CN112419162A - 图像去雾方法、装置、电子设备及可读存储介质 - Google Patents
图像去雾方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112419162A CN112419162A CN201910766724.XA CN201910766724A CN112419162A CN 112419162 A CN112419162 A CN 112419162A CN 201910766724 A CN201910766724 A CN 201910766724A CN 112419162 A CN112419162 A CN 112419162A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel point
- transmittance
- foggy
- defogging
- 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 62
- 238000002834 transmittance Methods 0.000 claims abstract description 114
- 238000001914 filtration Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000011282 treatment Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 23
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000009499 grossing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 5
- 239000003595 mist Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 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
- G06T5/70—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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提出一种图像去雾方法、装置、电子设备及可读存储介质，涉及图像处理技术领域。根据待处理的有雾图像，获得暗通道图像。对该有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为有雾图像中各个像素点的大气光值。根据该大气光值及暗通道图像，计算得到有雾图像中各个像素点的目标透射率，采用有雾图像中各个像素点的大气光值和目标透射率，对有雾图像进行去雾处理，得到去雾图像。相较于现有去雾技术中的使用全局大气光值，上述方式使用的大气光值能够更加准确地反映出大气光照对各个像素点的影响，可解决由于去雾时使用的大气光值不合理，而导致的图像亮度变暗、色彩失真及局部细节损失等问题。
Description
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种图像去雾方法、装置、电子设备及可读存储介质。
背景技术
在能见度较低的恶劣天气(比如，雾霾)下，获得的图像细节模糊、色彩暗淡，可视性较差，不利于后续的图像处理。而通过去雾算法可以去除天气因素对图像质量的影响，增强图像的视觉效果。
现有的去雾算法主要分为两大类：图像增强以及图像复原。图像增强算法(如直方图均衡化、锐化等)能够有效提高雾天图像的对比度，但没有考虑使用雾天图像的退化模型，适用范围较窄。图像复原是通过求解图像降质的逆过程来复原清晰图像，复杂度更高，效果也更好。在图像复原方面，基于暗通道技术的去雾算法效果较为显著，但这类方法往往会导致去雾图像变暗、局部对比度降低，并且天空或者白色物体等亮度较高的区域颜色失真。
发明内容
有鉴于此，本申请的目的在于提供一种图像去雾方法、装置、电子设备及可读存储介质，以解决上述问题。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种图像去雾方法，所述方法包括：
获取待处理的有雾图像；
根据所述有雾图像，获得暗通道图像；
对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值；
根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率；
采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
在可选的实施方式中，所述根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率，包括：
基于暗通道先验算法，根据所述有雾图像中各个像素点的大气光值及所述暗通道图像计算得到所述有雾图像中各个像素点的第一透射率；
对所述第一透射率进行自适应调整，得到所述目标透射率。
在可选的实施方式中，所述对所述第一透射率进行自适应调整，得到所述目标透射率，包括：
获得所述有雾图像的各个像素点的亮度；
获得所述有雾图像的各个像素点的对比度；
根据各个像素点的亮度及对比度，计算得到各个像素点的雾浓度；
根据各个像素点的雾浓度，判断是否需要对该像素点的第一透射率进行调整；
若需要，则根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率；
若不需要调整，则直接将该像素点的第一透射率作为该像素点的第二透射率；
根据各个像素点的第二透射率得到各个像素点的目标透射率。
在可选的实施方式中，所述根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率，包括：
