CN112581411A - 一种图像去雾的方法及终端 - Google Patents
一种图像去雾的方法及终端 Download PDFInfo
- Publication number
- CN112581411A CN112581411A CN202110215727.1A CN202110215727A CN112581411A CN 112581411 A CN112581411 A CN 112581411A CN 202110215727 A CN202110215727 A CN 202110215727A CN 112581411 A CN112581411 A CN 112581411A
- Authority
- CN
- China
- Prior art keywords
- image
- gaussian pyramid
- top layer
- layer image
- pyramid top
- 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 54
- 238000002834 transmittance Methods 0.000 claims abstract description 74
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 3
- 125000001475 halogen functional group Chemical group 0.000 description 3
- 239000003595 mist Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002245 particle Substances 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像去雾的方法及终端,获取待处理图像的高斯金字塔顶层图像;根据高斯金字塔顶层图像的雾气浓度判断是否需要去雾,能够避免对无雾图像再进行去雾处理;对需要去雾的高斯金字塔顶层图像计算大气光值和透射率,并且如果存在天空区域,对天空区域的透射率进行修正,对透射率进行导向滤波后,对高斯金字塔顶层图像去雾,并将去雾后的图像恢复至原分辨率;其中,通过对高斯金字塔顶层图像进行去雾再将去雾后的图像通过上采样恢复至原分辨率,在提高去雾效率的同时减少图像的细节损失,并且对图像的天空区域的透视率进行修正,能够避免天空区域去雾后过曝的情况,大幅减轻天空区域的色彩失真程度。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种图像去雾的方法及终端。
背景技术
现有技术中图像去雾的方法,一种是通过对大量户外自然无雾图像进行观察统计,而提出的暗通道先验理论,将暗通道先验理论和大气光散射模型结合,可以实现图像去雾。但是该算法存在下列缺陷:一是计算效率很低,无法应用于工业界;二是暗通道先验知识对天空区域不成立,去雾后导致天空区域出现严重的色彩失真;三是大气光估计方法过于简单,常因大气光值计算错误导致去雾图像过曝或过暗。
另一种方法是用引导滤波代替计算效率低的软抠图法,使得计算效率大幅度提高,但是对于大分辨率的图像,此方法计算速度仍相对较慢。
另一种方法是使用四叉树搜索计算大气光值,提高了大气光值计算的准确性,但是计算效率低的问题未能得到解决。
发明内容
本发明所要解决的技术问题是:提供一种图像去雾的方法及终端,能够快速对图像去雾,并且获得的去雾图像失真程度轻。
为了解决上述技术问题,本发明采用的技术方案为:
一种图像去雾的方法,包括步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种图像去雾的终端,包括存储器、处理器以及存储在所述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计算机程序时实现以下步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
本发明的有益效果在于:获取待处理图像的高斯金字塔顶层图像;根据高斯金字塔顶层图像中非天空区域的雾气浓度判断是否需要去雾,对雾气浓度高于第一预设阈值的图像进行去雾处理,能够避免对无雾图像再进行去雾处理;对需要去雾的高斯金字塔顶层图像计算大气光值和透射率,并且如果存在天空区域,对天空区域的透射率进行修正,对透射率进行导向滤波后,对高斯金字塔顶层图像去雾,并将去雾后的图像恢复至原分辨率;其中,通过下采样得到高斯金字塔顶层图像,对高斯金字塔顶层图像进行去雾再将去雾后的高斯金字塔顶层图像通过上采样恢复至原分辨率图像,能够在提高去雾效率的同时减少图像的细节损失,并且对图像的天空区域的透视率进行修正,能够避免天空区域去雾后过曝的情况,从而在大幅提高去雾速度的同时,能够大幅减轻天空区域的色彩失真程度。
附图说明
图1为本发明实施例的一种图像去雾的方法的流程图;
图2为本发明实施例的一种图像去雾的终端的示意图;
