CN113516602A - 一种图像去雾方法、图像去雾装置、电子设备及存储介质 - Google Patents
一种图像去雾方法、图像去雾装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113516602A CN113516602A CN202110798094.1A CN202110798094A CN113516602A CN 113516602 A CN113516602 A CN 113516602A CN 202110798094 A CN202110798094 A CN 202110798094A CN 113516602 A CN113516602 A CN 113516602A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- channel
- color space
- sub
- 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 103
- 238000002834 transmittance Methods 0.000 claims abstract description 118
- 238000012545 processing Methods 0.000 claims abstract description 111
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 210000001525 retina Anatomy 0.000 claims description 11
- 230000002207 retinal effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 29
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000001914 filtration Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000003595 mist Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- 210000000707 wrist Anatomy 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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
本发明实施例公开了一种图像去雾方法、图像去雾装置、电子设备及存储介质,用于在图像去雾装置对带雾图像进行去雾的过程中,提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度。本发明实施例方法包括:获取带雾图像;根据所述带雾图像中的大气光值,得到第一透射率图像;根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像;将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。
Description
技术领域
本发明涉及电子设备应用领域,尤其涉及一种图像去雾方法、图像去雾装置、电子设备及存储介质。
背景技术
在现有技术中,电子设备通常会使用图像增强算法和暗通道先验去雾方法,对带雾图像进行去雾处理,得到去雾图像。
然而,电子设备在使用图像增强方法的过程中,有可能会使复原后的图像,即去雾图像丢失部分信息,虽然电子设备增强了带雾图像的对比度,但是最终得到的去雾图像可能会出现失真的问题。此外,电子设备在使用暗通道先验去雾方法的过程中,虽然对于带雾图像的去雾效果比较好,但是最终得到的去雾图像也会存在整体图像偏暗,甚至部分区域(例如:天空区域)图像中场景失效的问题。这样一来,就导致电子设备得到的去雾图像的清晰度较差。
发明内容
本发明实施例提供了一种图像去雾方法、图像去雾装置、电子设备及存储介质,用于在图像去雾装置对带雾图像进行去雾的过程中,提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度。
本发明实施例第一方面提供了一种图像去雾方法,可以包括:
获取带雾图像;
根据该带雾图像中的大气光值,得到第一透射率图像;
根据该带雾图像,通过图像通道处理算法,得到第二透射率图像;
将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像。
可选的,该带雾图像包括待处理区域图像;该根据该带雾图像中的大气光值,得到第一透射率图像,包括:在该待处理区域图像中的第一灰度均值与第一灰度最大值的比值大于第一预设值,且,第一灰度标准差值小于第二预设值的情况下,将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值;根据该待处理区域图像和该第一大气光值,得到第一透射率图像。
可选的,该带雾图像包括待处理区域图像;该根据该带雾图像中的大气光值,得到第一透射率图像,包括:在该待处理区域图像中的第一灰度均值与该第一灰度最大值的比值小于等于该第一预设值,或,该第一灰度标准差值大于等于该第二预设值的情况下,将该待处理区域图像进行划分,得到n个子区域图像,n为大于1的整数;根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值;
根据该待处理区域图像和该第二大气光值,得到第一透射率图像。
可选的,该根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值,包括:计算该n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;比较该n个子区域图像分别对应的差值,得到第一最大差值,并获取该第一最大差值对应的子区域图像;在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
可选的,该方法还包括:在该第一最大差值对应的子区域图像中的像素值大于等于该预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,该新的n个子区域图像是该第一最大差值对应的子区域图像划分得到的;比较该新的n个子区域图像分别对应的差值,得到第二最大差值,并获取该第二最大差值对应的子区域图像,以及该第二最大差值对应的子区域图像中的像素值。
可选的,该图像通道处理算法为多尺度视网膜增强MSR算法,该根据该带雾图像,通过图像通道处理算法,得到第二透射率图像,包括:根据该带雾图像,通过该MSR算法,得到红色R通道图像、绿色G通道图像和蓝色B通道图像;将该R通道图像、该G通道图像和该B通道图像进行灰度处理并合并,得到第二透射率图像。
可选的,该将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像,包括:将该第一透射率图像和该第二透射率图像进行融合,得到第一去雾图像;将该第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,该将该第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像,包括:将该第一去雾图像的RGB色彩空间转换成第一HIS色彩空间;将该第一HIS色彩空间中的通道进行处理,得到第二HIS色彩空间;将该第二HIS色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
可选的,该将第一HSI色彩空间中的通道进行处理,得到第二HSI色彩空间,包括:将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
可选的,该将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间,包括:将该第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;将该第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;将该S’通道、该I’通道和该第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
本发明实施例第二方面提供了一种图像去雾装置,可以包括:
