CN110648297A - 图像去雾方法、系统、电子设备和存储介质 - Google Patents
图像去雾方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110648297A CN110648297A CN201910914716.5A CN201910914716A CN110648297A CN 110648297 A CN110648297 A CN 110648297A CN 201910914716 A CN201910914716 A CN 201910914716A CN 110648297 A CN110648297 A CN 110648297A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- original
- reconstructed
- value
- 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 72
- 238000001914 filtration Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 125000001475 halogen functional group Chemical group 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000003702 image correction 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
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像去雾方法、系统、电子设备和存储介质。方法包括：获取待去雾的原始图像；采用像素窗口函数对原始图像的像素值进行滤波处理，得到暗通道图像的均值；将原始图像转换成HIS图像；根据均值对HIS图像的亮度采用查表方式进行重建，得到亮度重建的HIS图像；对亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正后的HIS图像；对HIS图像进行色饱和度调节，得到调节后的HIS图像；根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转化生成RGB图像，得到去雾后的图像。上述的处理去雾算法在得到暗通道图像的均值时采用像素窗口函数，可以使得到的数据更加准确，从而进一步提高了后期图像处理的准确性。
Description
技术领域
本申请涉及图像技术领域，特别是涉及一种图像去雾方法、系统、计算机 设备和存储介质。
背景技术
随着智慧城市和安防快速发展，视频监控遍布在我们生活的每个角落。但 随着大气污染的加重，雾霾天气出现的频率越来越高。雾霾天气下，大气中悬 浮的细微颗粒以及水滴会对光线产生吸收、散射和折射等作用，使得雾天生成 的图像场景不清晰、图像细节丢失，限制了雾天图像和视频在交通监控、目标 跟踪、自主导航等领域的应用。因此，在恶劣天气条件下，如何获得高质量的 清晰图像以实现目标物体的准确检测就显得尤为重要。
目前，现有的图像去雾的方法分为两大类：基于增强的方法和基于复原的 方法。基于图像增强的方法有对比度增强、基于Retinex理论和图像融合的方法， 此类图像去雾的方法不考虑雾天图像退化的原因，只是在一定程度上增强视觉 效果，这种增强会伴随着一些信息的消失和相应噪声的引入。基于图像复原的 方法是目前应用比较广泛的方法，例如基于暗原色先验的方法，但这一类的算 法复原出的图像在边缘处有光晕效应，出现图像去雾不彻底现象。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决的问题的图像去雾 方法、系统、电子设备和存储介质。
一种图像去雾方法，所述方法包括：
获取待去雾的原始图像；
采用像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图 像的均值；
将所述原始图像转换成HIS图像；
根据所述均值对所述HIS图像的亮度采用查表方式进行重建，得到亮度重 建的HIS图像；
对所述亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正 后的HIS图像；
对所述HIS图像进行色饱和度调节，得到调节后的HIS图像；
根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转化生成 RGB图像，得到去雾后的图像。
在其中一个实施例中，采用像素窗口函数对所述原始图像的像素值进行滤 波处理，得到暗通道图像的均值的步骤中，包括：
采用8*8像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通 道图像的均值。
在其中一个实施例中，采用8*8像素窗口函数对所述原始图像的像素值进 行滤波处理，得到暗通道图像的均值的步骤中，包括：
在滤波处理过程采用三级并行流水的方式进行加法运算。
在其中一个实施例中，将所述原始图像转换成HIS图像的步骤中，包括：
根据原始图像确定RGB像素最小值；
根据所述RGB像素最小值进行HIS空间角度编码；
根据编码后的结果确定HIS图像，其中在确定HIS图像时采用以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表 示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B 表示蓝色。
在其中一个实施例中，对所述亮度重建的HIS图像依次进行亮度增强和亮 度曲线校正的步骤中，包括：
对所述亮度重建的HIS图像采用差分放大方法进行亮度增强，得到增强后 的HIS图像。
在其中一个实施例中，对重建亮度依次进行亮度增强和亮度曲线校正的步 骤中，还包括：