图3为本发明实施例的一种图像去雾的方法的存在天空区域的待处理图像;
图4为本发明实施例的一种图像去雾的方法的存在天空区域的待处理图像划分前景和背景后的示意图;
图5为本发明实施例的一种图像去雾的方法的不存在天空区域的待处理图像;
图6为本发明实施例的一种图像去雾的方法的不存在天空区域的待处理图像划分前景和背景后的示意图;
图7为对图3进行使用无天空区域修正的暗通道去雾的效果图;
图8为对图3进行使用本实施例方法去雾的效果图;
图9为本发明实施例的一种图像去雾的方法的存在天空区域的待处理图像;
图10为对图9进行使用无天空区域修正的暗通道去雾的效果图;
图11为对图9进行使用本实施例方法去雾的效果图;
图12为本发明实施例的一种图像去雾的方法的图像分解、去雾和重建的流程图;
图13为本发明实施例的一种图像去雾的方法的步骤流程图;
图14为本发明实施例的一种图像去雾的方法的待处理图像;
图15为本发明实施例的一种图像去雾的方法的待处理图像。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
名词解释:
图像金字塔,分为高斯金字塔和拉普拉斯金字塔,高斯金字塔由原图连续下采样得到,保存了原图不同分辨率的图像;拉普拉斯金字塔由高斯金字塔当前层减去上一层的上采样获得,保留了图像不同尺度下的细节信息。
导向滤波,一种边缘保持滤波器,用导向滤波对透射率进行处理,可以消除去雾图像的Halo效应。
Halo效应,指去雾图中不同景深之间的物体边缘残留雾气的现象。
四叉树分块搜索算法,一种用于计算大气光值的算法,先将原图划分为4个大小相同的区域,按照一定的规则选中一个区域,不断重复该步骤直到所选区域大小小于阈值,取最终区域中亮度最高的像素值作为大气光值。
请参照图1,本发明实施例提供了一种图像去雾的方法,包括步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
从上述描述可知,本发明的有益效果在于:获取待处理图像的高斯金字塔顶层图像;根据高斯金字塔顶层图像中非天空区域的雾气浓度判断是否需要去雾,对雾气浓度高于第一预设阈值的图像进行去雾处理,能够避免对无雾图像再进行去雾处理;对需要去雾的高斯金字塔顶层图像计算大气光值和透射率,并且如果存在天空区域,对天空区域的透射率进行修正,对透射率进行导向滤波后,对高斯金字塔顶层图像去雾,并将去雾后的图像恢复至原分辨率;其中,通过下采样得到高斯金字塔顶层图像,对高斯金字塔顶层图像进行去雾再将去雾后的高斯金字塔顶层图像通过上采样恢复至原分辨率图像,能够在提高去雾效率的同时减少图像的细节损失,并且对图像的天空区域的透视率进行修正,能够避免天空区域去雾后过曝的情况,从而在大幅提高去雾速度的同时,能够大幅减轻天空区域的色彩失真程度。
进一步地,所述判断所述高斯金字塔顶层图像中是否存在天空区域包括:
划分所述高斯金字塔顶层图像的前景和背景;
计算所述高斯金字塔顶层图像的背景与前景的差值score_1:
式中,I(x)表示待处理区域中的像素,mean(I(x))表示取所述待处理区域中像素的平均值,std(I(x))表示取所述待处理区域中像素的标准差,x1表示所述背景中的像素,x2表示所述前景中的像素;
判断所述差值是否大于第二预设阈值,若是,则所述高斯金字塔顶层图像中存在天空区域,若否,则所述高斯金字塔顶层图像中不存在天空区域。
由上述描述可知,划分高斯金字塔顶层图像的前景和背景,由于天空区域通常亮度高且像素平滑度高,而前景区域亮度较低且纹理细节多、像素平滑度低,因此将背景与前景的差值与第二预设阈值比较,有利于快速准确地获取背景中的天空区域。
进一步地,所述划分所述高斯金字塔顶层图像的前景和背景包括:
通过最大类间方差法计算划分阈值;
根据所述划分阈值,使用二值法将所述高斯金字塔顶层图像分割为前景和背景。
由上述描述可知,使用二值法将高斯金字塔顶层图像分割为前景和背景,划分阈值通过最大类间方差法计算,使用最大类间方差法能够更准确地划分出背景和前景,便于后续在背景中对天空区域的判断。
进一步地,所述对所述天空区域的透射率进行修正包括:
对透射率进行修正:
式中,x表示所述待处理图像中的像素,A表示大气光强度,mean(A)表示对所述高斯金字塔顶层图像的大气光强度取平均值,t(x)表示原有的透射率,t’(x)表示修正后的透射率。
由上述描述可知,由于天空区域不满足暗通道先验的原理,因此对透射率进行修正能够避免得到的透射率偏小的问题,从而避免天空区域去雾后过曝的情况,使天空区域的色彩失真程度大幅减轻。
进一步地,所述判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值包括:
计算雾气浓度score_2:
式中,x表示非天空区域中的像素,I表示待处理区域中的像素,c表示颜色通道,max表示取所述待处理区域中像素的最大值,min表示取所述待处理区域中像素的最小值,mean表示取平均值;
判断所述雾气浓度是否高于第一预设阈值。