获取模块,用于获取带雾图像;
处理模块,用于根据该带雾图像中的大气光值,得到第一透射率图像;根据该带雾图像,通过图像通道处理算法,得到第二透射率图像;将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像。
可选的,该处理模块,具体用于在该待处理区域图像中的第一灰度均值与第一灰度最大值的比值大于第一预设值,且,第一灰度标准差值小于第二预设值的情况下,将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值;根据该待处理区域图像和该第一大气光值,得到第一透射率图像。
可选的,该带雾图像包括待处理区域图像;该处理模块,具体用于在该待处理区域图像中的第一灰度均值与该第一灰度最大值的比值小于等于该第一预设值,或,该第一灰度标准差值大于等于该第二预设值的情况下,将该待处理区域图像进行划分,得到n个子区域图像,n为大于1的整数;根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值;根据该待处理区域图像和该第二大气光值,得到第一透射率图像。
可选的,该处理模块,具体用于计算该n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;比较该n个子区域图像分别对应的差值,得到第一最大差值,并获取该第一最大差值对应的子区域图像;在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
可选的,该处理模块,还用于在该第一最大差值对应的子区域图像中的像素值大于等于该预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,该新的n个子区域图像是该第一最大差值对应的子区域图像划分得到的;比较该新的n个子区域图像分别对应的差值,得到第二最大差值,并获取该第二最大差值对应的子区域图像,以及该第二最大差值对应的子区域图像中的像素值。
可选的,该图像通道处理算法为多尺度视网膜增强MSR算法,该处理模块,具体用于根据该带雾图像,通过该MSR算法,得到红色R通道图像、绿色G通道图像和蓝色B通道图像;将该R通道图像、该G通道图像和该B通道图像进行灰度处理并合并,得到第二透射率图像。
可选的,该处理模块,具体用于将该第一透射率图像和该第二透射率图像进行融合,得到第一去雾图像;将该第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,该处理模块,具体用于将该第一去雾图像的RGB色彩空间转换成第一HIS色彩空间;将该第一HIS色彩空间中的通道进行处理,得到第二HIS色彩空间;将该第二HIS色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
可选的,该处理模块,具体用于将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
可选的,该处理模块,具体用于将该第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;将该第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;将该S’通道、该I’通道和该第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
本发明实施例第三方面提供了一种图像去雾装置,可以包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如本发明实施例第一方面所述的方法。
本发明实施例第四方面提供一种电子设备,可以包括如本发明实施例第二方面或第三方面所述的图像去雾装置。
本发明实施例又一方面提供一种计算机可读存储介质,其上存储有可执行程序代码,所述可执行程序代码被处理器执行时,实现如本发明实施例第一方面所述的方法。
本发明实施例又一方面公开一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
本发明实施例又一方面公开一种应用发布平台,该应用发布平台用于发布计算机程序产品,其中,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
在本发明实施例中,获取带雾图像;根据所述带雾图像中的大气光值,得到第一透射率图像;根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像;将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。即图像去雾装置对获取的带雾图像使用不同的方法,可以获取两张透射率图像,并将这两张透射率图像进行融合,得到目标去雾图像。这种方法在图像去雾装置对带雾图像进行去雾的过程中,提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,还可以根据这些附图获得其它的附图。
图1为一种实现方式中暗通道先验去雾方法的一个实施例示意图;
图2为本发明实施例中图像去雾方法的一个实施例示意图;
图3为本发明实施例中图像去雾方法的另一个实施例示意图;
图4为本发明实施例中图像去雾方法的另一个实施例示意图;
图5为本发明实施例中图像去雾装置的一个实施例示意图;
图6为本发明实施例中图像去雾装置的另一个实施例示意图;
图7为本发明实施例中电子设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种图像去雾方法、图像去雾装置、电子设备及存储介质,用于在图像去雾装置对带雾图像进行去雾的过程中,提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度。
为了使本技术领域的人员更好地理解本发明方案,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描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,都应当属于本发明保护的范围。
需要说明的是,图像通道处理算法可以是视网膜-大脑皮层(Retinex,R)系列,该Retinex系列可以包括单尺度视网膜增强(Single Scale Retinex,SSR)处理和多尺度视网膜增强(Multi-Scale Retinex,MSR)算法。该Retinex系列是一种常用的建立在科学实验和科学分析基础上的图像增强方法。
需要说明的是,在现有技术中,电子设备通常会使用图像增强算法和暗通道先验去雾方法,对带雾图像进行去雾处理,得到去雾图像。
具体的,第一种方法是电子设备可以先对带雾图像进行暗通道去雾复原,然后再通过Retinex系列中方法对暗通道复原之后的图像做对比度增强处理,以此来解决带雾图像色彩失衡和整体偏暗的问题。第二种方法就是电子设备先根据带雾图像中的亮度和对比度,将该带雾图像中的雾划分为薄雾和浓雾;如果是薄雾,就基于暗通道的处理方法进行处理,如果是浓雾,就采用Retinex系列中的方法进行处理。
但是,无论哪种方法,都是电子设备将不同方法简单地串行或者并行起来。其中,第一种方法不能解决暗通道算法去雾过程中遇到天空区域或局部多云泛光情况时大气光值估计和透射率估计不准的问题,从而导致得到的透射率图像不够清晰。而第二种方法类似一个模型判别器,在不同时刻不同场景选用不同模型。由于无法准确定义雾的浓淡,就会导致后续处理过程会出现较大误差,从而导致得到的去雾图像不够清晰。
示例性的,如图1所示,为一种实现方式中暗通道先验去雾方法的一个实施例示意图。
在图1中,暗通道先验去雾方法大致如下,先输入带雾图像,再计算该带雾图像对应的暗通道图,得到大气光值估计;根据该暗通道图和该大气光值估计,得到透射率估计,并对该透射率估计通过优化算法进行优化,该优化算法可以是抠图(soft-matting)和导向滤波,最后输出去雾图像。
具体的,暗通道图的获取策略是采用最小值滤波,选出N*N滑窗内所有像素点的所有通道中的最小值(暗通道先验中的最小值趋向于0),N为正数。大气光值的估计方式是:先将暗通道里的像素点按照强度进行排序,然后找到对应暗通道里亮度前0.1%像素点的坐标,并取其在带雾图像里的强度值为大气光值估计。根据暗通道图、暗通道先验和大气光值,即可求出透射率估计图。并最终通过大气散射模型求解得到去雾图像。