根据所述增强后的HIS图像生成查找表；
对所述增强后的HIS图像的亮度乘以预设校正系数，得到亮度乘法值；
根据所述亮度乘法值在所述查找表中查找对应的亮度值，得到矫正后的HIS 图像。
在其中一个实施例中，对所述HIS图像进行色饱和度调节，得到调节后的 HIS图像的步骤中，包括：
对所述HIS图像的色饱和度乘以预设色饱和度系数，得到调节后的HIS图 像。
在其中一个实施例中，所述系统包括：
图像获取模块，用于获取待去雾的原始图像；
均值得到模块，用于采用像素窗口函数对所述原始图像的像素值进行滤波 处理，得到暗通道图像的均值；
第一图像转换模块，用于将所述原始图像转换成HIS图像；
亮度重建模块，用于根据所述均值对所述HIS图像的亮度采用查表方式进 行重建，得到亮度重建的HIS图像；
图像增强校正模块，用于对所述亮度重建的HIS图像依次进行亮度增强和 亮度曲线校正，得到校正后的HIS图像；
图像调节模块，用于对所述HIS图像进行色饱和度调节，得到调节后的HIS 图像；
第二图像转换模块，用于根据校正后的HIS图像和调节后的HIS图像采用 图像转化模型，转化生成RGB图像，得到去雾后的图像。
一种电子设备，包括图像采集装置和控制装置，所述图像采集装置用于采 集待去雾的原始图像，并将所述原始图像发送至所述控制装置；
所述控制装置执行所述图像去雾方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处 理器执行时实现以下步骤：
获取待去雾的原始图像；
采用像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图 像的均值；
将所述原始图像转换成HIS图像；
根据所述均值对所述HIS图像的亮度采用查表方式进行重建，得到亮度重 建的HIS图像；
对所述亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正 后的HIS图像；
对所述HIS图像进行色饱和度调节，得到调节后的HIS图像；
根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转化生成 RGB图像，得到去雾后的图像。
上述图像去雾方法、系统、电子设备和存储介质，首先获得待去雾的原始 图像，采用像素窗口函数对原始图像进行滤波处理，得到暗通道图像的均值， 将原始图像转换成HIS图像，采用均值对HIS图像亮度进行重建，对亮度重建 后的HIS图像进行亮度增强和亮度曲线校正，并对HIS图像进行色饱和度调节； 最后将亮度增强和亮度曲线校正后HIS图像和色调和度调节后的HIS图像进行 图像转化，生成RGB图像即可得到去雾后的图像。上述的处理去雾算法在得到 暗通道图像的均值时采用像素窗口函数，可以使得到的数据更加准确，从而进 一步提高了后期图像处理的准确性。另外，在图像去雾过程中对图像亮度进行增强和校正，其对图像的色饱和度进行调节，使得去雾后的图像更加清楚，能 有效减少图像中的光晕现象。
附图说明
图1为一实施例图像去雾方法应用环境的示意图；
图2为一个实施例中图像去雾方法的流程示意图；
图3为一个实施例中滤波过程中并行流水的结构示意图；
图4为一个实施例中滤波过程中3级并行流水方式的结构示意图；
图5为另一个实施例中图像去雾方法的流程示意图；
图6为另一个实施例中图像去雾方法的流程示意图；
图7为一个实施例中图像去雾系统的结构框图；
图8为一个实施例中电子设备的内部结构图；
图9为一个实施例中FPGA处理板的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅 用以解释本申请，并不用于限定本申请。
本方法运用于图1的终端102中，终端可以是个人计算机、笔记本电脑、 电子设备等，终端102与图像采集装置104进行通讯连接，图像采集装置104 可以是图像采集器、摄像机等。其中，终端102与图像采集装置104采用本地 接口连接时，图像采集装置104可以将采集的初始图像发送至终端102中。另 外，终端102也可以通过指令获取图像采集装置104中测量的初始图像。
此外，当电子设备是数码相机、智能手机时，图像采集装置104可以内置 于数码相机或智能手机中，且电子设备中设置有控制装置，图像采集装置104 和控制装置可以进行通信连接，控制装置也可以控制图像采集装置采集图像， 图像采集装置104能将采集的图像发送至控制装置，控制装置可以对图像进行 分析处理。
在一个实施例中，如图2所示，提供了一种图像去雾方法，以该方法应用 于图1中的终端为例进行说明，包括以下步骤：
步骤S202，获取待去雾的原始图像；
步骤S204，采用像素窗口函数对原始图像的像素值进行滤波处理，得到暗 通道图像的均值；
步骤S206，将原始图像转换成HIS图像；
其中，待去雾的原始图像是指任何具有雾(霾)的照片、图片等。通常情 况下图片都是彩色的，而彩色图片是采用R(红)G(绿)B(蓝)来表示的。 RGB相对应于监视器或扫描器的三个刺激值，它们组成三维正交坐标系统，在 此系统中计算的任何颜色都落在RGB彩色立方体内。RGB系统用红、绿和蓝三 原色的混合比例定义不同的色彩，使不同的色彩难以用准确的数值来表示进行 定量分析。
HIS(Hue-Intensity-Saturation)颜色空间是图像中另外一个常用的颜色空间，它从人的视觉系统出发，用色调(Hue)、饱和度(Saturation或Chroma)和亮 度(Intensity或Brightness)来描述颜色。HIS颜色空间可以用圆锥空间模型来 描述。其中，色调H由角度表示，用不同的角度表示红色，黄色，绿色，蓝色， 品红色。饱和度S是HIS彩色空间中轴线到彩色点的半径长度，彩色点离轴线 的距离越近，表示颜色的白光越多。强度I用轴线方向上的高度表示，圆锥体的 轴线描述了灰度级，强度最小值时为黑色，强度最大值时为白色。每个和轴线 正交的切面上的点，其强度值都是相等的。虽然这种描述HIS颜色空间的圆锥 模型相当复杂，但却能把色调、亮度和饱和度的变化情形表现得很清楚。通常 把色调和饱和度通称为色度，用来表示颜色的类别与深浅程度。在本实施例中 将待去雾的原始图像从RGB变化成HIS。