由上述描述可知,根据暗通道先验的原理,无雾图中的像素最小值比有雾图的像素最小值小,在雾气浓度较大的情况下图像会是灰蒙蒙的,此时图中像素的最小值和最大值接近,因此计算最大值与最小值的差值可以方便快捷地对雾气浓度进行计算;由于天空区域与雾气区域特征相近,因此只对非天空区域的像素进行统计计算,避免影响计算精度,从而准确地对图像的雾气浓度进行计算。
请参照图2,本发明实施例提供了一种图像去雾的终端,包括存储器、处理器以及存储在所述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计算机程序时实现以下步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
由上述描述可知,获取待处理图像的高斯金字塔顶层图像;根据高斯金字塔顶层图像中非天空区域的雾气浓度判断是否需要去雾,对雾气浓度高于第一预设阈值的图像进行去雾处理,能够避免对无雾图像再进行去雾处理;对需要去雾的高斯金字塔顶层图像计算大气光值和透射率,并且如果存在天空区域,对天空区域的透射率进行修正,对透射率进行导向滤波后,对高斯金字塔顶层图像去雾,并将去雾后的图像恢复至原分辨率;其中,通过下采样得到高斯金字塔顶层图像,对高斯金字塔顶层图像进行去雾再将去雾后的高斯金字塔顶层图像通过上采样恢复至原分辨率图像,能够在提高去雾效率的同时减少图像的细节损失,并且对图像的天空区域的透视率进行修正,能够避免天空区域去雾后过曝的情况,从而在大幅提高去雾速度的同时,能够大幅减轻天空区域的色彩失真程度。
进一步地,所述判断所述高斯金字塔顶层图像中是否存在天空区域包括:
划分所述高斯金字塔顶层图像的前景和背景;
计算所述高斯金字塔顶层图像的背景与前景的差值score_1:
式中,I(x)表示待处理区域中的像素,mean(I(x))表示取所述待处理区域中像素的平均值,std(I(x))表示取所述待处理区域中像素的标准差,x1表示所述背景中的像素,x2表示所述前景中的像素;
判断所述差值是否大于第二预设阈值,若是,则所述高斯金字塔顶层图像中存在天空区域,若否,则所述高斯金字塔顶层图像中不存在天空区域。
由上述描述可知,划分高斯金字塔顶层图像的前景和背景,由于天空区域通常亮度高且像素平滑度高,而前景区域亮度较低且纹理细节多、像素平滑度低,因此将背景与前景的差值与第二预设阈值比较,有利于快速准确地获取背景中的天空区域。
进一步地,所述划分所述高斯金字塔顶层图像的前景和背景包括:
通过最大类间方差法计算划分阈值;
根据所述划分阈值,使用二值法将所述高斯金字塔顶层图像分割为前景和背景。
由上述描述可知,使用二值法将高斯金字塔顶层图像分割为前景和背景,划分阈值通过最大类间方差法计算,使用最大类间方差法能够更准确地划分出背景和前景,便于后续在背景中对天空区域的判断。
进一步地,所述对所述天空区域的透射率进行修正包括:
对透射率进行修正:
式中,x表示所述待处理图像中的像素,A表示大气光强度,mean(A)表示对所述高斯金字塔顶层图像的大气光强度取平均值,t(x)表示原有的透射率,t’(x)表示修正后的透射率。
由上述描述可知,由于天空区域不满足暗通道先验的原理,因此对透射率进行修正能够避免得到的透射率偏小的问题,从而避免天空区域去雾后过曝的情况,使天空区域的色彩失真程度大幅减轻。
进一步地,所述判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值包括:
计算雾气浓度score_2:
式中,x表示非天空区域中的像素,I表示待处理区域中的像素,c表示颜色通道,max表示取所述待处理区域中像素的最大值,min表示取所述待处理区域中像素的最小值,mean表示取平均值;
判断所述雾气浓度是否高于第一预设阈值。
由上述描述可知,根据暗通道先验的原理,无雾图中的像素最小值比有雾图的像素最小值小,在雾气浓度较大的情况下图像会是灰蒙蒙的,此时图中像素的最小值和最大值接近,因此计算最大值与最小值的差值可以方便快捷地对雾气浓度进行计算;由于天空区域与雾气区域特征相近,因此只对非天空区域的像素进行统计计算,避免影响计算精度,从而准确地对图像的雾气浓度进行计算。
本发明上述一种图像去雾的方法及终端,适用于各种图像的快速去雾,去雾后的图像自然,特别适用于包含天空区域图像的快速去雾,以下通过具体实施方式进行说明:
实施例一
请参照图1,一种图像去雾的方法,包括步骤:
S1、对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
具体的,在本实施例中,对待处理图像进行图像金字塔分解,将待处理图像分成多层高斯金字塔,获取分解后的高斯金字塔顶层图像;其中高斯金字塔的层数由图像分辨率确定,一般取0-3层,层数越高,得到的图像分辨率越低;
S2、判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
其中,大气散射模型从物理上阐述了有雾图像退化的原因,认为光在传播过程中,
撞到悬浮在空中的雾霾粒子,导致部分光被削弱,造成图像的模糊;大气散射模型的数学表
达式为,式中,x表示像素坐标,I(x)表示设备采集到的有雾图像,