根据各个像素点的雾浓度，及预设的雾浓度与自适应调整系数的对应关系，得到各个像素点的自适应调整系数；
根据各个像素点的第一透射率及自适应调整系数，计算得到各个像素点的第二透射率。
在可选的实施方式中，所述根据各个像素点的第二透射率得到各个像素点的目标透射率，包括：
将第二透射率和预设透射率中的较大透射率，作为目标透射率。
在可选的实施方式中，所述根据所述有雾图像，获得暗通道图像，包括：
根据所述有雾图像中各个像素点的三原色通道的通道最小值，获得最小值图像；
对所述最小值图像进行平滑滤波处理，得到所述暗通道图像。
在可选的实施方式中，在所述根据所述有雾图像，获得暗通道图像之前，所述方法还包括：
对获得的待处理的有雾图像进行白平衡处理。
第二方面，本申请实施例提供一种图像去雾装置，所述装置包括：
第一获取模块，用于获取待处理的有雾图像；
第二获取模块，用于根据所述有雾图像，获得暗通道图像；
大气光计算模块，用于对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值；
透射率计算模块，用于根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率；
去雾模块，用于采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式中任一所述的图像去雾方法。
第四方面，本申请实施例提供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如前述实施方式中任一项所述的图像去雾方法。
本申请实施例提供的图像去雾方法、装置、电子设备和计算机可读存储介质，在获取待处理的有雾图像后，根据该有雾图像，获得暗通道图像。对该有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值。根据有雾图像中各个像素点的大气光值及暗通道图像，计算得到有雾图像中各个像素点的目标透射率，采用有雾图像中各个像素点的大气光值和目标透射率，对有雾图像进行去雾处理，得到去雾图像。相较于现有去雾技术中的使用的全局大气光值，上述方式获得的大气光值能够更加准确地反映出大气光照对各个像素点的影响，通过该大气光值进行去雾处理，可解决由于去雾时使用的大气光值不合理，而导致的图像亮度变暗、色彩失真及局部细节损失等问题。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本申请实施例提供的电子设备的方框示意图；
图2是本申请实施例提供的图像去雾方法的流程示意图之一；
图3是图2中步骤S120包括的子步骤的流程示意图；
图4是图2中步骤S140包括的子步骤的流程示意图；
图5是本申请实施例提供的图像去雾方法的流程示意之二；
图6是本申请实施例提供的图像去雾装置的方框示意图之一；
图7是本申请实施例提供的图像去雾装置的方框示意图之二。
图标：100-电子设备；110-存储器；120-处理器；130-通信单元；200-图像去雾装置；210-第一获取模块；215-处理模块；220-第二获取模块；230-大气光计算模块；240-透射率计算模块；250-去雾模块。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域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，都属于本申请保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前，为了解决全局去雾强度造成的图像质量下降、去雾不精确的问题，公开号为CN106033597A的专利文献公开了一种图像去雾方法和设备。该方法首先需要根据含雾图像的位置信息对应的景深和/或去雾参数，获取各个像素的去雾权重；然后由各个像素点的去雾权重获取对应的透射率值，并根据大气散射模型获得初始去雾图像；最后判断初始去雾图像对比度是否在预设范围内，若不在，则继续调整权重重新进行去雾处理，直至去雾图像对比度在预设范围内。
本申请发明人发现，上述方案中使用的大气光值为全局大气光值，也就是说，将一个大气光值作为有雾图像中各个像素点的大气光值，然而实际上有雾图像中所有像素点的大气光值并不会完全相同。并且，通常使用的全局大气光值都是一个亮度值较大的大气光值。由此将导致在去雾后，图像亮度降低、局部对比度变差。其次，获取透射率值时需要景深等额外信息，这对图像的采集有较高的要求，场景适应性较差。并且，去雾权重并未考虑图像的纹理信息，去雾的同时可能会造成局部区域过度拉伸，导致信息丢失。同时，算法的实现是一个迭代的过程，涉及多次去雾处理，复杂度较高，不利于实时实现。
发现以上方案所存在的缺陷的过程，是发明人在经过实践并仔细研究后的结果。因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应是发明人在本申请过程中对本申请做出的贡献。
请参照图1，图1是本申请实施例提供的电子设备100的方框示意图。该电子设备100可以是，但不限于，摄像机、录像机、电脑、服务器等。所述电子设备100包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序，并执行相应的功能。例如，所述存储器110中存储有图像去雾装置200，所述图像去雾装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本申请实施例中的图像去雾装置200，从而执行各种功能应用以及数据处理，即实现本申请实施例中的图像去雾方法。
通信单元130用于通过网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，图2是本申请实施例提供的图像去雾方法的流程示意图之一。所述方法应用于所述电子设备100。下面对图像去雾方法的具体流程进行阐述。
步骤S110，获取待处理的有雾图像。
在本实施例中，所述电子设备100可以根据用户的选择操作，从存储的有雾图像中确定待处理的有雾图像。所述电子设备100也可以直接采集图像，并将采集的图像作为待处理的有雾图像。当然可以理解的是，也可以通过其他方式获得待处理的有雾图像，比如，将其他设备发送的图像作为待处理的有雾图像。
步骤S120，根据所述有雾图像，获得暗通道图像。
在本实施例的一种实施方式中，在获得有雾图像后，首先确定有雾图像中各个像素点的三原色通道的通道最小值，然后根据各个像素点的通道最小值得到最小值图像。接着对该最小值图像进行最小值滤波，以消除离散的小面积亮点对暗通道图像获取的影响，从而避免该部分亮点影响去雾效果。其中，该最小值图像及暗通道图像为灰度图，最小值图像中各像素点的灰度值为所述有雾图像中对应像素点的通道最小值。
在经最小值滤波后得到的暗通道图像中存在块效应。若后续根据通过上述方式得到的暗通道图像，计算所述有雾图像中各个像素点的透射率，需要利用soft matting或者导向滤波等算法，对直接经该暗通道图像得到的透射率进行细化，以消除块效应。
在本实施例的另一种实施方式中，可通过以下方式获得所述暗通道图像。请参照图3，图3是图2中步骤S120包括的子步骤的流程示意图。在本实施例中，步骤S120可以包括子步骤S121及子步骤S122。
子步骤S121，根据所述有雾图像中各个像素点的三原色通道的通道最小值，获得最小值图像。
子步骤S122，对所述最小值图像进行平滑滤波处理，得到所述暗通道图像。
在本实施方式中，首先统计所述有雾图像中各个像素点的三原色通道的通道最小值，以得到最小值图像。该步骤可以用如下公式表示：
其中，
表示最小值图像，min(R,G,B)表示有雾图像中像素点的三原色通道的通道最小值，R(Red，红)表示有雾图像的红色通道，G(Green，绿)表示有雾图像的绿色通道，B(Blue，蓝)表示有雾图像的蓝色通道。在得到各个像素点的通道最小值后，将各个像素点的通道最小值作为最小值图像中对应像素点的灰度值，从而得到最小值图像。
接着，对得到的所述最小值图像进行平滑滤波处理，得到所述暗通道图像。相较于通过最小值滤波得到暗通道图像的方式，通过平滑滤波得到的暗通道图像中不存在因最小值滤波导致的块效应。因此，后续在计算透射率时，不需要经过细化以消除块效应，因而可以明显提高得到透射率的速度，从而明显提高完成图像去雾的效率，使得该图像去雾方法适用于实时计算。
可选地，采用的平滑滤波算法可以是，但不限于，简单的线性滤波算法(比如，均值滤波算法、高斯滤波等)，非线性滤波算法(比如，非均值滤波、双边滤波、导向滤波等保边滤波算法)等。
下面以采用均值滤波算法为例，对上述得到暗通道图像的过程进行说明。
首先统计有雾图像I中各个像素点的三原色通道的通道最小值，得到最小值图像：
其中，
表示最小值图像，min(R,G,B)表示有雾图像中像素点的三原色通道的通道最小值，R(Red，红)表示有雾图像的红色通道，G(Green，绿)表示有雾图像的绿色通道，B(Blue，蓝)表示有雾图像的蓝色通道。
然后对由通道最小值得到的最小值图像进行均值滤波，得到暗通道图像：
其中，w表示均值滤波模板，Ωi表示以像素点i为中心的均值滤波窗口，*表示卷积操作，Idark表示得到的暗通道图像，
表示最小值图像中像素点j的灰度值，Idark(i)表示暗通道图像中像素点i的灰度值。
步骤S130，对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值。
其中，在本实施例中，步骤S130与步骤S120不限定执行顺序，可以并行执行步骤S130与步骤S120；也可以先执行步骤S120，再执行步骤S130；还可以先执行步骤S120，再执行步骤S130。
大气光的变化趋势是均匀的。在本实施例中，对有雾图像进行平滑滤波处理，处理后的有雾图像中各个像素点的颜色值，表示所述有雾图像中对应像素点的大气光值。其中，颜色值包括三原色通道的通道值，即R、G、B通道值，也就是R、G、B通道的灰度值。比如，有雾图像第一行从左到右仅包括像素点a1、a2、a3、a4，平滑滤波处理后的有雾图像第一行从左到右仅包括像素点b1、b2、b3、b4，像素点a1的大气光值为像素点b1的颜色值，像素点a2的大气光值为像素点b2的颜色值，其他依次类推。
可选地，所述有雾图像中各个像素点的大气光值的保存方式可以是，但不限于，直接保存为大气光图像，或者以矩阵、数组等形式保存，只要保证在去雾时可以获得有雾图像中各个像素点的大气光值即可。
可选地，作为一种实施方式，可以将有雾图像中各个像素点的大气光值，保存至一个与所述有雾图像尺寸相同的图像中。有雾图像中各个像素点的大气光值，作为该图像中各像素点的颜色值，由此形成大气光图像。该大气光图像中的像素点与有雾图像中的像素点一一对应，后续可根据该大气光图像进行去雾处理。可选地，可直接将平滑滤波处理后的有雾图像作为大气光图像。
在大多数现有算法中，大气光值被认为是一个全局常量，常用的大气光值计算方式有以下几种。直接将有雾图像中的亮度最大值作为大气光值。或者，迭代分块统计图像均值和方差，将均值减去方差后得到的值最大的块作为最优子块，并将该子块中与纯白点最接近的区域的均值作为大气光值。然而，在现实场景中，图像中不同区域的大气光值很可能是不同的。若简单选取一个固定值作为大气光值，并根据该大气光值对有雾图像中的各个像素点进行处理，会发生以下情形。较小的大气光值会导致亮区过曝、细节丢失严重，而较大的大气光值则会导致暗区亮度更低，图像整体暗淡，局部色彩失真，图像效果差。
本申请实施例通过对有雾图像进行平滑滤波处理，从而估计大气光照对局部区域的影响。相较于全局大气光值，该方式得到的大气光值能够更加准确地反映大气光照对局部区域的影响，在后续的处理中可以有效避免因采用的各个像素点的大气光值不合理，而导致的图像亮度变暗、色彩失真以及局部细节损失等问题。
对有雾图像使用的平滑滤波算法可以是低通滤波算法。可选地，可以采用均值滤波、高斯滤波等线性滤波算法，该类算法原理简单、性能优越。