图像滤波就是去除图像杂质或无效的信息除去。窗口函数(即窗口算子) 可以对图像进行平均滤波，能有效地去除图像的杂质。常用测窗口函数(即窗 口算子)通常包括2*2、4*4、8*8、16*16等窗口，在实际运算中可以根据需求 选择相应的窗口。在本实施例中，对待去噪的原始图像采用窗口函数进行滤波， 可以输出相应的平均值，根据其平均值可以将RGB图像生成暗通道图像。
步骤S208，根据均值对HIS图像的亮度采用查表方式进行重建，得到亮度 重建的HIS图像；
步骤S210，对亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得 到校正后的HIS图像；
步骤S212，对HIS图像进行色饱和度调节，得到调节后的HIS图像；
步骤S214，根据校正后的HIS图像和调节后的HIS图像采用图像转化模型， 转化生成RGB图像，得到去雾后的图像。
其中，图像去雾是图像增强和图像修复两种技术的交叉与融合，如果将雾 霾看作是一种噪声，去除雾霾也就是出去图像的噪声，将图像恢复到没有雾霾 所获取的情况；如果将在雾霾环境下拍摄的照片看作是一种图像本来的面貌， 那么去雾显然就是人们为了改善主观视觉质量而对图像所进行的一种增强。图 像色温亮度和色饱和度是图像去雾中关键因素，因此，图像去雾核心关键就是 对图像的亮度进行增强以及对色饱和度进行调节。
在本实施例中，首先对HIS图像中亮度进行重建，然后进行亮度增强和校 正。然后对HIS图像进行色饱和度进行调节；最后对亮度增强校正后的HIS图 像和色饱和度调节后的HIS图像进行模型转换，生成RGB图像，从而得到去雾 后的图像。
在一种可选实施例方式中，图像重建的过程为：首先根据HIS图像生成一 个亮度的查找表；然后根据滤波的均值在查找表中找到相对应的数值，计算出 重建值，从而得到亮度重建的HIS图像。
上述图像去雾方法首先获得待去雾的原始图像，采用像素窗口函数对原始 图像进行滤波处理，得到暗通道图像的均值，将原始图像转换成HIS图像，采 用均值对HIS图像亮度进行重建，对亮度重建后的HIS图像进行亮度增强和亮 度曲线校正，并对HIS图像进行色饱和度调节；最后将亮度增强和亮度曲线校 正后HIS图像和色调和度调节后的HIS图像进行图像转化，生成RGB图像即可 得到去雾后的图像。上述的处理去雾算法在得到暗通道图像的均值时采用像素 窗口函数，可以使得到的数据更加准确，从而进一步提高了后期图像处理的准 确性。另外，在图像去雾过程中对图像亮度进行增强和校正，其对图像的色饱和度进行调节，使得去雾后的图像更加清楚，能有效减少图像中的光晕现象。
在其中一个实施例中，采用像素窗口函数对原始图像的像素值进行滤波处 理，得到暗通道图像的均值的步骤中，包括：采用8*8像素窗口函数对原始图 像的像素值进行滤波处理，得到暗通道图像的均值。
具体的，首先比较原始图像的RGB分量，得出RGB分量的最小值min(r,g,b)； 然后利用上下行和当前行的8*8最小值对RGB图像进行平滑滤波，其滤波的结 果是64位min(r,g,b)数据的平均值avg，最后比较同一时刻min(r,g,b)和avg的大 小，取较小值作为暗通道图像输出。在该滤波过程的处理得到的暗通道图像和 只取RGB最小值得到的暗通道图像相比，图像的数据更加准确，图像更为平滑。 另外，在得到暗通道图像的过程中计算暗通道的均值，其均值为avg，即滤波后 的平均值。
在其中一个实施例中，采用8*8像素窗口函数对原始图像的像素值进行滤 波处理，得到暗通道图像的均值的步骤中，包括：在滤波处理过程采用三级并 行流水的方式进行加法运算。
为了提高运算速度，滤波采用流水方式。首先比较输入8行RGB数据的最 小值(即这里是将每一行RGB的最小值min(r,g,b)赋给d11～d18，由此形成了8 行RGB数据的最小值)，假设当前时钟有效时，8行最小值数据分别为d11～d18， 然后进行加法运算的串并行流水，具体结构如图3所示；利用4路并行完成8 行数据的分组相加，构成并行流水；输出结果d21～d24利用两路并行加法，得 到d31～d32，再使用一个加法器完成d31+d32，得到最后加法运算的结果sum。 由于不同级别的加法运算在不同时钟完成，从而构成了3级并行流水。然后对 得到的加法运算的结果sum延时，延时后的信号分别用sum1～sum8表示。同样为了提高运算速度，在求和的过程中，采用了3级并行流水方式，具体流水结 构如图4所示，最后得到的sum值即为64位滤波数据的和，除以64之后得到 滤波数据的平均值avg。本发明中，利用滤波数据的平均值代替了传统的去雾图 像算法中的最小值进行计算产生的暗通道图像，得到较为理想的效果。
在其中一个实施例中，如图5所示，将原始图像转换成HIS图像的步骤中， 包括：
步骤S502，根据原始图像确定RGB像素最小值；
步骤S504，根据RGB像素最小值进行HIS空间角度编码；
步骤S506，根据编码后的结果确定HIS图像，其中在确定HIS图像时采用 以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表 示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B 表示蓝色。
具体的，将RGB图像转化成HIS图像的核心是将图像的RGB像素值到HIS 模型。RGB转换为HIS的通用公式如下：
其中，
从转换公式可以看出，要求θ需要进行开平方运算、反余弦变换。当R、G、B分别为8位精度时，(R-G)2+(R-B)(G-B) 的数据范围至少是(0-65025)。在进行硬件设计时，如此大范围的数据不可能使 用查找表实现开平方运算。而使用迭代逼近算法来实现开平方时需要进行多次 迭代除法运算，所造成的延时大、运算速度下降。为了避免θ的复杂运算，可以 从反变换出发计算所需要的参数。
HIS转换为RGB公式如下：
1)0≤H<120时，
2)120≤H<240时，H＝H-120
