图像去雾设计总结报告Word下载.docx

1、 2从图像表现的低亮度和低比较度的特色考虑， 采用加强的方法办理，即图像加强。比较典型的有全局直方图均衡化， 同态滤波，Retinex算法，小波算法等等。基于物理模型的天气退化图像复原方法， 从物理成因的角度对大气散射作用进行建模解析， 实现场景复原，即图像复原。运用最广泛、最声威的是由何凯明等人提出的暗通道先验的方法。（1）图像加强技术为了改进视觉收效也许便于人们对图像的鉴识和解析， 依照图像的特色采用简单的改进方法也许加强特色的措施叫做图像加强。 图像加强可分为两大类：频率域法和空间域法。空间域办理主要包括：点办理，模块办理即领域办理。频率域办理主要包括：高、低通滤波、同态滤波等等。图像加

2、强可分为两大类： 频率域法和空间域法。 空间域办理主要包括：（2）图像复原技术从广义上讲， 图像复原是一个求逆问题， 逆问题经常存在非唯一解，甚至无解。图像复原的目的是将所观察到的退化图像恢复到退化前的原始图像， 这种恢复过程在好多图像办理中的应用十分重要。 为了更好的对图像复原的理解，图 1-2 为图像复原的流程图： 3图 1-2 图像复原流程图其中 g（x,y）为降质图像函数， f（x,y） 为真实图像函数。图像复原技术能够分为以下几类：1）在给定退化模型条件下，分为无拘束和有拘束两大类。2）依照可否需要外界干预，分为自动和交互两大类。3）依照办理所在的域，分为频率域和空间域。（二）从图像

3、加强角度去雾基于直方图均衡化的算法以概率论为基础， 用灰度变换达到图像加强的目的，是图像加强中最常用的算法之一。 直方图均衡化办理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在所有灰度范围内的均匀分布。1、图像灰度直方图定义一：一个灰度级在范围 0,L-1 的数字图像，其直方图是一个失散函数 4n 是图像的像素总数， 是滴k 个灰度级， 。定义二：由于 的增量是 1，直方图能够表示为：即图像中不相同灰度级像素的出现次数。2、直方图变换的理论基础设连续图像的概率分布为：其中 r 为灰度其中 A 为图像的面积。均衡化过程解析： 5设 r 和 s 分别表示原图像灰度级和经直方图

4、均衡化后的图像灰度级，为便于谈论，对 r 和 s 进行归一化，使： ；对于一幅给定的图像，归一化后灰度级分布在 范围内。对 0,1 区间内的任意一个 r 值进行以下变换：该变换式应满足条件：（1）对于 ，有（2）在 区间内从 s 到 r 的反变换用下式表示r 的概率密度为 ；s 的概率密度可由 求出假设变换函数为式中： w是积分变量，而 就是 r 的累积分布函数。 6以下图为直方图均衡化的过程， 表现了“均衡”的含义： 即概率密度的均匀。（a）是某一图像的的灰度分布（b）是该图进行直方图均衡化后的灰度分布图1-3 图像灰度分布给出灰度级 在图像中出现的概率密度统计在 MATLAB中，imhis

5、t函数能够显示一幅图像的直方图。其常有调用方法以下：imhist（I）其中 I 是图像矩阵，该函数返回一幅图像，显示 I 的直方图。经过把原图像的直方图经过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮，灰度层次不丰富的情况，这种技术叫直方图均衡化。在MATLAB中，用于直方图均衡化的函数是 histeq，它的常有调用方式以下：J=histep（I）其中， I 为输入的原图像， J 是直方图均衡化后的图像。 73、直方图均衡化的算法步骤直方图均衡化的算法步骤以下：1）列出原始图像和变换后图像的灰度级： ， , 其中是灰度级的个数；2）统计原图像各灰度级的像素个数 ;3）计算