由于暗通道中使用了最小滤波,电子设备直接根据暗通道图像和大气光值估计,计算得到的透射率估计可能存在光环(halo)效应和块状效应。因此,电子设备可以根据soft-matting和导向滤波等优化算法来优化透射率估计。然而,soft-matting效果好,但其处理复杂度很大;导向滤波处理复杂度小,但去雾不够彻底,这都会增加后续获取去雾图像的难度。
可以理解的是,本发明实施例中所涉及的电子设备具有拍照功能。该电子设备可以包括一般的手持有屏电子电子设备,诸如手机、智能电话、便携式终端、终端、个人数字助理(Personal Digital Assistant,PDA)、便携式多媒体播放器(Personal Media Player,PMP)装置、笔记本电脑、笔记本(Note Pad)、无线宽带(Wireless Broadband,Wibro)终端、平板电脑(Personal Computer,PC)、智能PC、销售终端(Point of Sales,POS)和车载电脑等。
电子设备也可以包括可穿戴设备。可穿戴设备可以直接穿戴在用户身上,或是整合到用户的衣服或配件的一种便携式电子设备。可穿戴设备不仅仅是一种硬件设备,更可以通过软件支持以及数据交互、云端交互来实现强大的智能功能,比如:计算功能、定位功能、报警功能,同时还可以连接手机及各类终端。可穿戴设备可以包括但不限于以手腕为支撑的watch类(比如手表、手腕等产品),以脚为支撑的shoes类(比如鞋、袜子或者其他腿上佩戴产品),以头部为支撑的Glass类(比如眼镜、头盔、头带等)以及智能服装,书包、拐杖、配饰等各类非主流产品形态。
需要说明的是,本发明实施例的执行主体可以是图像去雾装置,也可以是电子设备。下面以图像去雾装置为例,对本发明技术方案做进一步说明。
如图2所示,为本发明实施例中一个图像去雾方法的一个实施例示意图,可以包括:
201、获取带雾图像。
可以理解的是,带雾图像可以是通过图像去雾装置的摄像头获取的,该带雾图像是红绿蓝(Red Green Blue,RGB)图像。
其中,该带雾图像中可以包括泛光区域图像和/或非泛光区域图像。该泛光可以包括天空区域图像,该非泛光区域图像可以包括非天空区域图像。
可选的,图像去雾装置获取带雾图像,可以包括:图像去雾装置检测当前环境亮度值;当该当前环境亮度值大于预设亮度值时,该图像去雾装置获取带雾图像。
需要说明的是,预设亮度值可以是图像去雾装置出厂前设置的,也可以是用户根据拍摄需求自定义设置的,此处不做具体限定。
示例性的,假设第一亮度值为30坎德拉/平方米(简称:cd/m2)。图像去雾装置检测到当前环境亮度值为156cd/m2,该156cd/m2大于该30cd/m2,此时,该图像去雾装置获取带雾图像。
可以理解的是,图像去雾装置在确定当前环境亮度值大于预设亮度值的情况下获取的带雾图像较为清晰,便于对该带雾图像进行后续处理。如果该当前环境亮度值小于等于该预设亮度值,则说明图像去雾装置所处环境的当前亮度太低,此时会加大图像去雾装置后续处理获取的带雾图像的难度。
202、根据所述带雾图像中的大气光值,得到第一透射率图像。
可选的,步骤202之前,该方法还可以包括:图像去雾装置对该带雾图像进行灰度处理,得到第一灰度图像。
其中,灰度处理是指图像去雾装置对带雾图像上的R、G和B这三种颜色分量进行处理。该灰度处理可以包括但不限于以下四种方法:分量法、最大值法、平均值法以及加权平均法。
可以理解的是,分类法是指图像去雾装置将带雾图像上的RGB,分别确定为三种目标颜色分量,例如:将R确定为第一目标颜色分量,该第一目标颜色分量的灰度为A;将G确定为第二目标颜色分量,该第二目标颜色分量的灰度为P;将B确定为第三目标颜色分量,该第三目标颜色分量的灰度为Q。最大值法是指图像去雾装置将带雾图像上的RGB中亮度值最大的颜色分量,确定为最大目标颜色分量,该最大目标颜色分量的灰度为M。平均值法是指图像去雾装置将带雾图像上的RGB对应的三个亮度值进行平均,得到第四目标颜色分量,该第四目标颜色分量的灰度值为RGB对应的平均灰度值。加权平均法是指图像去雾装置将带雾图像上的RGB对应的三个亮度值按照不同的权重比例,进行加权平均,得到第五目标颜色分量,该第五目标颜色分量的灰度值为RGB的加权平均灰度值H。
其中,A、P、Q、M以及H都表示不同于R、G和B的灰度值;A、P、Q、M以及H可以相同,也可以不相同,此处不做具体限定。
需要说明的是,图像去雾装置可以在该第一灰度图像中确定待处理区域图像,此时,该待处理区域图像是灰度图像。即该待处理区域图像可以是第一灰度图像中的部分区域图像,也可以是整张第一灰度图像,此处不做具体限定。
简单来说,该待处理区域图像是图像去雾装置在第一灰度图像中划分得到的,也可以是图像去雾装置将第一灰度图像作为待处理区域图像。
可选的,该待处理区域图像的选取可以是图像去雾装置出厂前设置的,也可以是用户自定义设置的,此处不做具体限定。如果图像去雾装置在第一灰度图像中划分得到多个待处理区域图像,该多个待处理区域图像的大小可以是相同的(即该多个待处理区域图像是图像去雾装置在第一灰度图像中均匀划分得到的),也可以是不相同的,此处不做具体限定。
可选的,该带雾图像可以包括待处理区域图像;图像去雾装置根据该带雾图像中的大气光值,得到第一透射率图像,可以包括:图像去雾装置在该待处理区域图像中的第一灰度均值I1mean与第一灰度最大值I1max的比值大于第一预设值a,且,第一灰度标准差值σ1小于第二预设值b的情况下,将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值;该图像去雾装置根据该待处理区域图像和该第一大气光值,得到第一透射率图像。
其中,大气光值可以称作大气光值估计(简称:大气光估计)。
需要说明的是,该待处理区域图像中的第二灰度均值与该待处理区域图像中的第一灰度均值可以是相同的,也可以是不同的,此处不做具体限定。
可以理解的是,该待处理区域图像中的I1mean/I1max>a,且,σ1<b,说明该待处理区域图像是包含天空的图像(简称:天空区域图像)。该待处理区域图像可以是该带雾图像中的部分区域图像,也可以是整张带雾图像,此时,该待处理区域图像是RGB图像,图像去雾装置可以对该待处理区域图像进行灰度处理,并获取灰度处理后待处理区域图像中的I1mean、I1max和σ1。
其中,该第一预设值与该第二预设值可以是相同的,也可以是不同的;该第一预设值和该第二预设值可以是图像去雾装置出厂前设置的,也可以是用户根据不同的拍摄对象选取的,此处不做具体限定。
示例性的,假设a=0.6,b=0.1。图像去雾装置获取待处理区域图像中的I1mean=6.3,I1max=3,σ1=0.08;I1mean/I1max=2.1>0.6且0.08<0.1,此时,表示该待处理区域图像中包含天空区域。
可选的,图像去雾装置将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值,可以包括但不限于以下实现方式:
实现方式1:图像去雾装置将该待处理区域图像中的灰度值从大到小进行排序,得到第一序列;该图像去雾装置获取该第一序列中第一预设比例的灰度值;该图像去雾装置计算该第一预设比例的灰度值,得到第二灰度均值;该图像去雾装置将该第二灰度均值确定为该待处理区域图像对应的第一大气光值。
示例性的,假设该待处理区域图像中的灰度值有30、27、28、36、39、42、45、37、30、26、33、36、42、35、38、32、26、33、28和47。图像去雾装置将这20个灰度值从大到小进行排序,得到第一序列为47、45、42、42、39、38、37、36、36、35、33、33、32、30、30、28、28、27、26和26;图像去雾装置获取该第一序列中前10%的灰度值为47和45,并得到第二灰度均值为(47+45)/2=46,此时,该待处理区域图像对应的第一大气光值为46。
实现方式2:图像去雾装置将该待处理区域图像中的灰度值从小到大进行排序,得到第二序列;该图像去雾装置获取该第二序列中第二预设比例的灰度值;该图像去雾装置计算该第二预设比例的灰度值,得到第二灰度均值;该图像去雾装置将该第二灰度均值确定为该待处理区域图像对应的第一大气光值。
示例性的,图像去雾装置将上述示例中假设的20个灰度值从小到大进行排序,得到第二序列为26、26、27、28、28、30、30、32、33、33、35、36、36、37、38、39、42、42、45和47;图像去雾装置获取该第二序列中前30%的灰度值为26、26、27、28、28和30,并得到第二灰度均值为(26+26+27+28+28+30)/6=27.5,此时,该第一大气光值为27.5。