3)240≤H<360时，H＝H-240
从上面公式可以看出，在三个扇区[0—120)、[120—240)、[240—360)的反变 换公式中，除了H需要进行变换，计算的结果需要重新制定外，其余参数计算 公式都是相同的，R、G、B的变换公式为：I(1-S)、
3I-(B+R)， 反变换中只有
运算中使用了参数H，由此可以看出在HIS转换 为RGB中只要知道
的值和相应的扇区，就可以实现反变换。
在本实施例中，反转换过程如下：1)计算得到输入图像RGB像素的最小值 min，a＝min(R,G,B)；2)确定扇区范围，并进行编码。
Hflag＝00、01、10对应的扇区分别为[0—120)、[120—240)、[240—360)。这里 的编码不是唯一的，只要能够区分出扇区范围即可。
3)计算
对应公式如下
必要时可以对上述公式进行量化，以满足不同需求。本发明中采用H1代替H进 行RGB到HIS的计算，避免了求θ需要进行的开平方运算、反余弦变换，减少 了延时，提高了系统的运算速度，节约了硬件的资源，得到了理想的效果。
在其中一个实施例中，对亮度重建的HIS图像依次进行亮度增强和亮度曲 线校正的步骤中，包括：对亮度重建的HIS图像采用差分放大方法进行亮度增 强，得到增强后的HIS图像。
具体的，采用差分放大的方式对输入HIS图像的亮度分量进行增强，具体 步骤如下：首先根据输入的数据生成3*3的矩阵：
将中间的数值I4分别与其周围的8个值作减法，得到结果后求和；将求和的 结果与I4相加，得到最终的输出。依次类推将输入的每一位数据都进行上述运 算，输出亮度增强后的HIS图像。
在其中一个实施例中，如图6所示，对重建亮度依次进行亮度增强和亮度 曲线校正的步骤中，还包括：
步骤S602，根据增强后的HIS图像生成查找表；
步骤S604，对增强后的HIS图像的亮度乘以预设校正系数，得到亮度乘法 值；
步骤S606，根据亮度乘法值在查找表中查找对应的亮度值，得到矫正后的 HIS图像。
具体的，首先根据增强后的HIS图像生成一个查找表，然后将输入的HIS 图像的亮度分量乘以预设校正系数，最后将乘法的结果对应查找表中即得到校 正过后的亮度值。其中预设校正系数通常为gama系数。
在其中一个实施例中，对HIS图像进行色饱和度调节，得到调节后的HIS 图像的步骤中，包括：对HIS图像的色饱和度乘以预设色饱和度系数，得到调 节后的HIS图像。
具体的，对HIS图像的色饱和度分量的值，乘以不同的色饱和度系数，可 以得到调整过后色饱和度系统分量的数据，从而得到HIS图像。
应该理解的是，虽然图2、5和图6的流程图中的各个步骤按照箭头的指示 依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文 中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其 它的顺序执行。而且，图2、5和图6中的至少一部分步骤可以包括多个子步骤 或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可 以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行， 而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交 替地执行。
在一个实施例中，如图7所示，提供了一种图像去雾系统，包括：
图像获取模块702，用于获取待去雾的原始图像；
均值得到模块704，用于采用像素窗口函数对所述原始图像的像素值进行滤 波处理，得到暗通道图像的均值；
第一图像转换模块706，用于将所述原始图像转换成HIS图像；
亮度重建模块708，用于根据所述均值对所述HIS图像的亮度采用查表方式 进行重建，得到亮度重建的HIS图像；
图像增强校正模块710，用于对所述亮度重建的HIS图像依次进行亮度增强 和亮度曲线校正，得到校正后的HIS图像；
图像调节模块712，用于对所述HIS图像进行色饱和度调节，得到调节后的 HIS图像；
第二图像转换模块714，用于根据校正后的HIS图像和调节后的HIS图像 采用图像转化模型，转化生成RGB图像，得到去雾后的图像。
在其中一个实施例中，均值得到模块还用于采用8*8像素窗口函数对所述 原始图像的像素值进行滤波处理，得到暗通道图像的均值。
在其中一个实施例中，均值得到模块还用于在滤波处理过程采用三级并行 流水的方式进行加法运算。
在其中一个实施例中，第一图像转换模块包括：
最小值确定模块，用于根据原始图像确定RGB像素最小值；
角度编码模块，用于根据所述RGB像素最小值进行HIS空间角度编码；
HIS图像确定模块，用于根据编码后的结果确定HIS图像，其中在确定HIS 图像时采用以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表 示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B 表示蓝色。
在其中一个实施例中，亮度重建模块还用于对亮度重建的HIS图像采用差 分放大方法进行亮度增强，得到增强后的HIS图像。
在其中一个实施例中，图像增强校正模块包括：
查找表生成模块，用于根据增强后的HIS图像生成查找表；
乘法值确定模块，用于对增强后的HIS图像的亮度乘以预设校正系数，得 到亮度乘法值；
HIS图像校正模块，用于根据亮度乘法值在查找表中查找对应的亮度值，得 到矫正后的HIS图像。
在其中一个实施例中，图像调节模块还用于对HIS图像的色饱和度乘以预 设色饱和度系数，得到调节后的HIS图像。
关于图像去雾系统的具体限定可以参见上文中对于图像去雾方法的限定， 在此不再赘述。上述图像去雾系统中的各个模块可全部或部分通过软件、硬件 及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的器 中，也可以以软件形式存储于计算机设备中的存储器中，以便于器调用执行以 上各个模块对应的操作。