A表示大气光值,t(x)表示图像透射率,J(x)表示希望恢复得到的无雾图像;
根据暗通道先验理论,无雾图像中的像素点及其周围的像素点在RGB三通道内会存在很低的亮度值,接近于0,将这些点称为图像的暗通道,暗通道的理论公式如下:
式中,y表示当前像素邻域中的一个像素点,Ω(x)表示当前像素x的邻域,通常取以x为中心的7*7或15*15的矩形区域,c表示颜色通道,min表示取最小值;
根据大气散射的表达式和暗通道理论的公式可以得到透射率的计算公式如下:
式中,表示由于图像保留少量雾气会使画面更有层次感而引入的系数,通常为0.95;
具体的,本实施例中,根据四叉树分块搜索算法求解大气光值A,根据图像透射率公式计算出高斯金字塔顶层图像的透射率t(x);
其中,所述判断所述高斯金字塔顶层图像中是否存在天空区域包括:
划分所述高斯金字塔顶层图像的前景和背景;
计算所述高斯金字塔顶层图像的背景与前景的差值score_1:
式中,I(x)表示待处理区域中的像素,mean(I(x))表示取所述待处理区域中像素的平均值,std(I(x))表示取所述待处理区域中像素的标准差,x1表示所述背景中的像素,x2表示所述前景中的像素;
判断所述差值是否大于第二预设阈值,若是,则所述高斯金字塔顶层图像中存在天空区域,若否,则所述高斯金字塔顶层图像中不存在天空区域;
其中,所述划分所述高斯金字塔顶层图像的前景和背景包括:
通过最大类间方差法计算划分阈值;
根据所述划分阈值,使用二值法将所述高斯金字塔顶层图像分割为前景和背景;
具体的,在本实施例中,对任意图像均可采用二值法划分前景和背景,划分前景与背景的阈值用最大类间方差法计算;
具体的,第二预设阈值可以根据不同的天空区域检测的测试场景给出对应的数值,在本实施例中,设置第二预设阈值为1,如果score_1小于1,则认为图像中不存在天空区域,可以直接使用计算得到的透射率对图像去雾,如果score_1大于或等于1,则认为图像中存在天空区域;
由于天空区域通常亮度较高且像素过渡的平滑度高,而前景亮度较低且图像纹理细节较多、像素过渡的平滑度低,因此计算背景与前景的像素差值能够简单快速地辨别是否存在天空区域;请参照图3至图6,天空区域与其他区域差别明显,因此使用二值法区分背景和前景有利于进一步判断背景中是否存在天空区域;
其中,所述对所述天空区域的透射率进行修正包括:
对透射率进行修正:
式中,x表示所述待处理图像中的像素,A表示大气光强度,mean(A)表示对所述高斯金字塔顶层图像的大气光强度取平均值,t(x)表示原有的透射率,t’(x)表示修正后的透射率;
具体的,当图像中存在天空区域时,天空区域不满足暗通道先验的原理,此时根据暗通道理论计算得到的暗通道最低亮度较小,求出的透射率偏小,因此对其修正后能够避免去雾后的天空区域产生过曝的情况,请参照图3、图7至图11,使用无天空区域修正的暗通道先验的去雾方法,天空区域出现严重的伪彩,而使用本实施例中修正天空区域透光率的方法,没有出现图像过曝并且能够自然地处理图像;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理;
具体的,第一预设阈值可以根据不同的雾气浓度检测的测试场景给出对应的数值,在本实施例中,设第一预设阈值为2,如果雾气浓度大于或者等于2,则表示图像中有一定的雾气,需要进行去雾,如果雾气浓度小于2,则不对图像进行去雾处理;
使用导向滤波对需要去雾的图像的透射率进行细化,得到细化后的透射率后,通过下式得到去雾图像:
式中,t0表示透射率下限,通常t0为0.1,max表示取最大值;
对高斯金字塔顶层图像进行去雾后,再利用图像金字塔重建算法得到原分辨率图像,如果在图像分解时分解的层数为0层,则不需要对图像进行重建;
具体的,请参照图12,本实施例中,对待处理图像为分解高斯金字塔和拉普拉斯金字塔,通过下采样得到分辨率较低的高斯金字塔顶层图像后对其透射率导向滤波;使用导向滤波后的透射率进行去雾;将每层高斯金字塔图像与上一层高斯金字塔图像上采样后的图像相减得到当前层拉普拉斯金字塔图像;将每层拉普拉斯金字塔图像与上一层高斯金字塔图像上采样后的图像相加,重建为原分辨率的图像;
其中,计算得出的透射率比较粗糙,直接用于去雾会出现Halo效应,因此使用导向滤波对透射率进行细化;用导向滤波对透射率进行细化的算法复杂度是O(N),面对高分辨率的图像,计算效率较低,因此通过图像金字塔分解获得高斯金字塔顶层图像,能够对低分辨率的图像进行导向滤波,提高算法效率,如表1所示,采用图像金字塔分解能有效地提高去雾效率,但需要注意的是,暗通道的计算需要的邻域不能太小,用于去雾的图像分辨率不能太低,因此本方法只对分辨率大于200W的图像进行金字塔分解;
表1不同分辨率图像的去雾时间
请参照图13,本实施例中,图像去雾的流程为:输入待处理的图像,对图像进行高斯金字塔分解,划分高斯金字塔顶层图像的天空区域,并计算高斯金字塔顶层图像的雾气浓度,根据雾气浓度大小判断是否需要进行去雾处理;计算需要去雾的高斯金字塔顶层图像的大气光值和透射率,若存在天空区域,修正天空区域的透射率,对透射率进行导向滤波后对图像去雾,将去雾后的图像进行金字塔重建得到原分辨率的去雾图像。
