zh) * | 2017-10-17 | 2018-03-13 | 华南理工大学 | 一种自适应的图像增强方法 |
| CN108230275A (zh) * | 2018-02-05 | 2018-06-29 | 电子科技大学 | 图像去雾的方法 |
| CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
-
2019
- 2019-04-10 CN CN201910283005.2A patent/CN109993714B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063853A (zh) * | 2014-07-07 | 2014-09-24 | 南京通用电器有限公司 | 一种基于暗通道技术的提高交通视频图像清晰度方法 |
| CN105631831A (zh) * | 2016-03-14 | 2016-06-01 | 北京理工大学 | 一种雾霾条件下视频图像增强方法 |
| CN107798661A (zh) * | 2017-10-17 | 2018-03-13 | 华南理工大学 | 一种自适应的图像增强方法 |
| CN108230275A (zh) * | 2018-02-05 | 2018-06-29 | 电子科技大学 | 图像去雾的方法 |
| CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109993714B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104036466B (zh) | 一种视频去雾方法与系统 | |
| CN106251300B (zh) | 一种基于Retinex的快速夜间雾天图像复原方法 | |
| CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
| WO2019205707A1 (zh) | 基于暗通道的线状自适应改进全局大气光的图像去雾方法 | |
| CN109255759B (zh) | 基于天空分割和透射率自适应修正的图像去雾方法 | |
| CN106886985B (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
| CN107451966B (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
| 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 | |
| CN106530257A (zh) | 一种基于暗通道先验模型的遥感图像去雾方法 | |
| CN102289791B (zh) | 一种快速单幅图像去雾方法 | |
| CN107103591A (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
| CN111292258A (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
| CN107316278A (zh) | 一种水下图像清晰化处理方法 | |
| CN112200746B (zh) | 一种雾天交通场景图像的去雾方法和设备 | |
| CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
| CN109584176B (zh) | 机动车驾驶视觉增强系统 | |
| CN105701783A (zh) | 一种基于环境光模型的单幅图像去雾方法及装置 | |
| CN111754440A (zh) | 车牌图像增强方法、系统、设备及存储介质 | |
| CN108564538A (zh) | 一种基于环境光差异的图像去雾霾方法及系统 | |
| CN109493299B (zh) | 一种消除点光源光照影响的方法 | |
| CN110874823A (zh) | 一种基于暗原色先验与同态滤波的矿井雾尘图像增强方法 | |
| CN108109129A (zh) | 一种基于近红外的快速图像去雾方法 | |
| 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 | |
| CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
| CN105989583A (zh) | 一种图像去雾方法 |
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 |