在一个实施例中，提供了一种电子设备，该电子设备可以是服务器，其内 部结构图可以如图8所示。该电子设备包括通过系统总线连接的图像采集装置、 控制装置、存储器、网络接口和数据库。其中，电子设备的图像采集装置用于 采集图像。该电子设备的控制装置用于提供计算和控制能力。该电子设备的存 储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、 计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机 程序的运行提供环境。该电子设备的数据库用于存储电阻等效模型、等效子模 型的数据，以及存储执行计算时得到的等效电阻、工作电阻以及接触电阻。该 电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被器 执行时以实现一种图像去雾方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定， 具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，提供了一种电子设备，包括图像采集装置和控制装置， 图像采集装置用于采集待去雾的原始图像，并将原始图像发送至控制装置；控 制装置执行以下步骤：获取待去雾的原始图像；采用像素窗口函数对原始图像 的像素值进行滤波处理，得到暗通道图像的均值；将原始图像转换成HIS图像； 根据均值对HIS图像的亮度采用查表方式进行重建，得到亮度重建的HIS图像； 对亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正后的HIS 图像；对HIS图像进行色饱和度调节，得到调节后的HIS图像；根据校正后的 HIS图像和调节后的HIS图像采用图像转化模型，转化生成RGB图像，得到去 雾后的图像。
另外，电子设备中的控制装置为CPLD可编程器件、FPGA处理板以及MCU 中的任意一种。
CPLD(Complex Programmable Logic Device)，大规模复杂可编程逻辑器 件，主要有逻辑单元、I/O单元和互连三部分组成，具有开发周期短、硬件升级 方便，且具有非常良好的可控性。
FPGA(Field Programmable Gate Array-a programmable integratedcircuit)， 现场可编程门阵列，具有最高的逻辑密度、最丰富的特性和最高的性能。其中FPGA处理板如图9所示。
MCU(Microcontroller Unit)，微控制单元，又称单片微型计算机(Single ChipMicrocomputer)或者单片机，是把中央处理器(Central Process Unit；CPU)的频率 与规格做适当缩减，并将内存(memory)、计数器(Timer)、USB、A/D转换、UART、 PLC、DMA等周边接口，甚至LCD驱动电路都整合在单一芯片上，形成芯片级 的计算机，为不同的应用场合做不同组合控制，使用非常方便。
在一个实施例中，控制装置可以执行以下步骤：采用像素窗口函数对原始 图像的像素值进行滤波处理，得到暗通道图像的均值的步骤中，包括：采用8*8 像素窗口函数对原始图像的像素值进行滤波处理，得到暗通道图像的均值。
在一个实施例中，控制装置可以执行以下步骤：采用8*8像素窗口函数对 原始图像的像素值进行滤波处理，得到暗通道图像的均值的步骤中，包括：在 滤波处理过程采用三级并行流水的方式进行加法运算。
在一个实施例中，控制装置可以执行以下步骤：将原始图像转换成HIS图 像的步骤中，包括：根据原始图像确定RGB像素最小值；根据RGB像素最小 值进行HIS空间角度编码；根据编码后的结果确定HIS图像，其中在确定HIS 图像时采用以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表 示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B 表示蓝色。
在一个实施例中，控制装置可以执行以下步骤：对亮度重建的HIS图像依 次进行亮度增强和亮度曲线校正的步骤中，包括：对亮度重建的HIS图像采用 差分放大方法进行亮度增强，得到增强后的HIS图像。
在一个实施例中，控制装置可以执行以下步骤：对重建亮度依次进行亮度 增强和亮度曲线校正的步骤中，还包括：根据增强后的HIS图像生成查找表； 对增强后的HIS图像的亮度乘以预设校正系数，得到亮度乘法值；根据亮度乘 法值在查找表中查找对应的亮度值，得到矫正后的HIS图像。
在一个实施例中，控制装置可以执行以下步骤：对HIS图像进行色饱和度 调节，得到调节后的HIS图像的步骤中，包括：对HIS图像的色饱和度乘以预 设色饱和度系数，得到调节后的HIS图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，计算机程序被器执行时实现以下步骤：获取待去雾的原始图像；采用像素 窗口函数对原始图像的像素值进行滤波处理，得到暗通道图像的均值；将原始 图像转换成HIS图像；根据均值对HIS图像的亮度采用查表方式进行重建，得 到亮度重建的HIS图像；对亮度重建的HIS图像依次进行亮度增强和亮度曲线 校正，得到校正后的HIS图像；对HIS图像进行色饱和度调节，得到调节后的 HIS图像；根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转 化生成RGB图像，得到去雾后的图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用像素 窗口函数对原始图像的像素值进行滤波处理，得到暗通道图像的均值的步骤中， 包括：采用8*8像素窗口函数对原始图像的像素值进行滤波处理，得到暗通道 图像的均值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用8*8 像素窗口函数对原始图像的像素值进行滤波处理，得到暗通道图像的均值的步 骤中，包括：在滤波处理过程采用三级并行流水的方式进行加法运算。