实现方式3:图像去雾装置在该待处理区域图像中随机任取预设数量的灰度值;该图像去雾装置计算该预设数量的灰度值,得到第二灰度均值;该图像去雾装置将该第二灰度均值确定为该待处理区域图像对应的第一大气光值。
示例性的,图像去雾装置在上述示例中假设的20个灰度值中随机任取5个灰度值,分别为26、42、36、30和47;该图像去雾装置计算得到第二灰度均值为(26+42+36+30+47)/5=36.2,此时,该待处理区域图像对应的第一大气光值为36.2。
可以理解的是,上述实现方式1-实现方式3中的任一第二灰度均值与该待处理区域图像中的第一灰度均值都是不同的。
可选的,图像去雾装置根据待处理区域图像和第一大气光值,得到第一透射率图像,可以包括:图像去雾装置根据第一公式,得到第一透射率图像。
其中,第一公式K表示放大因子,c为R通道、G通道和B通道中任一通道,min表示最小值,Ω(x)表示待处理区域图像,I(x)表示带雾图像,Ic(x)R通道、G通道和B通道中任一通道对应的带雾图像,A表示大气光值,Ac表示R通道、G通道和B通道中任一通道对应的大气光值。
需要说明的是,由于t2(x)太小,可能会导致第一透射率图像上的亮度过大,所以,需要乘以一个放大因子,提高该第一透射率图像的亮度。
实现方式4:图像去雾装置将该待处理区域图像中的第二灰度均值进行过滤,并将过滤后的第二灰度均值确定为该待处理区域图像对应的第一大气光值。
这样一来,过滤后的第二灰度均值对应的待处理区域图像更为清晰。
需要说明的是,上述实现方式4可以与实现方式1-3中任一项进行结合,形成新的实现方式,该新的实现方式也都在本申请的保护范围内,此处不做具体赘述。
可选的,该带雾图像可以包括待处理区域图像;图像去雾装置根据该带雾图像中的大气光值,得到第一透射率图像,可以包括:图像去雾装置在该第一灰度均值与该第一灰度最大值的比值小于等于该第一预设值,或,该第一灰度标准差值大于等于该第二预设值的情况下,该图像去雾装置将该待处理区域图像进行划分,得到n个子区域图像;该图像去雾装置根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值;该图像去雾装置根据该待处理区域图像和该第二大气光值,得到第一透射率图像。
其中,n为大于1的整数。
可以理解的是,该待处理区域图像中的I1mean/I1max≤a,或,σ1≥b,说明该待处理区域图像是不包含天空的图像(简称:非天空区域图像)
示例性的,假设a=0.6,b=0.1。图像去雾装置获取待处理区域图像中的I1mean=6.3,I1max=3,σ1=0.18;I1mean/I1max=2.1>0.6,但是,0.18>0.1,此时,表示该待处理区域图像中不包含天空区域。
可选的,图像去雾装置根据该n个子区域图像,确定该待处理区域图像对应的第二大气光值,可以包括:图像去雾装置计算该n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;该图像去雾装置比较该n个子区域图像分别对应的差值,得到第一最大差值,并获取该第一最大差值对应的子区域图像;该图像去雾装置在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
其中,预设像素值可以是图像去雾装置出厂前设置的,也可以是用户根据不同的拍摄对象选取的,此处不做具体限定。
示例性的,预设像素值取20像素(pixel)。
通常情况下,该n个子区域图像可以是该待处理区域图像均分得到的。
可选的,在图像去雾装置在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值之后,该方法还包括:在该第一最大差值对应的子区域图像中的像素值大于等于该预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,该新的n个子区域图像是该第一最大差值对应的子区域图像划分得到的;比较该新的n个子区域图像分别对应的差值,得到第二最大差值,并获取该第二最大差值对应的子区域图像,以及该第二最大差值对应的子区域图像中的像素值。
简单来说,图像去雾装置在计算待处理区域图像均分得到的n个子区域图像中,每个子区域图像灰度均值与灰度标准差值之间的差值;比较这n个子区域图像分别对应的差值,得到最大差值;获取这个最大差值对应的子区域和该子区域对应的像素值,并判断该像素值与预设像素值之间的关系之后,如果该像素值小于该预设像素值,那么,该图像去雾装置直接将该子区域的灰度均值确定为该待处理区域图像对应的第二大气光值;如果该像素值大于等于该预设像素值,那么,该图像去雾装置将这个子区域作为新的待处理区域图像,并重复执行计算待处理区域图像均分得到的n个子区域图像中,每个子区域图像灰度均值与灰度标准差值之间的差值;比较这n个子区域图像分别对应的差值,得到最大差值;获取这个最大差值对应的子区域和该子区域对应的像素值,并判断该像素值与预设像素值之间的关系这个步骤,直到新的待处理区域图像中的像素值小于预设像素值,将新的待处理区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
可选的,当n=4时,图像去雾装置将该待处理区域图像进行划分,得到n个子区域图像这个步骤可以成为四叉树分解算法。即根据该待处理区域图像,通过四叉树分解算法,确定该待处理区域图像对应的第二大气光值。
可选的,图像去雾装置将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值,可以包括:图像去雾装置将该第一最大差值对应的子区域图像中的灰度均值进行过滤,得到第一灰度过滤均值;该图像去雾装置将第一灰度过滤均值确定为该待处理区域图像对应的第二大气光值。
这样一来,该第一灰度过滤均值对应的待处理区域图像更为清晰。
可选的,图像去雾装置根据待处理区域图像和第二大气光值,得到第一透射率图像,可以包括:图像去雾装置根据第二公式,得到第一透射率图像。
可以理解的是,无论带雾图像中包含天空区域,还是不包含天空区域,都可以用相应的方法进行处理,得到第一透射率图像。特别的,如果一张带雾图像中,一部分图像包含天空区域,剩余部分图像不包含天空区域,那么,图像去雾装置可以先将这张带雾图像进行分割,得到天空区域图像、该天空区域图像对应的透射率图像、非天空区域图像和该非天空区域图像对应的透射率图像;该图像去雾装置将该天空区域图像对应的透射率图像与该非天空区域图像对应的透射率图像进行拼接,得到第一透射率图像。其中,图像去雾装置得到天空区域图像和得到非天空区域图像的顺序不限。
可选的,图像去雾装置对于带雾图像中,天空区域图像和非天空区域图像的划分,还可以是通过自适应阈值分割得到的。具体的,图像去雾装置可以根据该带雾图像中待处理区域图像对应的像素均值与预设像素均值范围的关系,来确定该待处理区域图像是天空区域图像,还是非天空区域图像。如果该像素均值位于预设像素均值范围内,那么,确定该待处理区域图像为天空区域图像,反之,确定该待处理区域图像为非天空区域。
其中,预设像素均值范围可以是由第一预设像素均值阈值与第二预设像素均值阈值构成的区间。该预设像素均值范围可以是图像去雾装置出厂前设置的,也可以是用户根据需求自定义的,此处不做具体限定。
可选的,在获取带雾图像中的大气光值的同时,可以对该带雾图像进行暗通道先验,图像去雾装置再根据大气光值和暗通道先验后求解的值,得到第一透射率图像
可以理解的是,暗通道先验后求解的值通常趋向于0。其中,暗通道先验的公式可以是Jdark(x)=minc∈{r,g,b}(miny∈Ω(x)(Jc(y)))≈0,Jdark(x)表示暗通道图像。
203、根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像。
可选的,该图像通道处理算法为多尺度视网膜增强MSR算法,图像去雾装置根据该带雾图像,通过图像通道处理算法,得到第二透射率图像,包括:图像去雾装置根据该带雾图像,通过该MSR算法,得到R通道图像、G通道图像和B通道图像;该图像去雾装置将该R通道图像、该G通道图像和该B通道图像进行灰度处理并合并,得到第二透射率图像。
可以理解的是,通道合并是通道拆分的逆过程。
其中,图像去雾装置可以通过MSR算法对带雾图像进行处理,将该带雾图像中的三个通道图像进行拆分,得到R通道图像、G通道图像和B通道图像,再将这三个通道图像进行灰度处理并合并,得到的第二透射率图像是一张RGB图。这样一来,通过MSR算法得到的透射率图较为清晰。
需要说明的是,图像去雾装置可以先实现步骤202,再实现步骤203;可以先实现步骤203,在实现步骤202;也可以同时实现步骤202和步骤203,此处不做具体限定。
