CN113763254B - 一种图像处理方法、装置、设备及计算机存储介质 - Google Patents
一种图像处理方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN113763254B CN113763254B CN202010503374.0A CN202010503374A CN113763254B CN 113763254 B CN113763254 B CN 113763254B CN 202010503374 A CN202010503374 A CN 202010503374A CN 113763254 B CN113763254 B CN 113763254B
- Authority
- CN
- China
- Prior art keywords
- image
- light
- value
- atmospheric
- medium
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims description 35
- 238000012546 transfer Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 abstract description 21
- 230000008859 change Effects 0.000 abstract description 3
- 230000007423 decrease Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004320 controlled atmosphere Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、装置、设备及计算机存储介质。该方法包括：获取第一图像、第一图像的景深、第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值；根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值；根据第一光值对第一图像进行处理，得到第二图像。这里，光源经粒子散射形成的大气光(即第一光值)的变化量随着景深的增大而减小，所以有效抑制了预设介质对第二图像的影响。
Description
技术领域
本发明属于图像处理领域，尤其涉及一种图像处理方法、装置、设备及计算机存储介质。
背景技术
近年来，我国空气质量大幅下降，在雾霾天气情况下，由于大气中悬浮的随机介质(例如，水滴、颗粒)的散射作用，导致采集到的图像严重降质、图像模糊、色彩饱和度不足、图像对比度下降、图像中的信息量减少，细节丢失严重。这极大地限制和影响了视频或图像的正常采集，进而严重影响了户外视觉系统的许多环节，例如视频监控、目标识别、智能交通分析及自动/半自动驾驶等。
发明内容
本发明实施例提供一种图像处理方法、装置、设备及计算机存储介质，以解决空气中的随机介质对图像产生不良影响的问题。
第一方面，本申请提供了一种图像处理方法，该方法包括：获取第一图像、第一图像的景深、第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值；根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值；根据第一光值对第一图像进行处理，得到第二图像。
在一种可能的实现中，根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值，包括：根据介质参数和景深确定时间参数；根据散射系数和景深确定传输函数；根据时间参数、传输函数和无穷远处的大气光值，确定第一光值。
在一种可能的实现中，对第一图像进行像素提取处理，确定第三图像；根据传输函数、时间参数和无穷远处的大气光值确定第一影响值，第一影响值为大气光在第一图像在成像的过程中，对第一图像成像的影响值；根据述第一影响值对第三图像进行处理，确定第四图像。
在一种可能的实现中，对第一图像进行像素提取处理，确定第三图像，包括：提取第一图像中的多个单通道的分量像素值；根据多个单通道的分量像素值确定第三图像。
在一种可能的实现中，预设介质包括下述中的至少一项：雨、雾、霾和生物介质。
第二方面，本发明实施例提供了一种图像处理装置，装置包括：获取模块，用于获取第一图像、第一图像的景深、第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值；确定模块，用于根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值；处理模块，用于根据第一光值对第一图像进行处理，得到第二图像。
第三方面，本发明实施例提供了一种计算设备，设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如本发明实施例提供的处理方法。
第四方面，本发明实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如本发明实施例提供的处理方法。
本发明实施例的图像处理方法、装置、设备及计算机存储介质，在构建大气散射物理模型时，通过根据无穷远处的大气光值、景深、介质参数和散射系数确定的第一光值对第一图像进行处理，得到第二图像，这里，光源经粒子散射形成的大气光(即第一光值)的变化量随着景深的增大而减小，所以有效抑制了预设介质对探测器接收到的第二图像的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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的附图。
图1是本发明实施例提供的一种图像处理方法的流程示意图；
图2是本发明实施例提供的一种图像处理方法的流程示意图；
图3是本发明实施例提供的一种图像散射效果示意图；
图4是本发明实施例提供的一种图像处理效果示意图；
图5是本发明实施例提供的一种图像处理装置的结构示意图；
图6是本发明实施例提供的一种示例性硬件架构的示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如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……”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。
目前一些特定场合下，成像光路中各类随机介质(如雨、雾、霾、湍流、生物介质等)的存在，会使成像光束在介质中发生多重散射、折射等随机传播，从而导致光束进入成像系统后形成的图像发生严重退化，被成像物体大量信息被丢失。
为了更好的介绍本发明，下面分别对大气散射物理模型和全局化Retinex增强方法进行介绍：
(1)大气散射物理模型：探测系统成像时接收到的光源主要来自两个部分，一是目标反射光经粒子衰减到达探测系统的光，二是来自于光源经粒子散射形成的大气光。其中目标反射光可以表示I(x,λ)为探测系统所获得的雾天图像，R(x,λ)表示需要恢复出的无雾图像，传输函数即传输率为e-βd，L∞表示无穷远处的大气光值，λ表示光波波长。
I(x,λ)＝e-βdR(x,λ)+L∞(1-e-βd) (1)
(2)全局化Retinex增强方法：Retinex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，Retinex也是由两个单词合成的一个词语，他们分别是retina和cortex，即：视网膜和皮层。
Retinex理论的基础理论是物体的颜色是由物体对长波(红色)、中波(绿色)、短波(蓝色)光线的反射能力来决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性(颜色恒常性)为基础的。
Retinex包括单尺度Retinex算法(Single-Scale Retinex，SSR)和多尺度Retinex算法(Multi-ScaleRetinex，MSR)。它可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡。
由于一幅给定图像I(x，y)可以分解为两个不同的图像：反射图像R(x，y)和入射图像(亮度图像)L(x，y)。
I(x,y)＝L(x,y)·R(x,y) (2)
其中，R(x，y)表示了物体的反射性质，即图像内在属性，我们应该最大程度的保留；而L(x，y)表示入射光图像，决定了图像像素能达到的动态范围，我们应该尽量去除。一般，我们把照射图像假设估计为空间平滑图像，原始图像为I(x，y)，反射图像为R(x，y)，亮度图像为L(x，y)。
最后形成的图像可以如下公式表示：
其中原始图像为I(x,y)，反射图像为R(x,y)，亮度图像为L(x，y)，r(x，y)是输出图像，F(x，y)是中心环绕函数，其中c是高斯环绕尺度，λ是一个尺度，表示为：
其中∫∫F(x,y)dxdy＝1。
结合大气散射物理模型和单尺度的Retinex算法，其中亮度图像L(x，y)k可以估算成透射率e-βd，得出的反射图像R(x，y)如下表达式：
反射图像R(x，y)由无雾图像部分I∞ρ和光源经粒子散射形成的大气光L∞(1-e-βd)部门构成。
但是，大气散射物理模型中的探测器系统所获得雾天图像I(x,λ)受到经粒子散射形成的大气光L∞(1-e-βd)的影响，随着景深d的增大大气光也在增大，所以最终探测器得到的雾天图像也越模糊。
而且全局化Retinex增强方法，对于通过随机介质的光学成像的图像进行处理的时候由于随机介质对光线的影响要比空气等介质产生更强烈的散射漫反射，其次Retinex增强算法在亮度差异大区域的增强图像会产生光晕。另外边缘锐化不足，阴影边界突兀，部分颜色发生扭曲，纹理不清晰，高光区域细节没有得到明显改善，对高光区域敏感度小等也是Retinex算法的缺点。
为了解决在随机介质的成像过程中存在的成像不清晰问题，首先建立由时间参数控制的大气散射模型，采用结合由时间参数控制的大气散射模型的改进Retinex算法来处理通过随机介质的图像，由于加入了时间参数从而降低了景深对去雾生成图像的影响。基于此，本发明实施例提供了一种图像处理方法。
下面对本发明实施例所提供的图像处理方法进行描述。
图1所示为本发明实施例的图像处理方法的流程示意图。
如图1所示，该图像处理方法可以包括S101-S103，该方法应用于服务器，具体如下所示：
S101，获取第一图像、第一图像的景深、第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值。
S102，根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值。
S103，根据第一光值对第一图像进行处理，得到第二图像。
本申请提供的图像处理方法中，通过在构建大气散射物理模型时，通过根据无穷远处的大气光值、景深、介质参数和散射系数确定的第一光值对第一图像进行处理，得到第二图像，这里，由介质参数和景深确定的时间参数φt之后的光源经粒子散射形成的大气光(即第一光值)为这样，随着景深d的增大时间参数/>也在增大，所以减小了第一光值的变化量，所以有效抑制了预设介质对探测器接收到的第二图像的影响。
下面，对S101-S103的内容分别进行描述：
首先介绍S101的具体实现方式。
首先，上述涉及到的景深，是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。在成像器聚焦完成后，焦点前后的范围内所呈现的清晰图像的距离，这一前一后的范围，便叫做景深。
在成像器的镜头前方(焦点的前、后)有一段一定长度的空间，当被摄物体位于这段空间内时，其在底片上的成像恰位于同一个弥散圆之间。被摄体所在的这段空间的长度，就叫景深。
其次，上述涉及到的介质参数是一个参数常量，根据不同的介质选择不同的量值，例如当预设介质为空气时，空气的介质参数为3×108。
然后，散射系数是指单位面积上雷达的反射率或单位照射面积上的雷达散射截面。它是入射电磁波与地面目标相互作用结果的度量。散射系数用来描述大气中各种散射元对辐射通量散射作用的强弱。散射是指电磁波通过某些介质时，入射波中一部分能量偏离原来传播方向而以一定规律向其他方向发射的过程。
其中，上述涉及到的预设介质包括下述中的至少一项：雨、雾、霾和生物介质。
大气中粒子的散射作用是产生雾霾的主要原因。无论是用人的肉眼观察，还是从拍摄获取的图像中观察，雾天的景象总是存在对比度和视野降低的问题。这些粒子可以称为预设介质，包括下述中的至少一项：雨、雾、霾和生物介质。
在预设介质的影响下，引起探测系统成像质量下降的原因主要包括以下两种：目标反射光在传输的过程中受到介质中悬浮粒子的吸收和散射作用，导致能量衰减，通常会降低图像亮度，造成图像对比度下降；太阳光、天空光等环境光受到介质中粒子的散射作用而形成杂散光，通常会使图像模糊，造成图像色彩不自然。其次介绍S102的具体实现方式。
在一种可能的实施例中，根据介质参数和景深确定时间参数；根据散射系数和景深确定传输函数，传输函数用于表示采集第一图像的探测器接收到的光的第一光强与光源的第二光强的比值；根据时间参数、传输函数和无穷远处的大气光值，确定第一光值。
其中，上述涉及到根据介质参数和景深确定时间参数的步骤可以为：其中，/>为时间参数，景深为d，介质参数为t0。
其中时间参数是收到景深(d)的控制的，随着景深的增大而增大，t0是一个参数常量，根据不同的介质选择不同的量值，例如当介质为空气t0为3×108。
其中，上述涉及到的确定的第一光值可以为：其中，/>为时间参数，e-βd为传输函数，L∞为无穷远处的大气光值。
其中，上述涉及到根据散射系数和景深确定传输函数的步骤可以为：根据散射系数β和景深确定传输函数eβd，e为常量。
其中，传输函数，其物理意义为经过粒子衰减能够达到探测系统的那部分光的比例。这是由于探测系统成像时接收到的光源主要来自两个部分，一是目标反射光经粒子衰减到达探测系统的光，二是来自于光源(如：光照)经粒子散射形成的大气光。这里，传输函数用于表示采集第一图像的探测器接收到的光(即经粒子衰减到达探测系统的光)的第一光强与光源的第二光强的比值。
然后介绍S103的具体实现方式。
可选地，上述涉及到根据第一光值对第一图像I’(x,λ)进行处理，得到第二图像I’(x,λ)的步骤可以为：从含雾图像I’(x,λ)中估计传输函数的参量，将求解得到传输函数的参量代入到大气散射模型中，即可恢复出目标图像R(x,λ)。
在另一种可能的实施例中，对第一图像进行像素提取处理，确定第三图像；根据传输函数、时间参数和无穷远处的大气光值确定第一影响值，第一影响值为大气光在第一图像在成像的过程中，对第一图像成像的影响值；根据述第一影响值对第三图像进行处理，确定第四图像。
其中，上述涉及的像素是指由图像的小方格组成的，这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。
其中，上述涉及的第一影响值为大气光在第一图像在成像的过程中，对第一图像成像的影响值可以为：其中，传输函数为eβd、时间参数为/>无穷远处的大气光值为L∞。
其中，上述涉及的根据述第一影响值对第三图像进行处理，确定第四图像的步骤，具体可以为：根据第一影响值对第三图像I∞ρ进行处理，确定第四图像R(x,y)。
其中，上述涉及到对第一图像进行像素提取处理，确定第三图像的步骤中，具体可以包括：提取第一图像中的多个单通道的分量像素值；根据多个单通道的分量像素值确定第三图像。
很多显示器和图像获取系统出于不同原因无法显示或感知同一点的不同色彩通道。这个问题通常通过采用多个子像素的办法解决，每个子像素处理一个色彩通道。例如，将每个像素水平分解为3个子像素，3个子像素为：R、G、B。即通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。
上述涉及到对第一图像进行像素提取处理，确定第三图像的步骤中，具体可以为：从第一图像中分别提取三个色彩通道的R、G、B，根据多个单通道的分量像素值确定理论值I∞ρ，即第三图像。
本发明实施例的提供的图像处理方法，在构建大气散射物理模型时，通过根据无穷远处的大气光值、景深、介质参数和散射系数确定的第一光值对第一图像进行处理，得到第二图像，这里，加入由介质参数和景深确定的时间参数φt之后的光源经粒子散射形成的大气光(即第一光值)为这样，随着景深d的增大时间参数/>也在增大，所以减小了第一光值的变化量，所以有效抑制了预设介质对探测器接收到的第二图像的影响。
另外，基于上述图像处理方法，本发明实施例还提供了一种实现图像处理的方法，具体结合图2进行详细说明。
S210，构建由时间参数控制的大气散射模型。
由于我们研究的是通过随机介质的光学成像，成像光路中各类随机介质(如雨、雾、霾、湍流、生物介质等)的存在，会使成像光束在介质中发生多重散射、折射等随机传播，从而导致光束进入成像系统后形成的图像发生严重退化，成像物体大量信息被丢失，得到的是模糊的图像。如图3所示，图3中的左图为原图，右图为原图在成像中，经过成像光束在介质中发生多重散射、折射之后的显示效果。
在通过随机介质的成像过程中，探测器接收到的图像为I(x，y)，R(x,λ)表示需要恢复出的无雾图像，传输函数即传输率为e-βd，L∞表示无穷远处的大气光值，λ表示光波波长。传统的大气散射物理模型前文中公式(1)所示。
由于景深会影响传输时间，并且景深越深，光路中的光线受到介质的散射、漫反射等不同于普通介质，其受到的影响会成倍增大，因此加入时间参数其随着景深的变化而动态的调节时间参数φt，时间参数φt会控制传输函数φt e-βd，从而调节光源经粒子散射形成的大气光即L∞(1-e-βd)，改变探测器系统所获得的雾天图像I(x,λ)为I’(x,y)。
这里，针对大气散射物理模型中探测器成像时的雾天图像受到大气光的影响，而且是随着景深d即距离的增大而增大，因此采用加入时间控制因子φt的传输率φte-βd来控制探测器接受到的雾天图像。
由时间参数控制的大气散射模型表达式如下：
I’(x,λ)＝φte-βdR(x,λ)+L∞(1-φte-βd) (7)
其中时间参数是收到景深的控制的，随着景深的增大而增大，t0是一个参数常量，根据不同的介质选择不同的量值，例如当介质为空气t0为3×108。
由此，通过加入时间参数控制的大气散射物理模型。在构建大气散射物理模型时，加入时间参数φt之后的光源经粒子散射形成的大气光变为I∞(1-φte-βd)，随着景深d的增大时间参数也在增大，而原来的传输率e-βd在减小，所以减小了大气光的变化量，所以也抑制了随机介质对探测器接收到的图像为I(x，y)的影响。
S220，基于由时间参数控制的大气散射模型的改进单尺度Retinex算法。
由于一幅给定图像I(x，y)可以分解为两个不同的图像：反射图像R(x，y)和入射图像(亮度图像)L(x，y)，原始图像为I(x，y)。
I(x,y)＝L(x,y)·R(x,y) (8)
最后形成的图像可以如下公式表示：
其中r(x，y)是输出图像，F(x，y)是中心环绕函数，其中c是高斯环绕尺度，λ是一个尺度，表示为：
中心环绕函数需满足∫∫F(x,y)dxdy＝1
结合大气散射物理模型和单尺度的Retinex算法，其中亮度图像L(x，y)k可以估算成透射率e-βd，得出的反射图像R(x，y)如下表达式：
反射图像R(x，y)由无雾图像部分I∞ρ和光源经粒子散射形成的大气光L∞(1-e-βd)部门构成。
这里，针对全局化Retinex增强算法在处理通过随机介质的光学成像时所出现的随着传输距离的变化，产生的颜色误差更大的问题，采用了加入时间参数控制的大气模型的改进的Retinex的算法，在恢复图像时降低外界大气光对得到的反射图像R(x，y)的影响。
根据由时间参数控制的大气散射模型和Retinex算法结合，得到如下公式：
我们可以将Retinex算法所估算的照度分量近似估算成由时间参数控制的透射率φte-βd,经过单尺度SSR处理之后得到的R(x，y)为：
其中I∞ρ为理论上恢复出的无雾图像，是大气光对成像的影响，随着景深d的增加eβd在增大，时间参数φt也在增大，因此抑制了大气光对成像的影响。
由此，基于时间参数的大气散射物理模型的改进Retinex算法。结合大气散射物理模型和Retinex推导得到的反射图像R(x，y)随着距离d的增大，φt抑制了R(x，y)的变化，因此恢复出的反射图像R(x，y)受到随机介质的影响更小。具体的图像处理效果如图4所示，图4中左图为经过散射的图像，右图为经过大气散射物理模型和Retinex处理之后的图像的显示效果。
另外，基于上述图像处理方法，本发明实施例还提供了一种图像处理装置，具体结合图5进行详细说明。
图5所示为本发明实施例的装置的结构框图。
如图5所示，该装置500可以包括：
获取模块510，用于获取第一图像、第一图像的景深、第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值。
确定模块520，用于根据无穷远处的大气光值、景深、介质参数和散射系数确定第一光值。
处理模块530，用于根据第一光值对第一图像进行处理，得到第二图像。
作为一个示例，确定模块520具体用于根据介质参数和景深确定时间参数；根据散射系数和景深确定传输函数；根据时间参数、传输函数和无穷远处的大气光值，确定第一光值。
确定模块520，还用于对第一图像进行像素提取处理，确定第三图像；根据传输函数、时间参数和无穷远处的大气光值确定第一影响值，第一影响值为大气光在第一图像在成像的过程中，对第一图像成像的影响值；根据述第一影响值对第三图像进行处理，确定第四图像。
确定模块520，还用于对第一图像进行像素提取处理，确定第三图像，包括：提取第一图像中的多个单通道的分量像素值；根据多个单通道的分量像素值确定第三图像。
其中，上述涉及到的预设介质包括下述中的至少一项：雨、雾、霾和生物介质。
综上，本发明实施例的提供的图像处理装置，在构建大气散射物理模型时，通过根据无穷远处的大气光值、景深、介质参数和散射系数确定的第一光值对第一图像进行处理，得到第二图像，这里，加入由介质参数和景深确定的时间参数φt之后的光源经粒子散射形成的大气光(即第一光值)为这样，随着景深d的增大时间参数/>也在增大，所以减小了第一光值的变化量，所以有效抑制了预设介质对探测器接收到的第二图像的影响。
图6示出了本发明实施例提供的一种示例性硬件架构的示意图。
定位设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在综合网关容灾设备的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。在特定实施例中，存储器602包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种图像处理方法。
在一个示例中，定位设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者，将图像处理设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
该处理设备可以执行本发明实施例中的图像处理方法，从而实现结合图1-图2描述的图像处理方法。
另外，结合上述实施例中的图像处理方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意图像处理方法。
需要明确的是，本发明实施例并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明实施例的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明实施例的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为软件方式，本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明实施例不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种图像处理方法，其中，其特征在于，所述方法包括：
获取第一图像、所述第一图像的景深、所述第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值；
根据所述无穷远处的大气光值、所述景深、所述介质参数和所述散射系数确定第一光值；
根据所述第一光值对所述第一图像进行处理，得到第二图像；
其中，所述根据所述无穷远处的大气光值、所述景深、所述介质参数和所述散射系数确定第一光值，包括：
根据所述介质参数和所述景深确定时间参数；
根据所述散射系数和所述景深确定传输函数，所述传输函数用于表示采集所述第一图像的探测器接收到的光的第一光强与光源的第二光强的比值；
根据所述时间参数、所述传输函数和所述无穷远处的大气光值，确定所述第一光值；
所述根据所述第一光值对所述第一图像进行处理，得到第二图像包括：从含雾图像中估计传输函数的参量，将所述传输函数的参量代入到大气散射模型中，确定第二图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述第一图像进行像素提取处理，确定第三图像；
根据所述传输函数、所述时间参数和所述无穷远处的大气光值确定第一影响值，所述第一影响值为大气光在所述第一图像在成像的过程中，对所述第一图像成像的影响值；
根据述第一影响值对所述第三图像进行处理，确定第四图像；
其中，所述对所述第一图像进行像素提取处理，确定第三图像包括：从所述第一图像中分别提取三个色彩通道各自对应的分量像素值，根据多个所述分量像素值确定所述第三图像。
3.根据权利要求2所述的方法，其特征在于，所述对所述第一图像进行像素提取处理，确定第三图像，包括：
提取所述第一图像中的多个单通道的分量像素值；
根据所述多个单通道的分量像素值确定所述第三图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设介质包括下述中的至少一项：雨、雾、霾和生物介质。
5.一种图像处理装置，其特征在于，包括：
获取模块，用于获取第一图像、所述第一图像的景深、所述第一图像的成像光路中存在的预设介质的介质参数、散射系数和无穷远处的大气光值；
确定模块，用于根据所述无穷远处的大气光值、所述景深、所述介质参数和所述散射系数确定第一光值；
处理模块，用于根据所述第一光值对所述第一图像进行处理，得到第二图像；
其中，确定模块用于根据所述无穷远处的大气光值、所述景深、所述介质参数和所述散射系数确定第一光值，包括：
根据所述介质参数和所述景深确定时间参数；
根据所述散射系数和所述景深确定传输函数，所述传输函数用于表示采集所述第一图像的探测器接收到的光的第一光强与光源的第二光强的比值；
根据所述时间参数、所述传输函数和所述无穷远处的大气光值，确定所述第一光值；
其中，所述处理模块用于所述根据所述第一光值对所述第一图像进行处理，得到第二图像包括：
从含雾图像中估计传输函数的参量，将所述传输函数的参量代入到大气散射模型中，确定第二图像。
6.一种计算设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-4任意一项所述的图像处理方法。
7.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-4任意一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010503374.0A CN113763254B (zh) | 2020-06-05 | 2020-06-05 | 一种图像处理方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010503374.0A CN113763254B (zh) | 2020-06-05 | 2020-06-05 | 一种图像处理方法、装置、设备及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113763254A CN113763254A (zh) | 2021-12-07 |
| CN113763254B true CN113763254B (zh) | 2024-02-02 |
Family
ID=78783860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010503374.0A Active CN113763254B (zh) | 2020-06-05 | 2020-06-05 | 一种图像处理方法、装置、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113763254B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2829298A1 (en) * | 2011-02-18 | 2012-08-23 | Hexagon Technology Center Gmbh | Fast image enhancement and three-dimensional depth calculation |
| CN104217404A (zh) * | 2014-08-27 | 2014-12-17 | 华南农业大学 | 雾霾天视频图像清晰化处理方法及其装置 |
| CN105913390A (zh) * | 2016-04-07 | 2016-08-31 | 潍坊学院 | 一种图像去雾方法及系统 |
| CN107133927A (zh) * | 2017-04-21 | 2017-09-05 | 汪云飞 | 超像素框架下基于均值‑均方差暗通道的单幅图像去雾方法 |
| CN107454318A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107958465A (zh) * | 2017-10-23 | 2018-04-24 | 华南农业大学 | 一种基于深度卷积神经网络的单幅图像去雾方法 |
| CN109345479A (zh) * | 2018-09-28 | 2019-02-15 | 中国电子科技集团公司信息科学研究院 | 一种视频监控数据的实时预处理方法及存储介质 |
| CN110223240A (zh) * | 2019-05-05 | 2019-09-10 | 北京理工大学珠海学院 | 基于颜色衰减先验的图像去雾方法、系统及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9305242B2 (en) * | 2014-08-15 | 2016-04-05 | National Taipei University Of Technology | Method and image processing apparatus for image visibility restoration using fisher's linear discriminant based dual dark channel prior |
-
2020
- 2020-06-05 CN CN202010503374.0A patent/CN113763254B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2829298A1 (en) * | 2011-02-18 | 2012-08-23 | Hexagon Technology Center Gmbh | Fast image enhancement and three-dimensional depth calculation |
| CN104217404A (zh) * | 2014-08-27 | 2014-12-17 | 华南农业大学 | 雾霾天视频图像清晰化处理方法及其装置 |
| CN105913390A (zh) * | 2016-04-07 | 2016-08-31 | 潍坊学院 | 一种图像去雾方法及系统 |
| CN107133927A (zh) * | 2017-04-21 | 2017-09-05 | 汪云飞 | 超像素框架下基于均值‑均方差暗通道的单幅图像去雾方法 |
| CN107454318A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107958465A (zh) * | 2017-10-23 | 2018-04-24 | 华南农业大学 | 一种基于深度卷积神经网络的单幅图像去雾方法 |