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将原始图 像转换成HIS图像的步骤中，包括：根据原始图像确定RGB像素最小值；根据 RGB像素最小值进行HIS空间角度编码；根据编码后的结果确定HIS图像，其 中在确定HIS图像时采用以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表 示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B 表示蓝色。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对亮度重 建的HIS图像依次进行亮度增强和亮度曲线校正的步骤中，包括：对亮度重建 的HIS图像采用差分放大方法进行亮度增强，得到增强后的HIS图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对重建亮 度依次进行亮度增强和亮度曲线校正的步骤中，还包括：根据增强后的HIS图 像生成查找表；对增强后的HIS图像的亮度乘以预设校正系数，得到亮度乘法 值；根据亮度乘法值在查找表中查找对应的亮度值，得到矫正后的HIS图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对HIS图 像进行色饱和度调节，得到调节后的HIS图像的步骤中，包括：对HIS图像的 色饱和度乘以预设色饱和度系数，得到调节后的HIS图像。
本领域普通技术人员可以理解实现实施例方法中的全部或部分流程，是可 以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性 计算机可读取存储介质中，该计算机程序在执行时，可包括如各方法的实施例 的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库 或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储 器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、 电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储 器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可 得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、 双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路 (Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、 直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM) 等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对实施 例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的 组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但 并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普 通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进， 这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要 求为准。
Claims (10)
1.一种图像去雾方法，所述方法包括：
获取待去雾的原始图像；
采用像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图像的均值；
将所述原始图像转换成HIS图像；
根据所述均值对所述HIS图像的亮度采用查表方式进行重建，得到亮度重建的HIS图像；
对所述亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正后的HIS图像；
对所述HIS图像进行色饱和度调节，得到调节后的HIS图像；
根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转化生成RGB图像，得到去雾后的图像。
2.根据权利要求1所述的方法，其特征在于，采用像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图像的均值的步骤中，包括：
采用8*8像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图像的均值。
3.根据权利要求2所述的方法，其特征在于，采用8*8像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图像的均值的步骤中，包括：
在滤波处理过程采用三级并行流水的方式进行加法运算。
4.根据权利要求3所述的方法，其特征在于，将所述原始图像转换成HIS图像的步骤中，包括：
根据原始图像确定RGB像素最小值；
根据所述RGB像素最小值进行HIS空间角度编码；
根据编码后的结果确定HIS图像，其中在确定HIS图像时采用以下公式：
其中a＝min(R,G,B)，表示RGB像素最小值，I表示HIS图像的亮度，S表示HIS图像的饱和度，H1表示HIS图像的色调，R表示红色、G表示绿色，B表示蓝色。
5.根据权利要求1-4任一项所述的方法，其特征在于，对所述亮度重建的HIS图像依次进行亮度增强和亮度曲线校正的步骤中，包括：
对所述亮度重建的HIS图像采用差分放大方法进行亮度增强，得到增强后的HIS图像。
6.根据权利要求5所述的方法，其特征在于，对重建亮度依次进行亮度增强和亮度曲线校正的步骤中，还包括：
根据所述增强后的HIS图像生成查找表；
对所述增强后的HIS图像的亮度乘以预设校正系数，得到亮度乘法值；
根据所述亮度乘法值在所述查找表中查找对应的亮度值，得到矫正后的HIS图像。
7.根据权利要求6所述的方法，其特征在于，对所述HIS图像进行色饱和度调节，得到调节后的HIS图像的步骤中，包括：
对所述HIS图像的色饱和度乘以预设色饱和度系数，得到调节后的HIS图像。
8.一种图像去雾系统，其特征在于，所述系统包括：
图像获取模块，用于获取待去雾的原始图像；
均值得到模块，用于采用像素窗口函数对所述原始图像的像素值进行滤波处理，得到暗通道图像的均值；
第一图像转换模块，用于将所述原始图像转换成HIS图像；
亮度重建模块，用于根据所述均值对所述HIS图像的亮度采用查表方式进行重建，得到亮度重建的HIS图像；
图像增强校正模块，用于对所述亮度重建的HIS图像依次进行亮度增强和亮度曲线校正，得到校正后的HIS图像；
图像调节模块，用于对所述HIS图像进行色饱和度调节，得到调节后的HIS图像；
第二图像转换模块，用于根据校正后的HIS图像和调节后的HIS图像采用图像转化模型，转化生成RGB图像，得到去雾后的图像。
9.一种电子设备，包括图像采集装置和控制装置，其特征在于，所述图像采集装置用于采集待去雾的原始图像，并将所述原始图像发送至所述控制装置；
所述控制装置执行权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910914716.5A CN110648297B (zh) | 2019-09-26 | 2019-09-26 | 图像去雾方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910914716.5A CN110648297B (zh) | 2019-09-26 | 2019-09-26 | 图像去雾方法、系统、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110648297A true CN110648297A (zh) | 2020-01-03 |
| CN110648297B CN110648297B (zh) | 2023-05-26 |
Family
ID=68992654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910914716.5A Active CN110648297B (zh) | 2019-09-26 | 2019-09-26 | 图像去雾方法、系统、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110648297B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516602A (zh) * | 2021-07-14 | 2021-10-19 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
| CN114638826A (zh) * | 2022-05-13 | 2022-06-17 | 河南银金达新材料股份有限公司 | 一种光致变色阻隔膜的光学疲劳度检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182947A (zh) * | 2014-09-10 | 2014-12-03 | 安科智慧城市技术（中国）有限公司 | 一种低照度图像增强方法和系统 |
| CN104506755A (zh) * | 2015-01-13 | 2015-04-08 | 武汉烽火众智数字技术有限责任公司 | 基于fpga的高清视频实时自动化去雾方法 |
| US9349170B1 (en) * | 2014-09-04 | 2016-05-24 | The United States Of America As Represented By The Secretary Of The Navy | Single image contrast enhancement method using the adaptive wiener filter |
| CN106169176A (zh) * | 2016-06-27 | 2016-11-30 | 上海集成电路研发中心有限公司 | 一种图像去雾方法 |
| CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
| CN107424132A (zh) * | 2017-07-25 | 2017-12-01 | 西安电子科技大学 | 一种图像快速去雾的优化方法 |
| CN110175967A (zh) * | 2019-06-05 | 2019-08-27 | 海南大学 | 图像去雾处理方法、系统、计算机设备和存储介质 |
-
2019
- 2019-09-26 CN CN201910914716.5A patent/CN110648297B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9349170B1 (en) * | 2014-09-04 | 2016-05-24 | The United States Of America As Represented By The Secretary Of The Navy | Single image contrast enhancement method using the adaptive wiener filter |