6、原始图像直方图： ,N 为原始图像像素总个数；4 ）利 用灰度 变换 函数计算 变换后的 灰度 值， 并 四舍五入：；5）确定灰度变换关系 , 依照此将原图像的灰度值 修正为 统计变换后各灰度级的像素个数 ；6）计算变换后图像的直方图： 。图 1-4 直方图均衡化表示图4、直方图均衡化的优缺点（1）优点： 8操作相当直观而且为可逆操作， 若是已知均衡化函数， 那么就可以恢复原始的直方图，而且计算量也不大。能够用于加强局部的比较度而不影响整体的比较度， 直方图均衡化经过有效地扩展常用的亮度来实现这种功能。（2）缺点：变换后图像的灰度级减少，某些细节消失；某些图像，如直方图有巅峰，经办理后比较度不

7、自然的过分增强。（二）从图像复原角度去雾说到图像去雾，就不得不提到由何恺明博士等人提出的基于暗通道的图像去雾算法。 这个算法因其奇特的思路和理想的收效而广受关注，相关论文也曾于 2009 年荣获 CVPR最正确论文奖， 同时也是该奖成立以来，首次由亚洲学者获此殊荣。随着大气污染的日益严重， 想法改进自动获得的图像质量其意义不言而喻。另一方面，随着数码设备的普及，花销类电子产品的市场也催生出好多新的需求， 局内人们对所摄电影质量的修正和优化就是一个不言而喻的需求。第一对于有雾气象情况下的大气物理退化模型，如图 1-5 所示： 9图 1-5 大气物理退化模型经过估计参数，反演退化过程，获得退化前的

8、场景清楚图像。场景目标反射光强经过雾区， 会碰到雾霾颗粒的强散射和吸取作用， 到达探测器的光强会碰到影响。1、暗通道看法在绝大多数非天空的局部地域里， 某些像素总会有最少一个颜色通道拥有很低的之。换言之，该地域光强度的最小值诗格很小的数。下面给暗通道一个数学定义，对于任意的输入图像 J，其暗通道能够用下式表达：其中 表示彩色图像的每个通道， 表示以像素 为中心的一个窗口。暗通道先验的理论指出 10也就是说以像素点 为中心，分别取三个通道内窗口内的最小值，然后再取三个通道的最小值作为像素点 的暗通道的值，如图 1-6 所示：图 1-6 取暗通道值实质生活中造成暗原色中低通道值的因素有好多。比方，

9、汽车、建筑物和城市中玻璃窗户的阴影， 也许是树叶、树与岩石等自然景观的投影；色彩娇艳的物体或表面， 在 RGB得三个通道中有些通道的值很低（比方绿色的草地、树木等植物，红色或黄色的花朵、果实也许叶子，也许蓝色、绿色的水面） ；颜色较暗的物体也许表面，比方惨淡色的树干、石头以及路面。总之，自然光景中各处都是阴影活着彩色，这些经无图像的暗原色总是表现出较为惨淡的状态。暗原色先验是对户外无雾图像库的统计得出的规律。 在不包括天空的绝大多数局部地域，总会存在一些称之为“ dark pixels”的像素，最少有一个颜色通道具备很低的强度值。 在被雾搅乱的图像里， 这些暗像素的强度值会被大气中的白光成分所

10、充满而变得较高。 112、暗通道去雾的原理第一，在计算机视觉和计算机图形中， 下述方程所描述的雾图像形成模型被广泛使用：其中， 就是现在已经有的待去雾图像， 是要恢复的无雾图像，参数 是全球大气光成分， 为透射率。现在的已知条件就是 ，要求目标值 。依照基本的代数知识可知这是一个有无数解的方程。只有在一些先验信息基础上才能求出定解。将上式稍作办理，变形为下式：第一假设在每一个窗口内透射率 为常数，将其定义为 ，而且 值已经给定，尔后对上式两边求两次最小值运算，获得下式：依照前述的暗原色先验理论有：可推导出 12把结论带回原式中，获得：这就是透射率 的预估值。透射率还可表示为 , 为大气的散射系

11、数，该式表明光景光辉是随着光景深度 按指数衰减的。在现实生活中，即即是晴天白云，空气中也存在着一些颗粒，因此，看远处的物体还是能感觉到雾的影响。其他，无得存在让人感觉景深的存在，有必要在去雾的时候保留必然程度的雾。 这能够经过在上式中引入一个在 0,1 之间的因子来实现，则上式修正为：上述推论中都是假设全球大气光 值是已知的，在实质中，能够借助暗通道图来从有雾图像中获得该值。详尽步骤大体为：1）第一从暗通道图中依照亮度的大小提取最亮的前 0.1%像素；2）在原始有雾图像 中搜寻对应地址上的拥有最高亮度的点的值， 并以此作为 的值。当考虑投射图 值很小时，会以致 的值偏大，从而使图像整体向 13

12、白场过渡，因此一般能够设置一个阈值 ，当 值小于 时，令 。因此，最后的图像恢复公式以下：当透射率图过于粗糙时， 对应暗通道图中颜色较深的部分边缘明显不协调，为了获得更加精巧的透射率图，何凯明提出了“ soft matting ”方法，能获得特别细腻的结果，但是该算法的一个致命缺点就是速度慢，因此何在利用导向滤波的方式来获得较好的透射率图过程中使用简单的盒子滤波相应的快速算法。五、设计步骤（一）基于直方图均衡化的图像去雾算法1、变换为灰度图像后对图像进行直方图均衡由于直方图均衡仅限于灰度图像， 因此我们将输入的 RGB图像先转变成灰度图像，再进行图像加强。简要过程如图 2-1 所示。 14图2

13、-1 RGB 转灰度图像进行直方图均衡化过程（1）读入图像，将彩色图像进行降维变换成灰度图像；（2）对灰度图像的直方图进行均衡化办理；（3）输出均衡化后的灰色图像。接下来我们考虑想要获得彩色图像， 于是从不相同空间对图像进行均衡化办理。2、在 RGB 空间对图像进行直方图均衡（流程如图2-2）（1）读入图像，将图像储藏于 RGB 空间；（2）分别对 RGB 空间的 R、G、B 三个重量的灰度直方图进行均衡化办理；（3）输出图像。 15图 2-2 在 RGB 空间对图像进行直方图均衡3、在 HSV 空间对图像进行直方图均衡（流程如图2-3）（1）读入图像，将图像由 RGB 空间变换到 HSV 空

14、间；（2）对 HSV 空间饱和度和亮度重量（ S、V 重量）的灰度直方图进行均衡化办理；（3）将图像由 HSV 空间变换到 RGB 空间并输出。 16图 2-3 在 HSI 空间对图像进行直方图均衡4、在 YCrCb 空间对图像进行直方图均衡（流程如图 2-4）（1）读入图像，将图像由 RGB 空间变换到 YCrCb 空间；（2）对 YCrCb 空间亮度重量 （Y 重量）的灰度直方图进行均衡化办理；（3）将图像由 YCrCb 空间变换到 RGB 空间并输出图像。图 2-4 在 YCrCb 空间对图像进行直方图均衡（二）基于暗通道先验的图像去雾算法依照何凯明的暗通道先验算法原理，大体的流程如图

15、2-6 所示。 17图2-6 暗通道先验过程图（1）依照原始有雾图像求暗通道用for 循环求出每个像素 RGB重量中的最小值，存入一副和原始图像大小相同的灰度图中，尔后再对这副灰度图使用 ordfilt2 进行最小值滤波，滤波的半径由窗口大小决定。（2）求解全局大气光照依照原理应入选择暗通道 内图像总像素点个数千分之一个最亮的像素点， 并记录这些像素点坐标， 再依照这些点的坐标分别在原图像 I 的三个通道内找到这些像素点并加和。考虑到这个思路在 MATLAB实现中在搜寻这些像素点时，会找到不仅 1000 点，由于在图像中有好多值相等的像素点； 为了方便计算，在求 时取最亮值的点集中的某一个点。

