一种图像去雾方法与流程
本发明涉及图像去雾处理领域，更为具体的，涉及一种图像去雾方法。
背景技术：
图像去雾是安防、图像增强领域很重要的技术。对于雾霾较大的室外环境，监控难度更大，需要对监控图像进行去雾处理，才能得到清晰目标，例如车牌、人脸等等。
近年来，有雾图像的复原工作已成为计算机视觉和计算机图形学等多学科交叉领域的热门研究方向。在雾天环境下，拍摄出来的景物能见度和对比度降低，使各种户外监测系统，如视频监控系统，在恶劣的天气下往往无法可靠工作。因此，简单有效的图像去雾对提高视觉系统的可靠性和鲁棒性具有重要意义。
当前，对于图像的去雾算法主要分为两类：一类是基于大气散射物理模型的方法。这类方法基于大气散射规律建立了图像退化模型，能够利用先验知识，具有内在的优越性。何凯明基于对户外无雾图像数据库的统计规律，提出一种简单有效的暗原色先验单一图像去雾方法，对一般户外图像取得了很好的去雾效果。何凯明提出的导向滤波代替了softmatting软抠图算法，在保证透射率图精度的同时大幅度地提高滤波速度。但该去雾算法建立在暗原色假设之上，对不满足这个假设的明亮区域，算法估计的透射率偏小，恢复结果出现色彩失真，影响了图像的视觉效果。
另一类是基于图像对比度增强的方法，韩国学者提出的基于图像对比度增强的去雾方法也是利用了雾模型理论。基于图像去雾效果的好坏与对比度和损失参数相关的假设，为它们分配相应的权重，建立评分标准，计算最佳的透射率图。这个算法对天空的处理效果比较好，这是因为算法对透射率图的计算结果进行了参数限制，防止去雾结果中天空、水面等明亮部分的去雾结果对比度过高。
现有的两种去雾算法对天空部分的去雾效果都很差，这是因为天空部分的透射率图计算结果与实际有相当大的偏差，使得本来不该去雾的部分被强行执行了去雾算法。另一方面，由于去雾后的结果对比度增强，图像普遍较暗，不便观察。对此，本申请提出了改进做法。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种图像去雾方法，提高了算法鲁棒性和算法效率，适用于包含天空等明亮区域的场景，解决了传统去雾方法对明亮区域去雾效果差，适用范围小的缺点等。
本发明的目的是通过以下方案实现的：
一种图像去雾方法，包括步骤：
输入待去雾图像，计算其大气光值和透射率图；然后采用如下公式计算去雾后的图像：
其中，j(x)为去雾图，i(x)为输入的带有雾霾的图像，a为大气光值，t(x)为透射率图，t0为最小透射率，r表示对明亮区域的修正程度，x为像素点在图像上的坐标；
输出去雾后的图像。
进一步地，在输出去雾后的图像前，对去雾后的图像采用如下步骤进行曝光处理：
第一步，对整幅去雾后的图像计算亮度均值，利用亮度均值计算曲线调节参数；
第二步，利用曲线调节参数，采用如下调节方程对去雾后的图像进行曝光度调节；
其中，expose表示第一步中用图像的亮度均值计算得到的曲线调节参数，m为自动曝光调节的上限值，res为曝光度调节的去雾图像，i为未经曝光处理的去雾后图像。
进一步地，计算待去雾图像的大气光值，包括步骤：
s1，采用求解rgb三通道最小值的方法先得到一幅灰度图，再对这幅灰度图进行最小值滤波，得到原待去雾图像的暗通道dark；
s2，对暗通道像素进行排序，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值。
进一步地，计算待去雾图像的透射率图，包括步骤：
s3，对原图与大气光值相除的结果求解暗通道，包括求解rgb三通道最小值，对其结果进行最小值滤波，得到暗通道，再计算图像的透射率图。
进一步地，包括步骤：
s4，采用快速导向滤波算法对透射率图进行滤波，修复透射率图细节，并采用降采样的方法提高导向滤波算法的速度。
进一步地，在步骤s1中，采用如下公式计算待去雾图像的暗通道dark：
其中，y表示像素点坐标，c表示rgb三通道的某一个通道，
进一步地，在步骤s2中，
采取桶排序的方法，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值，计算公式如下：
其中，
进一步地，步骤s3中，采用如下公式计算透射率
其中，w表示去雾程度参数，y表示像素点坐标，a表示大气光值，c表示rgb三通道的某一个通道，
本发明的有益效果是：
（1）本发明提出了一种鲁棒性高、算法效率高的图像去雾方法，适用于包含天空等明亮区域的场景，解决了传统去雾方法对明亮区域去雾效果差，适用范围小的缺点。具体的实施例中，对去雾模型进行了改进，针对明亮区域进行了修正补偿，另外利用快速导向滤波提高了算法效率，增强实时性；采用自动曝光处理，对去雾结果进行了补偿，使最终的去雾效果更加明亮，视觉效果良好。