若采用均值滤波或高斯滤波等线性滤波算法，对有雾图像进行处理，得到大气光值，在根据该大气光值得到的去雾图像中可能会存在halo效应。可选地，在本实施例的另一种实施方式中，可以采用保边滤波算法，如导向滤波、双边滤波、非均值滤波或联合滤波等其他滤波算法，保边滤波器较线性滤波器复杂度略高，但效果更好，不仅可以有效地估计局部大气光照，还可以防止线性平滑滤波可能导致的边缘halo效应。
下面以采用导向滤波算法为例，对获得平滑滤波处理后的有雾图像的过程进行说明。
假设有雾图像为I，引导图为Y(这里引导图可以直接选用I，也可以取其亮度分量)，其最小化损失函数为：
其中，ak、bk表示最小化目标所对应的参数，ωk表示局部窗口，i表示局部窗口中的像素点，ε表示正则化参数，控制平滑滤波强度，值越大，图像越平滑。上述最小化模型存在最优解：
其中，ω表示引导图中局部窗口ωk中像素点的数量，μk表示引导图Y中局部窗口ωk中的平均值，
表示有雾图像I中局部窗口ωk中的平均值，
表示引导图Y中局部窗口ωk中的方差，|·|表示向量0范数，即所有非零元素的个数。此时平滑滤波处理后的有雾图像可以表示为：
其中，
步骤S140，根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率。
由大气散射模型及暗通道先验可知如下透射率计算公式：
其中，t(x)表示有雾图像中像素点x的透射率，Idark(x)表示暗通道图像中像素点x的灰度值，c表示颜色通道，
表示大气光图像中像素点x的三原色通道的通道最大值。
在本申请的一种实施例中，在得到所述有雾图像中各个像素点的大气光值后，根据上述透射率计算公式，计算得到所述有雾图像中各个像素点的透射率，并将计算得到的透射率直接作为所述目标透射率。
在本申请的另一种实施例中，还可以设置一个预设透射率作为透射率下限，以防止对有雾图像过度拉伸。也就是说，在通过上述方式计算得到各个像素点的透射率后，将该透射率和预设透射率中较大的透射率作为该像素点的目标透射率。其中，预设透射率可以根据实际需求设置。
在本申请的另一种实施例中，还可以加入容差机制，或者分割天空及非天空区域，自适应增大此区域的透射率，最后得到所述目标透射率。
在本申请的另一种实施例中，通过如下方式计算得到所述有雾图像中各个像素点的目标透射率。请参照图4，图4是图2中步骤S140包括的子步骤的流程示意图。在本实施例中，步骤S140可以包括子步骤S141及子步骤S142。
子步骤S141，基于暗通道先验算法，根据所述有雾图像中各个像素点的大气光值及所述暗通道图像计算得到所述有雾图像中各个像素点的第一透射率。
子步骤S142，对所述第一透射率进行自适应调整，得到所述目标透射率。
在本实施例中，首先根据透射率计算公式、所述有雾图像中各个像素点的大气光值以及所述暗通道图像，计算得到一个透射率，该透射率为所述有雾图像中各个像素点的第一透射率。接着根据所述有雾图像的特征信息，对该第一透射率进行自适应调整，得到所述有雾图像中各个像素点的目标透射率。
比如，对某一灰度均匀区域或者细节丰富的暗区，其Ic<Ac，其中，I表示有雾图像，A表示大气光图像，c表示颜色通道，c∈{R,G,B}，直接根据由透射率计算公式计算得到的透射率进行处理，可能会导致噪声明显，色彩失真及局部细节丢失，因此应提高此区域的透射率。
可选地，可通过如下方式对第一透射率进行自适应调整，得到所述目标透射率。首先计算得到所述有雾图像的各个像素点的雾浓度，然后根据各个像素点的雾浓度，判断是否需要对该像素点的第一透射率进行调整。若需要，则根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率。若不需要调整，则直接将该像素点的第一透射率作为该像素点的第二透射率。根据各个像素点的第二透射率得到各个像素点的目标透射率。
在本实施例的一种实施方式中，设置有第一预设雾浓度及第二预设雾浓度，其中，第一预设雾浓度小于或等于第二预设雾浓度。第一预设雾浓度及第二预设雾浓度可以根据实际需求设置。当雾浓度位于0至第一预设雾浓度之间时，认为该区域为纹理区或灰度均匀区，此区域应减弱拉伸程度，因此增大该区域的第一透射率。当雾浓度位于第一预设雾浓度与第二预设雾浓度之间时，认为该区域为薄雾区，应按照对比度拉伸去雾，因此保持该区域的第一透射率不变。当雾浓度位于第二预设雾浓度与最大雾浓度之间时，可以认为该区域为天空或浓雾区，应减弱拉伸程度，因此增大该区域的第一透射率。由此，可以根据雾浓度对该像素点的第一透射率进行调整。
值得说明的是，上述调整方式仅为举例说明，可以根据实际需求设置不同的雾浓度范围及该范围对应的调整方式。
所述根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率，包括：根据各个像素点的雾浓度，及预设的雾浓度与自适应调整系数的对应关系，得到各个像素点的自适应调整系数；根据各个像素点的第一透射率及自适应调整系数，计算得到各个像素点的第二透射率。
在本实施例中，可预先设置雾浓度与自适应调整系数的对应关系。在获得各个像素点的第一透射率及雾浓度后，可根据得到的雾浓度及上述对应关系，得到像素点对应的自适应调整系数。然后根据该自适应调整系数及第一透射率，可计算得到各个像素点的第二透射率。然后将各个像素点的第二透射率直接作为该像素点的目标透射率。
其中，雾浓度与自适应调整系数的对应关系可以根据实际需要设置。比如，设置自适应调整系数在[0,μ]上为减函数，在[μ,1]上为增函数。可以采用线性函数，也可以采用非线性函数。以高斯函数为例：
其中，Mi表示自适应调整系数，ω2表示预设的方差，M0表示预设的自适应调整系数最大值，μ表示预设的阈值，Vi表示雾浓度。通过调整ω2、M0、μ这三个系数可以控制透射率的变化趋势。
在本实施例中，根据各个像素点的雾浓度对得到的各个像素点的第一透射率进行调整，从而得到各个像素点的目标透射率。通过该方式得到的透射率，可以有效解决天空等亮度较大区域的过度拉伸导致的图像失真、噪声明显等问题，还能避免纹理区域对比度拉伸导致的细节丢失问题。
可选地，在本实施例中，可以通过以下方式获得各个像素点的雾浓度：获得所述有雾图像的各个像素点的亮度；获得所述有雾图像的各个像素点的对比度；根据各个像素点的亮度及对比度，计算得到各个像素点的雾浓度。
生成所述有雾图像的亮度矩阵。其中，该亮度矩阵可以用所述有雾图像I或者所述暗通道图像Idark的局部亮度表示。局部亮度可以直接取局部块的亮度均值或中间值，或通过对局部块进行低通滤波得到。以取暗通道图像的局部块均值表示局部亮度为例，亮度矩阵可以表示为：
其中，
表示以像素点i为中心的局部块的均值，
表示所述暗通道图像Idark归一化后结果。
生成所述有雾图像的局部对比度矩阵。其中，该对比度矩阵可以用所述有雾图像I或者所述暗通道图像Idark的局部方差、信息熵表示，也可以用所述有雾图像I或者所述暗通道图像Idark的平均梯度或者高通滤波后的细节强度表示。以取暗通道局部方差为例：
其中，
表示以像素点为i为中心的局部块的方差。
通过生成亮度矩阵和局部对比度矩阵时的归一化处理，使得后续根据亮度及对比度计算得到的雾浓度所在范围为0～1，由此便于表示雾浓度。当然可以理解的是，也可以不进行归一化处理。
其中，生成亮度矩阵及生成对比度矩阵，这两个步骤不限定先后顺序。可以同时执行，也可以先生成亮度矩阵，再生成对比度矩阵，或者先生成对比度矩阵，后生成亮度矩阵。生成亮度矩阵及生成对比度矩阵，针对的图像应该是同一个图像，比如，若根据暗通道图像Idark生成亮度矩阵，则需要根据暗通道图像Idark生成对比度矩阵。
接下来根据亮度矩阵和对比度矩阵计算雾浓度矩阵。已知雾浓度越大，亮度越高，而局部对比度越差。因此，选择一个函数，其随着Wi的增大而增大，随着Ci的增大而减小。此函数可以直接取Wi和Ci的差值或比值，也可以采用其他线性或非线性函数。这里以Wi和Ci的差值为例，雾浓度矩阵可以表示为：Vi＝Wi-Ci。由此，可得到所述有雾图像中各个像素点的雾浓度。
在本实施例的另一种实施方式中，在得到第二透射率后，可以将第二透射率和预设透射率中的较大透射率，作为目标透射率。由此可以防止目标透射率过小，对有雾图像过度拉伸。
步骤S150，采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
在本实施例中，在得到所述有雾图像中各个像素点的大气光值、目标透射率后，可以根据下列公式对所述有雾图像进行去雾处理，得到去雾图像。其中，去雾时使用的计算公式为：
其中，J表示去雾图像，x表示像素点。
在本申请实施例中，首先获得暗通道图像。在获得暗通道图像时，利用平滑滤波代替常用的最小值滤波，以得到暗通道图像，该方式使得无需额外的细化步骤消除最小值滤波导致的块效应，可有效提升图像去雾的效率。在计算大气光值时，不再采用全局大气光值，而是利用平滑滤波来估计大气光照对局部区域的影响，有效避免了现有技术中使用全局大气光值(即单一的大气光值)导致的去雾图像暗淡、色彩失真、局部对比度下降以及细节损失等问题。在计算透射率时，根据雾浓度对经透射率计算公式得到的透射率进行自适应调整，不仅解决了天空等区域过度拉伸导致的失真及噪声明显等问题，还避免了纹理区域过度拉伸导致的局部对比度下降、细节丢失等问题，使得得到的去雾图像视觉效果更好。
请参照图5，图5是本申请实施例提供的图像去雾方法的流程示意之二。在步骤S120之前，所述方法还可以包括步骤S115。
步骤S115，对获得的待处理的有雾图像进行白平衡处理。
在本实施例中，在获得待处理的有雾图像后，可以先对该待处理的有雾图像进行白平衡校正，以消除光源颜色对图像传感器成像的影响，防止后续去雾过程可能导致的画面偏色程度增大。其中，可以采用灰度世界或完美世界等传统算法，也可以采用其他基于统计或者神经网络的白平衡算法。
后续根据白平衡处理后的有雾图像，获得暗通道图像，以及计算各个像素点的大气光值及透射率，并对白平衡处理后的有雾图像进行去雾处理。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种图像去雾装置200的实现方式，可选地，该图像去雾装置200装置可以采用上述图1所示的电子设备100的器件结构。进一步地，请参照图6，图6是本申请实施例提供的图像去雾装置200的方框示意图之一。需要说明的是，本实施例所提供的图像去雾装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该图像去雾装置200可以包括：第一获取模块210、第二获取模块220、大气光计算模块230、透射率计算模块240、去雾模块250。
所述第一获取模块210，用于获取待处理的有雾图像。
所述第二获取模块220，用于根据所述有雾图像，获得暗通道图像。
所述大气光计算模块230，用于对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值。
所述透射率计算模块240，用于根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率。
所述去雾模块250，用于采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
可选地，请参照图7，图7是本申请实施例提供的图像去雾装置200的方框示意图之二。所述图像去雾装置200还可以包括处理模块215。
所述处理模块215，用于在所述第一获取模块210获取待处理的有雾图像后，对获得的待处理的有雾图像进行白平衡处理。
所述第二获取模块220具体用于根据白平衡处理后的有雾图像，得到暗通道图像。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
本申请实施例还提供一种可读存储介质，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所述的图像去雾方法。
综上所述，本申请实施例提供一种图像去雾方法、装置、电子设备及可读存储介质，在获取待处理的有雾图像后，根据该有雾图像，获得暗通道图像。对该有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值。根据有雾图像中各个像素点的大气光值及暗通道图像，计算得到有雾图像中各个像素点的目标透射率，采用有雾图像中各个像素点的大气光值和目标透射率，对有雾图像进行去雾处理，得到去雾图像。相较于现有去雾技术中的使用的全局大气光值，上述方式获得的大气光值能够更加准确地反映出大气光照对各个像素点的影响，通过该大气光值进行去雾处理，可解决由于去雾时使用的大气光值不合理，而导致的图像亮度变暗、色彩失真及局部细节损失等问题。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请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)执行本申请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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像去雾方法，其特征在于，所述方法包括：
获取待处理的有雾图像；
根据所述有雾图像，获得暗通道图像；
对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值；
根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率；
采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
2.根据权利要求1所述的图像去雾方法，其特征在于，所述根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率，包括：
基于暗通道先验算法，根据所述有雾图像中各个像素点的大气光值及所述暗通道图像计算得到所述有雾图像中各个像素点的第一透射率；
对所述第一透射率进行自适应调整，得到所述目标透射率。
3.根据权利要求2所述的图像去雾方法，其特征在于，所述对所述第一透射率进行自适应调整，得到所述目标透射率，包括：
获得所述有雾图像的各个像素点的亮度；
获得所述有雾图像的各个像素点的对比度；
根据各个像素点的亮度及对比度，计算得到各个像素点的雾浓度；
根据各个像素点的雾浓度，判断是否需要对该像素点的第一透射率进行调整；
若需要，则根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率；
若不需要调整，则直接将该像素点的第一透射率作为该像素点的第二透射率；
根据各个像素点的第二透射率得到各个像素点的目标透射率。
4.根据权利要求3所述的图像去雾方法，其特征在于，所述根据该像素点的雾浓度，对该像素点的第一透射率进行调整，得到第二透射率，包括：
根据各个像素点的雾浓度，及预设的雾浓度与自适应调整系数的对应关系，得到各个像素点的自适应调整系数；
根据各个像素点的第一透射率及自适应调整系数，计算得到各个像素点的第二透射率。
5.根据权利要求3所述的图像去雾方法，其特征在于，所述根据各个像素点的第二透射率得到各个像素点的目标透射率，包括：
将第二透射率和预设透射率中的较大透射率，作为目标透射率。
6.根据权利要求1所述的图像去雾方法，其特征在于，所述根据所述有雾图像，获得暗通道图像，包括：
根据所述有雾图像中各个像素点的三原色通道的通道最小值，获得最小值图像；
对所述最小值图像进行平滑滤波处理，得到所述暗通道图像。
7.根据权利要求1所述的图像去雾方法，其特征在于，在所述根据所述有雾图像，获得暗通道图像之前，所述方法还包括：
对获得的待处理的有雾图像进行白平衡处理。
8.一种图像去雾装置，其特征在于，所述装置包括：
第一获取模块，用于获取待处理的有雾图像；
第二获取模块，用于根据所述有雾图像，获得暗通道图像；
大气光计算模块，用于对所述有雾图像进行平滑滤波处理，并将处理后的有雾图像中各个像素点的颜色值作为所述有雾图像中对应像素点的大气光值；
透射率计算模块，用于根据所述有雾图像中各个像素点的大气光值及所述暗通道图像，计算得到所述有雾图像中各个像素点的目标透射率；
去雾模块，用于采用所述有雾图像中各个像素点的大气光值和目标透射率，对所述有雾图像进行去雾处理，得到去雾图像。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-7中任一所述的图像去雾方法。
10.一种可读存储介质，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如权利要求1-7中任一项所述的图像去雾方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910766724.XA CN112419162B (zh) | 2019-08-20 | 2019-08-20 | 图像去雾方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910766724.XA CN112419162B (zh) | 2019-08-20 | 2019-08-20 | 图像去雾方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419162A true CN112419162A (zh) | 2021-02-26 |
| CN112419162B CN112419162B (zh) | 2024-04-05 |
Family
ID=74778909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910766724.XA Active CN112419162B (zh) | 2019-08-20 | 2019-08-20 | 图像去雾方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419162B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927157A (zh) * | 2021-03-08 | 2021-06-08 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
| 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 |
| CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
| CN114663311A (zh) * | 2022-03-24 | 2022-06-24 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
| CN115861133A (zh) * | 2023-02-22 | 2023-03-28 | 山东晋工科技有限公司 | 一种钻凿劈裂一体机的远程遥控无人驾驶系统 |
| CN115937144A (zh) * | 2022-12-08 | 2023-04-07 | 郑州大学 | 一种胸腔镜术中图像处理方法及系统 |
| WO2023130547A1 (zh) * | 2022-01-06 | 2023-07-13 | 广东欧谱曼迪科技有限公司 | 一种内窥镜图像去雾方法、装置、电子设备及存储介质 |
| CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
| CN116612050A (zh) * | 2023-07-19 | 2023-08-18 | 国药新光医疗科技有限公司 | 一种基于暗通道的先验去雾方法 |
| CN116630349A (zh) * | 2023-07-25 | 2023-08-22 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
| CN117196971A (zh) * | 2023-08-14 | 2023-12-08 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
| CN117196971B (zh) * | 2023-08-14 | 2024-05-31 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106462953A (zh) * | 2014-06-12 | 2017-02-22 | Eizo株式会社 | 图像处理系统及计算机可读记录介质 |
| CN107403421A (zh) * | 2017-08-10 | 2017-11-28 | 杭州联吉技术有限公司 | 一种图像去雾方法、存储介质及终端设备 |
| US20180122051A1 (en) * | 2015-03-30 | 2018-05-03 | Agency For Science, Technology And Research | Method and device for image haze removal |
| CN108717686A (zh) * | 2018-04-04 | 2018-10-30 | 华南理工大学 | 一种基于暗通道先验的实时视频去雾方法 |
-
2019
- 2019-08-20 CN CN201910766724.XA patent/CN112419162B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106462953A (zh) * | 2014-06-12 | 2017-02-22 | Eizo株式会社 | 图像处理系统及计算机可读记录介质 |
| US20180122051A1 (en) * | 2015-03-30 | 2018-05-03 | Agency For Science, Technology And Research | Method and device for image haze removal |
| CN107403421A (zh) * | 2017-08-10 | 2017-11-28 | 杭州联吉技术有限公司 | 一种图像去雾方法、存储介质及终端设备 |
| CN108717686A (zh) * | 2018-04-04 | 2018-10-30 | 华南理工大学 | 一种基于暗通道先验的实时视频去雾方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927157B (zh) * | 2021-03-08 | 2023-08-15 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
| CN112927157A (zh) * | 2021-03-08 | 2021-06-08 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
| 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 |
| 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 |
| WO2023130547A1 (zh) * | 2022-01-06 | 2023-07-13 | 广东欧谱曼迪科技有限公司 | 一种内窥镜图像去雾方法、装置、电子设备及存储介质 |
| CN114066780A (zh) * | 2022-01-17 | 2022-02-18 | 广东欧谱曼迪科技有限公司 | 4k内窥镜图像去雾方法、装置、电子设备及存储介质 |
| CN114663311A (zh) * | 2022-03-24 | 2022-06-24 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
| CN115937144B (zh) * | 2022-12-08 | 2023-08-25 | 郑州大学 | 一种胸腔镜术中图像处理方法及系统 |
| CN115937144A (zh) * | 2022-12-08 | 2023-04-07 | 郑州大学 | 一种胸腔镜术中图像处理方法及系统 |
| CN115861133B (zh) * | 2023-02-22 | 2023-05-09 | 山东晋工科技有限公司 | 一种钻凿劈裂一体机的远程遥控无人驾驶系统 |
| CN115861133A (zh) * | 2023-02-22 | 2023-03-28 | 山东晋工科技有限公司 | 一种钻凿劈裂一体机的远程遥控无人驾驶系统 |
| CN116612043A (zh) * | 2023-06-02 | 2023-08-18 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
| CN116612043B (zh) * | 2023-06-02 | 2024-04-02 | 萱闱(北京)生物科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
| CN116612050A (zh) * | 2023-07-19 | 2023-08-18 | 国药新光医疗科技有限公司 | 一种基于暗通道的先验去雾方法 |
| CN116612050B (zh) * | 2023-07-19 | 2023-10-31 | 国药新光医疗科技有限公司 | 一种基于暗通道的先验去雾方法 |
| CN116630349B (zh) * | 2023-07-25 | 2023-10-20 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
| CN116630349A (zh) * | 2023-07-25 | 2023-08-22 | 山东爱福地生物股份有限公司 | 基于高分辨率遥感图像的秸秆还田区域快速分割方法 |
| CN117196971A (zh) * | 2023-08-14 | 2023-12-08 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
| CN117196971B (zh) * | 2023-08-14 | 2024-05-31 | 上海为旌科技有限公司 | 基于大气散射模型的图像去雾方法、装置及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419162B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112419162B (zh) | 图像去雾方法、装置、电子设备及可读存储介质 | |
| Bai et al. | Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion | |
| CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
| US11127122B2 (en) | Image enhancement method and system | |
| WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
| RU2298226C1 (ru) | Способ улучшения цифровых изображений | |
| CN110706174B (zh) | 一种图像增强方法、终端设备及存储介质 | |
| CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
| KR20140142381A (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
| CN109325918B (zh) | 一种图像处理的方法、装置及计算机存储介质 | |
| CN115578297A (zh) | 一种自适应色彩补偿与细节优化的广义衰减图像增强方法 | |
| CN112967273B (zh) | 图像处理方法、电子设备及存储介质 | |
| CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
| CN110782400B (zh) | 一种自适应的光照均匀实现方法和装置 | |
| CN114693548B (zh) | 一种基于亮区域检测的暗通道去雾方法 | |
| CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
| CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
| CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
| CN114897735B (zh) | 局部自适应的水下图像对比度增强方法 | |
| CN110852971A (zh) | 基于暗原色先验和Retinex的视频去雾方法及计算机程序产品 | |
| Negru et al. | Exponential image enhancement in daytime fog conditions | |
| Srinivas et al. | Channel prior based Retinex model for underwater image enhancement | |
| CN113920136A (zh) | 一种改进的暗通道先验去雾算法 | |
| RU2383924C2 (ru) | Способ адаптивного повышения резкости цифровых фотографий в процессе печати | |
| CN114119411A (zh) | 一种雾噪声视频图像恢复方法、装置、设备及介质 |
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 |