204、将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。
可选的,图像去雾装置将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像,可以包括但不限于以下实现方式:
实现方式1:图像去雾装置根据该第一透射率图像和该第二透射率图像,通过预设图像融合算法,得到目标去雾图像。
其中,该预设图像融合算法可以是图像去雾装置在出厂前设置的,也可以是用户根据需要自定义设置的,此处不做具体限定。
实现方式2:图像去雾装置根据第三公式,得到目标去雾图像。
在本发明实施例中,获取带雾图像;根据所述带雾图像中的大气光值,得到第一透射率图像;根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像;将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。即图像去雾装置对获取的带雾图像使用不同的方法,可以获取两张透射率图像,并将这两张透射率图像进行融合,得到目标去雾图像。这种方法在图像去雾装置对带雾图像进行去雾的过程中,提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度。
如图3所示,为本发明实施例中图像去雾方法的另一个实施例示意图,可以包括:
301、获取带雾图像。
302、根据所述带雾图像中的大气光值,得到第一透射率图像。
303、根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像。
304、将所述第一透射率图像和所述第二透射率图像进行融合,得到第一去雾图像。
需要说明的是,步骤301-304与本实施例中图1所示的步骤101-104类似,此处不再赘述。
305、将所述第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,图像去雾装置将该第一去雾图像的RGB色彩空间经过HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像,可以包括:图像去雾装置将该第一去雾图像的RGB色彩空间转换成第一HSI色彩空间;该图像去雾装置将该第一HIS色彩空间中的通道进行处理,得到第二HIS色彩空间;该图像去雾装置将该第二HIS色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
其中,色调(Hue,H)指的是一种纯色的颜色属性,H与波长有关,是人对不同颜色的直观感受;饱和度(Saturation,S)指的是纯色接近光谱色的程度。一种颜色,可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大,颜色接近光谱色的程度就愈高,颜色的饱和度也就愈高。饱和度高,颜色则深而艳。光谱色的白光成分为0,饱和度达到最高。S的取值范围通常为0%-100%,S值越大,颜色越饱和;亮度(Intensity,I)指的是一种主观因子,实际上是不可度量的。
简单来说,H决定是什么颜色,S决定颜色浓淡,I决定决定照射在颜色上的白光有多亮。
可以理解的是,图像去雾装置可以根据RGB色彩空间与HSI色彩空间之间的对应关系,即可以根据R通道、G通过和B通道,与H通道、S通过和I通道之间的对应关系,将该第一去雾图像的RGB色彩空间中转换成第一HSI色彩空间。
可选的,图像去雾装置将该第一HSI色彩空间中的通道进行处理,得到第二HSI色彩空间,可以包括:图像去雾装置将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
可选的,图像去雾装置将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间,可以包括:图像去雾装置将该第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;该图像去雾装置将该第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;图像去雾装置将该S’通道、该I’通道和该第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
需要说明的是,图像去雾装置对S通道进行非线性处理可以是图像去雾装置对S通道的自适应饱和度拉伸。即图像去雾装置对S通道中的每个像素做自适应地非线性提升,为了在增强第一去雾图像的整体饱和度的同时强化第一去雾图像中的细节对比度。
其中,在非线性处理过程中使用到的非线性公式需要依据处理的第一去雾图像中S通道与带雾图像中S通道之间的结构相似性(Structural Similarity,SSMI)指标来评估确定。这样可以尽量避免图像去雾装置对S通道进行拉伸饱和度的同时过多地破坏第一去雾图像的结构相似度。
需要说明的是,图像去雾装置对I通道频域SSR处理可以调整第一去雾图像的亮度且不破坏该第一去雾图像的色彩信息;图像去雾装置可以根据第四公式、第五公式、第六公式和第七公式,对I通道进行处理。
其中,第四公式为t0=LJ(x),t0表示第一去雾图像,L表示入射量;
第五公式为L=t0*G0,G0表示高斯滤波,*表示卷积;
第六公式为傅立叶变换公式,log(x,y)=logS(s,y)-log(S(s,y)*G0(s,y));
第七公式为S(s,y)*G0(x,y)=S(s,y)*G0(s,y)。
这样一来,图像去雾装置用频域方法处理I通道,可以提高处理效率。
可选的,图像去雾装置可以将第一HSI色彩空间中的I通道进行线性处理,该线性处理过程是根据实际处理需求而定的,此处不做具体赘述。
可以理解的是,图像去雾装置可以根据RGB色彩空间与HSI色彩空间之间的对应关系,将该第二HSI色彩空间转换成新的RGB色彩空间,该新的RGB色彩空间对应的目标去雾图像即为最终输出图像。
需要说明的是,上述步骤305,图像去雾装置采用各通道单独分开处理的非对称处理方式增强了对第一去雾图像的画质,从而使得最终得到的目标去雾图像更为清晰。
可选的,步骤304之后,该方法还可以包括:图像去雾装置将该第一去雾图像的RGB色彩空间经过色调饱和度明度HSV色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,图像去雾装置将该第一去雾图像的RGB色彩空间经过色调饱和度明度HSV色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像,可以包括:图像去雾装置将该第一去雾图像的RGB色彩空间转换成第一HSV色彩空间;该图像去雾装置将该第一HSV色彩空间中的通道进行处理,得到第二HSV色彩空间;该图像去雾装置将该第二HSV色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
可选的,图像去雾装置将该第一HSV色彩空间中的通道进行处理,得到第二HSV色彩空间,可以包括:图像去雾装置将该第一HSV色彩空间中的S通道和V通道进行处理,得到第二HSV色彩空间。
其中,明度(Value,V)指的是颜色明亮的程度。对于光源色,V与发光体的光亮度有关;对于物体色,V和物体的透射比或反射比有关。V的取值范围为0%-100%,其中,当V取0%时,表示黑色,当V取100%,表示白色。
需要说明的是,图像去雾装置对于V通道的处理过程与图像去雾装置对于I通道的处理过程类似,此处不做具体限定。
在本发明实施例中,图像去雾装置对获取的带雾图像使用不同的方法,可以获取两张透射率图像,并将这两张透射率图像进行融合,得到第一去雾图像;该图像去雾装置再对该第一去雾图像进行增强处理,得到目标去雾图像。这种方法在图像去雾装置对带雾图像进行去雾的过程中,不仅提高了图像去雾装置的去雾精度,而且增强了第一去雾图像的色调和饱和度,从而提高了最终得到的目标去雾图像的清晰度。
如图4所示,为本发明实施例中图像去雾方法的另一个实施例示意图,可以包括:
401、获取带雾图像。
402、根据所述带雾图像中的大气光值,得到第一透射率图像。
403、根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像。
404、将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。
需要说明的是,步骤401-404与本实施例中图1所示的步骤101-104类似,此处不再赘述。
405、输出第一提示信息。
其中,该第一提示信息用于提示用户图像去雾装置可以显示该目标去雾图像。
可选的,图像去雾装置输出第一提示信息,可以包括但不限于以下实现方式:
实现方式1:图像去雾装置以语音的形式,输出第一提示信息。
需要说明的是,该语音的形式可以是图像去雾装置出厂前预设的,也可以是用户录入的,此处不做具体限定。
实现方式2:图像去雾装置以振动的形式,输出第一提示信息。
需要说明的是,该振动的形式可以是持续性振动,也可以是间歇性振动,此处不做具体限定。
实现方式3:图像去雾装置以闪灯的形式,输出第一提示信息。
需要说明的是,该闪灯的形式可以是图像去雾装置中单色灯光按照预设次数进行闪烁,也可以是彩色灯光在预设时长内交替闪烁,此处不做具体限定。
实现方式4:图像去雾装置将第一提示信息向与该图像去雾装置相关联的电子设备发送。
需要说明的是,上述实现方式1-4中任一项可以进行相互结合,形成新的实现方式,该新的实现方式也都在本申请的保护范围内,此处不做具体赘述。
在本发明实施例中,图像去雾装置对获取的带雾图像使用不同的方法,可以获取两张透射率图像,并将这两张透射率图像进行融合,得到目标去雾图像并输出提示信息。这种方法在图像去雾装置对带雾图像进行去雾的过程中,不仅提高了图像去雾装置的去雾精度,从而提高了最终得到的目标去雾图像的清晰度,而且便于用户及时获知图像去雾装置可以显示目标去雾图像的信息。
需要说明的是,本步骤405与本实施例中图3所示的步骤307可以相互结合,形成一个新的实施例。该新的实施例也都在本发明保护的范围内,此处不做具体赘述。
如图5所示,为本发明实施例中图像去雾装置的一个实施例示意图,可以包括:获取模块501和处理模块502;
获取模块501,用于获取带雾图像;
处理模块502,用于根据该带雾图像中的大气光值,得到第一透射率图像;根据该带雾图像,通过图像通道处理算法,得到第二透射率图像;将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像。
可选的,在本发明的一些实施例中,
处理模块502,具体用于在该待处理区域图像中的第一灰度均值与第一灰度最大值的比值大于第一预设值,且,第一灰度标准差值小于第二预设值的情况下,将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值;根据该待处理区域图像和该第一大气光值,得到第一透射率图像。
可选的,在本发明的一些实施例中,该带雾图像包括待处理区域图像;
处理模块502,具体用于在该待处理区域图像中的第一灰度均值与该第一灰度最大值的比值小于等于该第一预设值,或,该第一灰度标准差值大于等于该第二预设值的情况下,将该待处理区域图像进行划分,得到n个子区域图像,n为大于1的整数;根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值;根据该待处理区域图像和该第二大气光值,得到第一透射率图像。
可选的,在本发明的一些实施例中,
处理模块502,具体用于计算该n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;比较该n个子区域图像分别对应的差值,得到第一最大差值,并获取该第一最大差值对应的子区域图像;在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
可选的,在本发明的一些实施例中,
处理模块502,还用于在该第一最大差值对应的子区域图像中的像素值大于等于该预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,该新的n个子区域图像是该第一最大差值对应的子区域图像划分得到的;比较该新的n个子区域图像分别对应的差值,得到第二最大差值,并获取该第二最大差值对应的子区域图像,以及该第二最大差值对应的子区域图像中的像素值。
可选的,在本发明的一些实施例中,该图像通道处理算法为多尺度视网膜增强MSR算法;
处理模块502,具体用于根据该带雾图像,通过该MSR算法,得到红色R通道图像、绿色G通道图像和蓝色B通道图像;将该R通道图像、该G通道图像和该B通道图像进行灰度处理并合并,得到第二透射率图像。
可选的,在本发明的一些实施例中,
处理模块502,具体用于将该第一透射率图像和该第二透射率图像进行融合,得到第一去雾图像;将该第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,在本发明的一些实施例中,
处理模块502,具体用于将该第一去雾图像的RGB色彩空间转换成第一HIS色彩空间;将该第一HIS色彩空间中的通道进行处理,得到第二HIS色彩空间;将该第二HIS色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
可选的,在本发明的一些实施例中,
处理模块502,具体用于将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
可选的,在本发明的一些实施例中,
处理模块502,具体用于将该第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;将该第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;将该S’通道、该I’通道和该第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
如图6所示,为本发明实施例中图像去雾装置的另一个实施例示意图,可以包括:处理器601和存储有可执行程序代码的存储器602,处理器601与存储器602耦合;
在本发明的一些实施例中,处理器601调用存储器602中存储的该可执行程序代码时,具有以下功能:
获取带雾图像;
根据该带雾图像中的大气光值,得到第一透射率图像;
根据该带雾图像,通过图像通道处理算法,得到第二透射率图像;
将该第一透射率图像和该第二透射率图像进行融合,得到目标去雾图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
在该待处理区域图像中的第一灰度均值与第一灰度最大值的比值大于第一预设值,且,第一灰度标准差值小于第二预设值的情况下,将该待处理区域图像中的第二灰度均值确定为该待处理区域图像对应的第一大气光值;根据该待处理区域图像和该第一大气光值,得到第一透射率图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
该带雾图像包括待处理区域图像;在该待处理区域图像中的第一灰度均值与该第一灰度最大值的比值小于等于该第一预设值,或,该第一灰度标准差值大于等于该第二预设值的情况下,将该待处理区域图像进行划分,得到n个子区域图像,n为大于1的整数;根据该n个子区域图像中每个子区域图像灰度均值,确定该待处理区域图像对应的第二大气光值;根据该待处理区域图像和该第二大气光值,得到第一透射率图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
计算该n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;比较该n个子区域图像分别对应的差值,得到第一最大差值,并获取该第一最大差值对应的子区域图像;在该第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将该第一最大差值对应的子区域图像中的灰度均值确定为该待处理区域图像对应的第二大气光值。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
在该第一最大差值对应的子区域图像中的像素值大于等于该预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,该新的n个子区域图像是该第一最大差值对应的子区域图像划分得到的;比较该新的n个子区域图像分别对应的差值,得到第二最大差值,并获取该第二最大差值对应的子区域图像,以及该第二最大差值对应的子区域图像中的像素值。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
该图像通道处理算法为多尺度视网膜增强MSR算法,根据该带雾图像,通过该MSR算法,得到红色R通道图像、绿色G通道图像和蓝色B通道图像;将该R通道图像、该G通道图像和该B通道图像进行灰度处理并合并,得到第二透射率图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
将该第一透射率图像和该第二透射率图像进行融合,得到第一去雾图像;将该第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
将该第一去雾图像的RGB色彩空间转换成第一HSI色彩空间;将该第一HSI色彩空间中的通道进行处理,得到第二HSI色彩空间;将该第二HSI色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
将该第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
可选的,在本发明的一些实施例中,处理器601还具有以下功能:
将该第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;将该第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;将该S’通道、该I’通道和该第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
如图7所示,为本发明实施例中电子设备的另一个实施例示意图,可以包括如图5或图6所示的任一图像去雾装置。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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,本发明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全部或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)执行本发明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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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 (12)
1.一种图像去雾方法,其特征在于,包括:
获取带雾图像;
根据所述带雾图像中的大气光值,得到第一透射率图像;
根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像;
将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。
2.根据权利要求1所述的方法,其特征在于,所述带雾图像包括待处理区域图像;所述根据所述带雾图像中的大气光值,得到第一透射率图像,包括:
在所述待处理区域图像中的第一灰度均值与第一灰度最大值的比值大于第一预设值,且,第一灰度标准差值小于第二预设值的情况下,将所述待处理区域图像中的第二灰度均值确定为所述待处理区域图像对应的第一大气光值;
根据所述待处理区域图像和所述第一大气光值,得到第一透射率图像。
3.根据权利要求1所述的方法,其特征在于,所述带雾图像包括待处理区域图像;所述根据所述带雾图像中的大气光值,得到第一透射率图像,包括:
在所述待处理区域图像中的第一灰度均值与所述第一灰度最大值的比值小于等于所述第一预设值,或,所述第一灰度标准差值大于等于所述第二预设值的情况下,将所述待处理区域图像进行划分,得到n个子区域图像,n为大于1的整数;
根据所述n个子区域图像中每个子区域图像灰度均值,确定所述待处理区域图像对应的第二大气光值;
根据所述待处理区域图像和所述第二大气光值,得到第一透射率图像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述n个子区域图像中每个子区域图像灰度均值,确定所述待处理区域图像对应的第二大气光值,包括:
计算所述n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值;
比较所述n个子区域图像分别对应的差值,得到第一最大差值,并获取所述第一最大差值对应的子区域图像;
在所述第一最大差值对应的子区域图像中的像素值小于预设像素值的情况下,将所述第一最大差值对应的子区域图像中的灰度均值确定为所述待处理区域图像对应的第二大气光值。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在所述第一最大差值对应的子区域图像中的像素值大于等于所述预设像素值的情况下,计算新的n个子区域图像中每个子区域图像灰度均值与灰度标准差值之间的差值,所述新的n个子区域图像是所述第一最大差值对应的子区域图像划分得到的;
比较所述新的n个子区域图像分别对应的差值,得到第二最大差值,并获取所述第二最大差值对应的子区域图像,以及所述第二最大差值对应的子区域图像中的像素值。
6.根据权利要求1所述的方法,其特征在于,所述图像通道处理算法为多尺度视网膜增强MSR算法,所述根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像,包括:
根据所述带雾图像,通过所述MSR算法,得到红色R通道图像、绿色G通道图像和蓝色B通道图像;
将所述R通道图像、所述G通道图像和所述B通道图像进行灰度处理并合并,得到第二透射率图像。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像,包括:
将所述第一透射率图像和所述第二透射率图像进行融合,得到第一去雾图像;
将所述第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像。
8.根据权利要求7所述的方法,其特征在于,所述将所述第一去雾图像的RGB色彩空间经过色调饱和度亮度HIS色彩空间的通道处理后转换成新的RGB色彩空间,得到目标去雾图像,包括:
将所述第一去雾图像的RGB色彩空间转换成第一HIS色彩空间;
将所述第一HIS色彩空间中的通道进行处理,得到第二HIS色彩空间;
将所述第二HIS色彩空间转换成新的RGB色彩空间,得到目标去雾图像。
9.根据权利要求8所述的方法,其特征在于,所述将所述第一HSI色彩空间中的通道进行处理,得到第二HSI色彩空间,包括:
将所述第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间。
10.根据权利要求9所述的方法,其特征在于,所述将所述第一HSI色彩空间中的S通道和I通道进行处理,得到第二HSI色彩空间,包括:
将所述第一HSI色彩空间中的S通道进行非线性处理,得到S’通道;
将所述第一HSI色彩空间中的I通道进行频域单尺度视网膜增强SSR处理,得到I’通道;
将所述S’通道、所述I’通道和所述第一HSI色彩空间中的H通道进行合并,得到第二HSI色彩空间。
11.一种图像去雾装置,其特征在于,包括:
获取模块,用于获取带雾图像;
处理模块,用于根据所述带雾图像中的大气光值,得到第一透射率图像;根据所述带雾图像,通过图像通道处理算法,得到第二透射率图像;将所述第一透射率图像和所述第二透射率图像进行融合,得到目标去雾图像。
12.一种图像去雾装置,其特征在于,包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798094.1A CN113516602B (zh) | 2021-07-14 | 2021-07-14 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798094.1A CN113516602B (zh) | 2021-07-14 | 2021-07-14 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516602A true CN113516602A (zh) | 2021-10-19 |
CN113516602B CN113516602B (zh) | 2022-11-22 |
Family
ID=78067095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110798094.1A Active CN113516602B (zh) | 2021-07-14 | 2021-07-14 | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516602B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457265A (zh) * | 2022-08-25 | 2022-12-09 | 暨南大学 | 基于生成对抗网络和多尺度融合的图像去雾方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761720A (zh) * | 2013-12-13 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 图像去雾方法以图像去雾装置 |
CN108876743A (zh) * | 2018-06-26 | 2018-11-23 | 中山大学 | 一种图像快速去雾方法、系统、终端及存储介质 |
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 |
CN110570365A (zh) * | 2019-08-06 | 2019-12-13 | 西安电子科技大学 | 基于先验信息的图像去雾方法 |
CN110648297A (zh) * | 2019-09-26 | 2020-01-03 | 邓诗雨 | 图像去雾方法、系统、电子设备和存储介质 |
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 |
CN111260589A (zh) * | 2020-02-20 | 2020-06-09 | 国网陕西省电力公司电力科学研究院 | 基于Retinex的输电线路监控图像去雾方法 |
CN112200755A (zh) * | 2020-12-09 | 2021-01-08 | 成都索贝数码科技股份有限公司 | 一种图像去雾方法 |
CN112419162A (zh) * | 2019-08-20 | 2021-02-26 | 浙江宇视科技有限公司 | 图像去雾方法、装置、电子设备及可读存储介质 |
CN112669223A (zh) * | 2019-10-15 | 2021-04-16 | 深圳开阳电子股份有限公司 | 一种基于暗通道先验的实时视频去雾方法、装置及计算机存储介质 |
CN112991222A (zh) * | 2021-04-06 | 2021-06-18 | 西京学院 | 图像雾霾去除处理方法、系统、计算机设备、终端及应用 |
-
2021
- 2021-07-14 CN CN202110798094.1A patent/CN113516602B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761720A (zh) * | 2013-12-13 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 图像去雾方法以图像去雾装置 |
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 |
CN108876743A (zh) * | 2018-06-26 | 2018-11-23 | 中山大学 | 一种图像快速去雾方法、系统、终端及存储介质 |
CN110570365A (zh) * | 2019-08-06 | 2019-12-13 | 西安电子科技大学 | 基于先验信息的图像去雾方法 |
CN112419162A (zh) * | 2019-08-20 | 2021-02-26 | 浙江宇视科技有限公司 | 图像去雾方法、装置、电子设备及可读存储介质 |
CN110648297A (zh) * | 2019-09-26 | 2020-01-03 | 邓诗雨 | 图像去雾方法、系统、电子设备和存储介质 |
CN112669223A (zh) * | 2019-10-15 | 2021-04-16 | 深圳开阳电子股份有限公司 | 一种基于暗通道先验的实时视频去雾方法、装置及计算机存储介质 |
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 |
CN111260589A (zh) * | 2020-02-20 | 2020-06-09 | 国网陕西省电力公司电力科学研究院 | 基于Retinex的输电线路监控图像去雾方法 |
CN112200755A (zh) * | 2020-12-09 | 2021-01-08 | 成都索贝数码科技股份有限公司 | 一种图像去雾方法 |
CN112991222A (zh) * | 2021-04-06 | 2021-06-18 | 西京学院 | 图像雾霾去除处理方法、系统、计算机设备、终端及应用 |
Non-Patent Citations (2)
Title |
---|
汤群芳 等: "基于暗通道先验的单幅图像快速去雾方法", 《光子学报》 * |
郭彤颖 等: "一种包含天空区域图像的去雾方法", 《激光与光电子学进展》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457265A (zh) * | 2022-08-25 | 2022-12-09 | 暨南大学 | 基于生成对抗网络和多尺度融合的图像去雾方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113516602B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2658874C1 (ru) | Устройство удаления тумана и способ формирования изображений | |
CN109427041B (zh) | 一种图像白平衡方法及系统、存储介质及终端设备 | |
CN108876742B (zh) | 图像色彩增强方法和装置 | |
Luan et al. | Fast single image dehazing based on a regression model | |
CN108230407B (zh) | 一种图像的处理方法和装置 | |
Chaudhry et al. | A framework for outdoor RGB image enhancement and dehazing | |
WO2021042823A1 (zh) | 图片检测方法及装置 | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
CN110648296B (zh) | 一种瞳孔颜色修正方法、修正装置、终端设备及存储介质 | |
Lee et al. | Correction of the overexposed region in digital color image | |
CN111192205A (zh) | 一种图像去雾方法、系统和计算机可读存储介质 | |
CN113516602B (zh) | 一种图像去雾方法、图像去雾装置、电子设备及存储介质 | |
CN111444555A (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN113128373B (zh) | 基于图像处理的色斑评分方法、色斑评分装置及终端设备 | |
CN112819691B (zh) | 图像处理方法、装置、设备及可读存储介质 | |
CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN113128377B (zh) | 基于图像处理的黑眼圈识别方法、黑眼圈识别装置及终端 | |
WO2023215371A1 (en) | System and method for perceptually optimized image denoising and restoration | |
CN115937029A (zh) | 一种水下图像增强方法 | |
CN107317968B (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
WO2023273111A1 (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
CN106887024B (zh) | 照片的处理方法及处理系统 | |
CN113128374B (zh) | 基于图像处理的敏感皮肤检测方法和敏感皮肤检测装置 | |
CN113128372B (zh) | 基于图像处理的黑头识别方法、黑头识别装置及终端设备 |
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 |