| CN104182947A (zh) * | 2014-09-10 | 2014-12-03 | 安科智慧城市技术（中国）有限公司 | 一种低照度图像增强方法和系统 |
| CN104506755A (zh) * | 2015-01-13 | 2015-04-08 | 武汉烽火众智数字技术有限责任公司 | 基于fpga的高清视频实时自动化去雾方法 |
| CN106169176A (zh) * | 2016-06-27 | 2016-11-30 | 上海集成电路研发中心有限公司 | 一种图像去雾方法 |
| CN106204491A (zh) * | 2016-07-12 | 2016-12-07 | 中国科学技术大学 | 一种基于暗通道先验的自适应图像去雾方法 |
| CN107424132A (zh) * | 2017-07-25 | 2017-12-01 | 西安电子科技大学 | 一种图像快速去雾的优化方法 |
| CN110175967A (zh) * | 2019-06-05 | 2019-08-27 | 海南大学 | 图像去雾处理方法、系统、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 尹芳: ""暗原色先验图像去雾改进新方法"", 《计算机科学与探索》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516602A (zh) * | 2021-07-14 | 2021-10-19 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
| CN113516602B (zh) * | 2021-07-14 | 2022-11-22 | 广东汇天航空航天科技有限公司 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
| CN114638826A (zh) * | 2022-05-13 | 2022-06-17 | 河南银金达新材料股份有限公司 | 一种光致变色阻隔膜的光学疲劳度检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110648297B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Auto color correction of underwater images utilizing depth information | |
| WO2018082185A1 (zh) | 图像处理方法和装置 | |
| CN111163268B (zh) | 一种图像处理方法、装置以及计算机存储介质 | |
| CN109871845B (zh) | 证件图像提取方法及终端设备 | |
| CN110717868B (zh) | 视频高动态范围反色调映射模型构建、映射方法及装置 | |
| CN109658330B (zh) | 一种发色调整方法及装置 | |
| CN112465727A (zh) | 基于HSV色彩空间和Retinex理论的无正常光照参考的低照度图像增强方法 | |
| CN109816608A (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
| CN110648297B (zh) | 图像去雾方法、系统、电子设备和存储介质 | |
| CN110717864B (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
| CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
| CN112862753A (zh) | 噪声强度估计方法、装置及电子设备 | |
| CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
| Lei et al. | A novel intelligent underwater image enhancement method via color correction and contrast stretching | |
| Wang et al. | Multiscale supervision-guided context aggregation network for single image dehazing | |
| CN113706393A (zh) | 视频增强方法、装置、设备及存储介质 | |
| CN114998122A (zh) | 一种低照度图像增强方法 | |
| Messina et al. | Image quality improvement by adaptive exposure correction techniques | |
| CN112073718B (zh) | 一种电视机花屏检测方法、装置、计算机设备及储存介质 | |
| CN109934783B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 | |
| Menon et al. | An enhanced digital image processing based dehazing techniques for haze removal | |
| CN105631812B (zh) | 一种对显示图像进行色彩增强的控制方法及控制装置 | |
| Chen et al. | Real-time Image Contrast Enhancement VLSI Design for Intelligent Autonomous Vehicles. | |
| KR20160025876A (ko) | 영상의 대비 강화 방법 및 장치 |
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 |