实施例二
本实施例与实施例一的不同在于,进一步限定了雾气浓度的计算方法:
其中,所述判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值包括:
计算雾气浓度score_2:
式中,x表示非天空区域中的像素,I表示待处理区域中的像素,c表示颜色通道,max表示取所述待处理区域中像素的最大值,min表示取所述待处理区域中像素的最小值,mean表示取平均值;
判断所述雾气浓度是否高于第一预设阈值;
具体的,实际应用时,输入的待处理图像可能包含无雾图,对于无雾图不需要去雾,因此需要具备计算雾气浓度并自动判断是否需要去雾的功能;依据暗通道先验的原理,无雾图中像素的最小值是个很低的值。反之,对于雾气图,像素最小值趋向于一个较大的值,雾气浓度很大的情况下,图像灰蒙蒙一片,此时像素最小值和像素最大值接近,因此通过像素最大值和像素最小值的差可以得到计算雾气浓度的公式,计算得到的雾气浓度数值越大,雾气越浓;并且,由于天空区域和雾气区域特征相近,会干扰计算结果,因此计算雾气浓度时只统计非天空区域的像素点;请参照图3、图14和图15,通过计算,图3的雾气浓度为110,图14的雾气浓度为20,图15的雾气浓度为58,因此计算得到的雾气浓度值与直观感知的结果一致。
实施例三
请参照图2,一种图像去雾的终端,包括存储器、处理器以及存储在所述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计算机程序时实现实施例一或实施例二中的图像去雾的方法的各个步骤。
综上所述,本发明提供的一种图像去雾的方法及终端,获取待处理图像的高斯金字塔顶层图像;根据高斯金字塔顶层图像中非天空区域的雾气浓度判断是否需要去雾,对雾气浓度高于第一预设阈值的图像进行去雾处理,能够避免对无雾图像再进行去雾处理,同时避免天空区域与雾气区域特征相近而导致的数据误差;对需要去雾的高斯金字塔顶层图像计算大气光值和透射率,并且如果存在天空区域,对天空区域的透射率进行修正,对透射率进行导向滤波后,对高斯金字塔顶层图像去雾,并将去雾后的图像恢复至原分辨率;其中,由于计算得到的透射率比较粗糙,因此需要导向滤波对透射率进行细化,但由于导向滤波的算法复杂度是O(N),面对高分辨率的图像,计算效率较低,因此通过图像金字塔分解获得高斯金字塔顶层图像,能够对低分辨率的图像进行导向滤波,对高斯金字塔顶层图像进行去雾再将去雾后的高斯金字塔顶层图像通过上采样恢复至原分辨率图像,能够在提高去雾效率的同时减少图像的细节损失;对图像的天空区域的透视率进行修正,能够避免天空区域去雾后过曝的情况,从而在大幅提高去雾速度的同时,能够大幅减轻天空区域的色彩失真程度。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图像去雾的方法,其特征在于,包括步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
3.根据权利要求2所述的一种图像去雾的方法,其特征在于,所述划分所述高斯金字塔顶层图像的前景和背景包括:
通过最大类间方差法计算划分阈值;
根据所述划分阈值,使用二值法将所述高斯金字塔顶层图像分割为前景和背景。
6.一种图像去雾的终端,包括存储器、处理器以及存储在所述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计算机程序时实现以下步骤:
对待处理图像进行图像金字塔分解,得到分解后的高斯金字塔顶层图像;
判断所述高斯金字塔顶层图像中非天空区域的雾气浓度是否高于第一预设阈值,若是,则计算所述高斯金字塔顶层图像的大气光值和透射率,判断所述高斯金字塔顶层图像中是否存在天空区域,若是,则对所述天空区域的透射率进行修正,若否,则不对透射率进行修正;
对所述高斯金字塔顶层图像的透射率进行导向滤波;
根据所述大气光值和导向滤波后的透射率对所述高斯金字塔顶层图像去雾;
利用图像金字塔重建算法,将去雾后的所述高斯金字塔顶层图像恢复至原分辨率图像;
若否,则不对所述高斯金字塔顶层图像进行去雾处理,返回原始的所述待处理图像。
8.根据权利要求7所述的一种图像去雾的终端,其特征在于,所述划分所述高斯金字塔顶层图像的前景和背景包括:
通过最大类间方差法计算划分阈值;
根据所述划分阈值,使用二值法将所述高斯金字塔顶层图像分割为前景和背景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110215727.1A CN112581411B (zh) | 2021-02-26 | 2021-02-26 | 一种图像去雾的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110215727.1A CN112581411B (zh) | 2021-02-26 | 2021-02-26 | 一种图像去雾的方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581411A true CN112581411A (zh) | 2021-03-30 |