16、 18（3）求透射率第一设定原始程序中去雾系数 ，依照公式先对透射率有一个预估；接下来利用导向滤波（ Guided Filter）来对透射率图。以原始图像的其中一个通道为引导图， 使得透射率图的细节更加正确。而为了提升计算速度，在导向滤波中使用盒子滤波器（ Box filter ），其实质是经过下采样减少像素点，计算后再进行上采样恢复到原有的尺寸大小。（4）求解无雾图像依照公式求解出去雾的图像即可。在初始程序中采用 为标准计算。六、设计结果与解析直方图均衡化是图像加强中的一种常用方法， 该算法以概率论为基础，基于空间不变思想， 运用灰度运算来实现直方图的变换，从而达到加强图像的目的， 更合适于

17、光景深度变化很小的图像。 分为全局直方图均衡化算法和局部直方图均衡化算法 （在本次实验中局部均衡 19方法去雾收效比较差，因此不对该方法进行赘述） 。全局直方图均衡化算法实现简单，对单景深图像的复原收效较好，但对于场景深度多变的图像的复原收效好， 但是对于场景深度多变的额图像，这种方法就很难反响图像中局部光景深度的变化。采用局部加强方法能够使图像的每一个地域的比较度都能获得很大的改进，但是同时这种方法也将灰度变化缓慢的地域， 如天空等也进行了误加强，从而以致光景影像因好多噪声的搅乱而表现得不自然。原始有雾图像如图 3-1 所示。（a）有雾图像 1 20（b）有雾图像 2图3-1 有雾图像对全局

18、均衡结果图的收效进行解析（程序 zft.m）：对有雾图像 RGB 通道进行均衡化办理后交融的图像收效最好，清楚度较高，且颜色较吻合地物颜色，但天空处有很多的块状噪声，且树叶产生了较大的畸变，结果如图 3-1。 21图 3-1 对 RGB 通道进行均衡化办理结果图 3-2 对 RGB 通道进行均衡化结果及其直方图前后比较将只对 HSI 空间的亮度重量 I 通道 和对 HSI 空间的亮度、饱和度重量 I 、S 通道 进行均衡化，通道进行的均衡化办理的图像颜色对 22比度明显发生的变化，第二种颜色过于娇艳而发生畸变，第一种较RGB 均衡方式的颜色比较度较差，且树叶处畸变较差结果如图 3-3。图 3-

19、3 对 HSI 通道进行均衡化办理结果 23图3-4 对 HSI 通道进行均衡化前后结果比较及其直方图对YCrCb 空间的亮度重量 Y 通道 进行均衡办理，所得图像在天空处办理的较差， 有大片空白， 但是对于树叶的办理较其他几种方式都好，结果如图 3-5。 24图 3-5 对 YCrCb 通道进行均衡化办理结果图 3-6 对 YCrCb 通道进行均衡化结果前后比较及其直方图当考虑将 RGB 图像转变成灰度图像在进行直方图均衡化的结果 25如图 3-7 所示，图 3-7 对灰度进行均衡化结果前后比较及其直方图图 3-8 对灰度进行均衡化结果前后比较及其直方图若是忽略灰度图直方图均衡化的视觉收效问

20、题， 在去雾收效方面 26灰度变换的结果还是比较好的。接着再使用有雾图像 2 的直方图均衡化，结果如图 3-9 所示，由于有雾图像 2 在远景处没有雾的影响， 在整体图像加强后诚然也起到了必然去雾的目的，但是图像收效不太好。总的来说，直方图均衡化的方法对灰度变化不大的树叶和天空处理收效较差，但是对于建筑物等灰度变化较大的地域收效还是不错的。直方图均衡化经过使用累积函数对灰度值进行 “调整”以实现比较度的加强。详尽说来，即把原图像对应的灰度直方图从比较集中的灰度区间经过必然的变换变成在所有灰度范围内的均匀分布。 就是对图像进行非线性拉伸， 重新分配图像像素值， 使必然灰度范围内的像素数量大体相同

21、。经过使用累积函数对灰度值进行“调整”以实现比较度的加强，必然程度上使暗的地方更暗、 亮的地方更亮， 从而在视觉上达到去雾的收效。但是上面的去雾收效不过限制于灰度图片， 而不能够直接对彩色图像进行办理。经过上述直方图办理后，达到均衡化图像的目的，但是图像会在原图基础上失真， 即整幅图像的颜色发生改变， 有时会严重 27偏走开雾的初衷。1、实验过程结果图图 4-1 有雾图像 1 的暗通道图像 28图 4-2 有雾图像 2 的暗通道图像经过两幅图的暗通道图像特别是有雾图像 2 中能够看出在近距离的树叶处特其他暗，经过该暗通道图像去估计大气光照和透射率，成立模型就可以很好地在去雾的同时尽可能保留无雾

22、地域的特色细节。求解有图像 1 和 2 的大气光照数 A： 29图 4-3 图像 1 的透射率图 30图 4-4 图像 2 的透射率图经过两幅图像透射率图能够看出利用导向滤波函数求得的透射率图像较为精巧，也吻合大气物理退化模型中的情况。 31（4）求解无雾图像图 4-5 图像 1 的去雾图像有雾图像 1 的去雾结果相较于使用直方图均衡化中收效最好的对于 RGB通道进行直方图均衡化办理结果来说， 去雾的程度更大， 颜色更加真实，特色细节处的保持的也较好。 去雾后的图像会比原始的暗，因此在办理完后最好进行必然的曝光加强， 但由于视觉上的收效还不错，我们选择不进行其他操作省得影响去雾收效的观察。 3

23、2图4-6 图像 2 的去雾图像图4-6 更加能够突出暗通道先验算法去雾的优点， 对于无雾地域的办理将差异于有雾地域，能够减小自己不需要去雾图像地域的改变。2、影响暗通道先验算法去雾收效的参数研究计算的标准参数值以下表所示：1去雾系数 0.952滤波窗口大小（形成暗通道的滤波半径） r93透射率窗口大小（导向半径） R80 334透射率下限值0.15eps（1）去雾系数粗透射率为越大，去雾程度越大，图像比较度显得越暗；反之 越小，去雾越不完整，图像越泛白。一般取 。图 4-7 图像 1 的去雾前图像 34图4-8 图像 1 的参数（ r=80，w0=0.95，滤波窗口 9*9 ）去雾后图像图

24、4-9 图像 1 的参数（ r=80，w0=0.85，滤波窗口 9*9 ）去雾后图像 35图4-10 图像 1 的参数（ r=80，w0=0.80，滤波窗口 9*9 ）去雾后图像图 4-11 图像 1、2 去雾前后比较图像 36（2）滤波窗口大小 xx越小，采用的细节越多，暗通道成立越认真，使得最后去雾收效越明显；但也由于其包括暗通道的概率越大，暗通道也就越黑，所得去雾图像越暗；x越大，采用的细节少，暗通道成立越粗糙，以致最后图像越泛白，即去雾的收效越不明显。图 4-12 图像 1 改变滤波窗口去雾前后比较图像 37图4-14 图像 2 改变滤波窗口去雾前后比较图像（3）透射率窗口大小（导向半径） R当R 比较小的时候， 在透射率图中基本看不到什么细节信息， 因此恢复处的图像边缘处不明显， 表现明显的有雾界线， 有点近似于软抠图不精确的结果。以以下图所示： 38图 4-15 图像 1（导向半径 r=8、40）去雾图 39图 4-16 图像 1（导向半径 r=80）去雾图图 4-17 图像（导向半径 r=8）去雾图 40图 4-18 图像 2（导向半径 r=16）去雾图图 4-19 图像 2（导向半径 r=40）去雾图 41