| CN109345479A (zh) * | 2018-09-28 | 2019-02-15 | 中国电子科技集团公司信息科学研究院 | 一种视频监控数据的实时预处理方法及存储介质 |
| CN110223240A (zh) * | 2019-05-05 | 2019-09-10 | 北京理工大学珠海学院 | 基于颜色衰减先验的图像去雾方法、系统及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Yu Hang等.A New Model Dehazing Algorithm Based on Atmospheric Scattering Model and Retinex Algorithm.《Computer Vision and Image Understanding (2017)》.2017,1-18. * |
| 王蕊.单幅雾天及水下图像的复原方法研究.《中国博士学位论文全文数据库 信息科技辑》.2014,(第11期),I138-39. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113763254A (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3496383A1 (en) | Image processing method, apparatus and device | |
| Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
| US12026904B2 (en) | Depth acquisition device and depth acquisition method | |
| US9384532B2 (en) | Apparatus for improving fogged image using user-controllable root operator | |
| CN107424133B (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
| CN115082361B (zh) | 基于图像处理的浑浊水体图像增强方法 | |
| CN109919889B (zh) | 一种基于双目视差的能见度检测算法 | |
| Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
| US20240046421A1 (en) | Image restoration method based on physical scattering model | |
| Lu et al. | Single underwater image descattering and color correction | |
| 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 | |
| Mondal et al. | Single image haze removal using contrast limited adaptive histogram equalization based multiscale fusion technique | |
| Jiwani et al. | Single image fog removal using depth estimation based on blur estimation | |
| CN113763254B (zh) | 一种图像处理方法、装置、设备及计算机存储介质 | |
| CN117152016A (zh) | 基于改进暗通道先验的图像去雾方法及其系统 | |
| CN109903253B (zh) | 一种基于景深先验的公路交通视频去雾算法 | |
| EP3165018A2 (en) | System and method for quantifying reflection e.g. when analyzing laminated documents | |
| CN110246102B (zh) | 一种雨天视频清晰处理方法 | |
| CN116456200A (zh) | 一种基于偏振成像的红外相机的去雾系统及方法 | |
| Raigonda et al. | Haze Removal Of Underwater Images Using Fusion Technique | |
| CN107025636B (zh) | 结合深度信息的图像去雾方法及装置和电子装置 | |
| CN113379631B (zh) | 一种图像去雾的方法及装置 | |
| CN113888420A (zh) | 一种基于修正模型的水下图像复原方法、设备及存储介质 | |
| CN110322431B (zh) | 雾霾图像质量评价方法、系统、存储介质及电子设备 | |
| Ancuti et al. | Evaluation of image dehazing techniques based on a realistic benchmark |
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 |