（2）本发明实施例中，对基于暗通道的去雾算法进行了改进，有针对性地对图像中的明亮区域进行修正，使图像的去雾结果干净整洁，没有偏色。
（3）本发明实施例中，对去雾结果进行了自适应曝光处理，使最终的去雾结果明亮清晰。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的方法步骤流程图；
图2为待去雾图像图；
图3为图像的暗通道图；
图4为图像的透射率图；
图5为图像透射率图的导向滤波结果图。
具体实施方式
本说明书中所有实施例公开的所有特征（包括任何附加权利要求、摘要和附图），或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
如图1~5所示，一种图像去雾方法，包括步骤：
输入待去雾图像，计算其大气光值和透射率图；然后采用如下公式计算去雾后的图像：
其中，j(x)为去雾图，i(x)为输入的带有雾霾的图像，a为大气光值，t(x)为透射率图，t0为最小透射率，r表示对明亮区域的修正程度，x为像素点在图像上的坐标；
输出去雾后的图像。
进一步地，在输出去雾后的图像前，对去雾后的图像采用如下步骤进行曝光处理：
第一步，对整幅去雾后的图像计算亮度均值，利用亮度均值计算曲线调节参数；
第二步，利用曲线调节参数，采用如下调节方程对去雾后的图像进行曝光度调节；
其中，expose表示第一步中用图像的亮度均值计算得到的曲线调节参数，m为自动曝光调节的上限值，res为曝光度调节的去雾图像，i为未经曝光处理的去雾后图像。
进一步地，计算待去雾图像的大气光值，包括步骤：
s1，采用求解rgb三通道最小值的方法先得到一幅灰度图，再对这幅灰度图进行最小值滤波，得到原待去雾图像的暗通道dark；
s2，对暗通道像素进行排序，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值。
进一步地，计算待去雾图像的透射率图，包括步骤：
s3，对原图与大气光值相除的结果求解暗通道，包括求解rgb三通道最小值，对其结果进行最小值滤波，得到暗通道，再计算图像的透射率图。
进一步地，包括步骤：
s4，采用快速导向滤波算法对透射率图进行滤波，修复透射率图细节，并采用降采样的方法提高导向滤波算法的速度。
进一步地，在步骤s1中，采用如下公式计算待去雾图像的暗通道dark：
其中，y表示像素点坐标，c表示rgb三通道的某一个通道，
进一步地，在步骤s2中，
采取桶排序的方法，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值，计算公式如下：
其中，
进一步地，步骤s3中，采用如下公式计算透射率
其中，w表示去雾程度参数，y表示像素点坐标，a表示大气光值，c表示rgb三通道的某一个通道，
在本发明的实施例中，如图1所示，本实施例提供一种改进的基于暗通道的去雾方法，包括如下步骤：
第一步：对输入的待去雾图像如图2，采用求解rgb三通道最小值的方法先得到一幅灰度图，再对这幅灰度图进行最小值滤波，得到原图像的暗通道dark，如图3所示。计算公式为：
其中，y表示像素点坐标，c表示rgb三通道的某一个通道，
第二步：采取桶排序的方法，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值，计算公式如下：
第三步：对原图与大气光值相除的结果求解暗通道，包括求解rgb三通道最小值，对其结果进行最小值滤波，得到暗通道，再利用透射率计算公式计算图像的透射率图，透射率图如图4所示，计算公式为：
公式中
第四步：采用快速导向滤波算法对透射率图进行滤波，修复透射率图细节，并采用降采样的方法提高导向滤波算法的速度，透射率图的快速导向滤波结果如图5所示。导向滤波的输入为：透射率图和引导图，引导图选用原图的灰度图。
其中，预处理是对要进行导向滤波的图像和引导图进行放缩。
第五步：利用改进的雾模型理论公式计算去雾结果，对天空部分的去雾结果进行优化，改进的雾模型理论推导的去雾公式为：
传统的基于暗通道的去雾方法的弊端体现于：对于天空、水面等明亮的像素点，不符合暗通道原理。暗通道原理即：对于图像的大部分区域，rgb三通道至少有一个通道具有很小的像素值，即
第六步：采用自动曝光算法对去雾结果进行处理，自动调节图像的曝光度，使最终的去雾结果在不改变去雾程度的前提下，更加明亮。
基于上述方法，本实施例提出了一种鲁棒性高、算法效率高的去雾方法，适用于包含天空等明亮区域的场景，解决了传统去雾方法对明亮区域去雾效果差，适用范围小的缺点。对去雾模型进行了改进，针对明亮区域进行了修正补偿，另外利用快速导向滤波提高了算法效率，增强实时性；采用自动曝光处理，对去雾结果进行了补偿，使最终的去雾效果更加明亮，视觉效果良好。
在本发明的实施例中，算法输入为待去雾图像，输出为去雾并进行了自适应曝光调整的图像，其中：
传统的去雾推导公式中，透射率图的计算公式原本为：
其中，i表示输入的待去雾图像，c表示图像的rgb三通道，j表示去雾后的图像，y表示像素坐标，
本发明实施例有针对性地对图像中的明亮区域进行修正，修正由于暗通道理论的不全面性带来的错误的去雾效果，引入了修正因子
式中j(x)为去雾图，i(x)为输入的带有雾霾的图像，a为大气光值，t(x)为透射率图,t0为最小透射率，r表示对明亮区域的修正程度，当r较大时天空修正程度比较高。引入修正的去雾公式有针对性地对图像中较明亮区域的透射率图进行调节，使最终的去雾结果干净整洁，没有偏色。
现有的去雾算法，无论基于对比度增强还是基于暗通道的去雾方法，其去雾结果都偏暗。本发明实施例中对去雾图像进行了自动曝光处理：首先，对整幅去雾后的图像计算亮度均值。亮度均值相当于一个衡量去雾图像曝光程度的参数，并用亮度均值计算曲线调节参数。亮度较大的去雾图像，曝光度调节的程度较小；亮度较小的去雾图像，曝光度调节的程度较大。第二步：利用曲线对去雾图像进行曝光度调节。为了避免曝光度调节对图像中较亮的部分产生过曝的效果，对图像中较亮的部分进行参数调节。曝光调节方程如下：
式中expose表示第一步中用图像的亮度均值计算的曲线调节参数，m选取较高的值可以使图像在较暗处的曝光调节程度较高，而在较亮处的曝光调节程度较低。
自动曝光算法以图像的亮度均值作为先验信息，计算曝光调节曲线的参数，再利用曲线方程对图像的曝光度进行调节。对去雾图像进行自动曝光处理后，去雾图呈现出更加清晰、明亮的画面。
以下为本发明实施例中去雾方法的总体流程：
第一步：采用求解rgb三通道最小值的方法先得到一幅灰度图，再对这幅灰度图进行最小值滤波，得到原图像的暗通道dark；
第二步：对暗通道像素进行排序，选取暗通道中像素值最大的前0.1%的像素点，找到原rgb图像中对应位置的像素点，计算其平均值，求得大气光值；
第三步：对原图与大气光值相除的结果求解暗通道，包括求解rgb三通道最小值，对其结果进行最小值滤波，得到暗通道，再利用透射率计算公式计算图像的透射率图。
第四步：采用快速导向滤波算法对透射率图进行滤波，修复透射率图细节，并采用降采样的方法提高导向滤波算法的速度。
前四个步骤基于暗通道算法处理，其中第二步的求解大气光值还有其他方法，例如：直接选取暗通道中像素值最大的像素点对应的rgb图像中的像素点的值作为大气光值，这种方法选择的大气光值觉有不确定性，很容易受到图像中曝光度高的像素影响；或者四叉树方法求解大气光值，这种方法也有可能在错误的图像区域中选取像素值作为大气光值。经过测试，本发明技术方案中的求解大气光值的结果是最准确的，而且由于用到了桶排序，算法效率很高。
第五步：利用改进的雾模型理论推导公式计算去雾结果，对天空部分的去雾结果进行优化。本发明实施例中，第五步是必不可少的，对雾模型理论推导公式进行的改进，可以有针对性地对图像中较明亮区域的透射率图计算结果进行修正，解决由于暗通道理论适用场景的限制（暗通道理论不适用于天空等明亮部分）导致的明亮区域去雾结果的偏色问题。
第六步：采用自动曝光算法对去雾结果进行处理，自动调节图像的曝光度，使最终的去雾结果在不改变去雾程度的前提下，更加明亮。传统的去雾算法结果，无论基于对比度增强还是基于暗通道理论，其去雾后图像的视觉效果相比于去雾前较暗，第六步对去雾的结果进行曝光度自适应调节，使去雾后图像的视觉效果比较清晰明亮。
传统的基于暗通道去雾方法在天空、水面等明亮区域的去雾效果差，有严重色差，本发明实施例针对图像中的明亮区域进行了修正，使最终的去雾效果表现良好，在明亮区域不存在色差，提高了算法的鲁棒性；针对图像的去雾结果偏暗的现象，采用自动曝光的方法，对图像进行自适应调节，使得最终的去雾结果可以清晰、明亮地呈现。
本发明功能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，在一台计算机设备（可以是个人计算机，服务器，或者网络设备等）以及相应的软件中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、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器（randomaccessmemory，ram）、随机存取存储器（randomaccessmemory，ram）等。
- 还没有人留言评论。精彩留言会获得点赞！