CN112581411B CN112581411B (zh) | 2021-06-15 |
Family
ID=75113989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110215727.1A Active CN112581411B (zh) | 2021-02-26 | 2021-02-26 | 一种图像去雾的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581411B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150279011A1 (en) * | 2014-03-27 | 2015-10-01 | Samsung Techwin Co., Ltd. | Defogging system and defogging method |
CN107295261A (zh) * | 2017-07-27 | 2017-10-24 | 广东欧珀移动通信有限公司 | 图像去雾处理方法、装置、存储介质和移动终端 |
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 |
CN108550130A (zh) * | 2018-04-23 | 2018-09-18 | 南京邮电大学 | 一种图像金字塔模型的多尺度透射图融合方法 |
CN108765316A (zh) * | 2018-05-07 | 2018-11-06 | 珠海全志科技股份有限公司 | 雾气浓度自适应判断方法 |
CN108765336A (zh) * | 2018-05-25 | 2018-11-06 | 长安大学 | 基于暗亮原色先验与自适应参数优化的图像去雾方法 |
CN108898561A (zh) * | 2018-06-21 | 2018-11-27 | 山东师范大学 | 一种含天空区域雾天图像的去雾方法、服务器及系统 |
CN109993704A (zh) * | 2017-12-29 | 2019-07-09 | 展讯通信(上海)有限公司 | 一种去雾图像处理方法及系统 |
CN110310241A (zh) * | 2019-06-26 | 2019-10-08 | 长安大学 | 一种融合深度区域分割的多大气光值交通图像去雾方法 |
CN111192205A (zh) * | 2019-11-22 | 2020-05-22 | 晏子俊 | 一种图像去雾方法、系统和计算机可读存储介质 |
CN111754433A (zh) * | 2020-06-22 | 2020-10-09 | 哈尔滨理工大学 | 一种航拍图像去雾方法 |
US20200380649A1 (en) * | 2019-05-27 | 2020-12-03 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, image capturing apparatus, and storage medium |
CN112308801A (zh) * | 2020-11-20 | 2021-02-02 | 汪秀英 | 基于大数据图像采集的道路交通追踪管理方法及系统 |
-
2021
- 2021-02-26 CN CN202110215727.1A patent/CN112581411B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150279011A1 (en) * | 2014-03-27 | 2015-10-01 | Samsung Techwin Co., Ltd. | Defogging system and defogging method |
CN107295261A (zh) * | 2017-07-27 | 2017-10-24 | 广东欧珀移动通信有限公司 | 图像去雾处理方法、装置、存储介质和移动终端 |
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 |
CN109993704A (zh) * | 2017-12-29 | 2019-07-09 | 展讯通信(上海)有限公司 | 一种去雾图像处理方法及系统 |
CN108550130A (zh) * | 2018-04-23 | 2018-09-18 | 南京邮电大学 | 一种图像金字塔模型的多尺度透射图融合方法 |
CN108765316A (zh) * | 2018-05-07 | 2018-11-06 | 珠海全志科技股份有限公司 | 雾气浓度自适应判断方法 |
CN108765336A (zh) * | 2018-05-25 | 2018-11-06 | 长安大学 | 基于暗亮原色先验与自适应参数优化的图像去雾方法 |
CN108898561A (zh) * | 2018-06-21 | 2018-11-27 | 山东师范大学 | 一种含天空区域雾天图像的去雾方法、服务器及系统 |
US20200380649A1 (en) * | 2019-05-27 | 2020-12-03 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, image capturing apparatus, and storage medium |
CN110310241A (zh) * | 2019-06-26 | 2019-10-08 | 长安大学 | 一种融合深度区域分割的多大气光值交通图像去雾方法 |
CN111192205A (zh) * | 2019-11-22 | 2020-05-22 | 晏子俊 | 一种图像去雾方法、系统和计算机可读存储介质 |
CN111754433A (zh) * | 2020-06-22 | 2020-10-09 | 哈尔滨理工大学 | 一种航拍图像去雾方法 |
CN112308801A (zh) * | 2020-11-20 | 2021-02-02 | 汪秀英 | 基于大数据图像采集的道路交通追踪管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
鞠铭烨等: "基于雾气浓度估计的图像去雾算法", 《自动化学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112581411B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peng et al. | Single underwater image enhancement using depth estimation based on blurriness | |
CN108876743B (zh) | 一种图像快速去雾方法、系统、终端及存储介质 | |
US9311901B2 (en) | Variable blend width compositing | |
CN103942758B (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
CN110706174B (zh) | 一种图像增强方法、终端设备及存储介质 | |
US20190139199A1 (en) | Image deblurring method based on light streak information in an image | |
Gao et al. | Single image dehazing via self-constructing image fusion | |
US8965141B2 (en) | Image filtering based on structural information | |
JP2016505186A (ja) | エッジ保存・ノイズ抑制機能を有するイメージプロセッサ | |
CN108090886A (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
TW201830330A (zh) | 一種圖像處理方法及圖像處理系統 | |
WO2009030596A1 (en) | Method for non-photorealistic rendering | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
Wang et al. | Single Underwater Image Enhancement Based on $ L_ {P} $-Norm Decomposition | |
Tan et al. | Image haze removal based on superpixels and Markov random field | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
Khan et al. | Recent advancement in haze removal approaches | |
CN114792310A (zh) | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 | |
CN114155173A (zh) | 一种图像去雾方法、设备及非易失性存储介质 | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
CN117830134A (zh) | 基于混合滤波分解和图像融合的红外图像增强方法及系统 | |
CN112581411B (zh) | 一种图像去雾的方法及终端 | |
CN113256533B (zh) | 基于msrcr的自适应低照度图像增强方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |