图像、视频去雾方法以及相关装置与流程
本申请涉及图像处理技术领域，特别是涉及一种图像、视频去雾方法以及相关装置。
背景技术：
在诸如雾天、雨天、雪天等自然天气下，由于大气粒子散射，监控相机等摄像器件的成像质量大幅下降，从而对视频监控、地形勘测和自动驾驶等户外图像应用带来了严重的负面影响。具体而言，随着物体与摄像器件之间的距离增大，大气粒子的散射作用对于成像的影响逐渐增强。这种影响主要由两个散射过程所造成的。一是由于物体表面的反射光在达到摄像器件的过程中，由于大气粒子的散射而发生衰减；二是由于自然光因大气粒子散射而进入摄像器件参与成像，两者的共同作用使摄像器件拍摄得到的图像/视频出现对比度、饱和度偏低，且色彩偏移等情况，直观表现为图像/视频有一层或浓或淡的“雾气”，影响视觉效果。有鉴于此，如何提高去雾效率，增强去雾准确性成为亟待解决的问题。
技术实现要素：
本申请主要解决的技术问题是提供一种图像、视频去雾方法以及相关装置，能够提高去雾效率，增强去雾准确性。
为了解决上述问题，本申请第一方面提供了一种图像去雾方法，包括：计算摄像器件拍摄得到的待处理图像中雾的浓度值；若浓度值满足预设条件，则获取待处理图像的去雾参数；利用去雾参数对待处理图像进行去雾处理。
为了解决上述问题，本申请第二方面提供了一种视频去雾方法，包括：在视频数据中每隔预设数目帧图像选取一帧作为待处理图像，其中，视频数据是摄像器件拍摄得到的；通过第一方面的图像去雾方法对待处理图像进行去雾处理；采用与待处理图像相同的去雾参数和图像去雾方法对待处理图像后预设数目帧图像进行去雾处理。
为了解决上述问题，本申请第三方面提供了一种图像去雾装置，包括计算模块、获取模块和处理模块，计算模块用于计算摄像器件拍摄得到的待处理图像中雾的浓度值；获取模块用于若浓度值满足预设条件，则获取待处理图像的去雾参数；处理模块用于利用去雾参数对待处理图像进行去雾处理。
为了解决上述问题，本申请第四方面提供了一种视频去雾装置，包括选取模块、处理模块，选取模块用于在视频数据中每隔预设数目帧图像选取一帧作为待处理图像，其中，视频数据是摄像器件拍摄得到的；处理模块用于通过第一方面中的图像去雾方法对待处理图像进行去雾处理；处理模块还用于采用与待处理图像相同的去雾参数和图像去雾方法对待处理图像后预设数目帧图像进行去雾处理。
为了解决上述问题，本申请第五方面提供了一种去雾装置，包括相互耦接的存储器和处理器，处理器用于执行存储器存储的程序指令，以实现上述第一方面中的图像去雾方法，或实现上述第二方面中的视频去雾方法。
为了解决上述问题，本申请第六方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的图像去雾方法，或实现上述第二方面中的视频去雾方法。
上述方案，计算摄像器件拍摄得到的待处理图像中雾的浓度值，并判断浓度值是否满足预设条件，若满足预设条件，则获取待处理图像的去雾参数，并利用去雾参数对待处理图像进行去雾处理，即在获取待处理图像的去雾参数之前，先对待处理图像中雾的浓度值是否满足预设条件进行判断，有效地避免了对摄像器件拍摄得到的全部待处理图像获取去雾参数，有利于提高去雾效率，此外，也有效避免了对不满足预设条件的待处理图像进行去雾处理而造成的不利影响，有利于增强去雾准确性，故此，上述方案，能够提高去雾效率，增强去雾准确性。
附图说明
图1是本申请图像去雾方法一实施例的流程示意图；
图2是图1中步骤s11一实施例的流程示意图；
图3是图1中步骤s13一实施例的流程示意图；
图4是待处理图像和待处理图像的下采样图像一实施例的框架示意图；
图5是图1中步骤s13另一实施例的流程示意图；
图6是将待处理图像进行预处理一实施例的状态示意图；
图7是透射率图一实施例的示意图；
图8是透射率图另一实施例的示意图；
图9是本申请图像去雾方法另一实施例的流程示意图；
图10是本申请视频去雾方法一实施例的流程示意图；
图11本申请图像去雾装置一实施例的框架示意图；
图12是本申请视频去雾装置一实施例的框架示意图；
图13是本申请去雾装置一实施例的框架示意图；
图14是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请图像去雾方法一实施例的流程示意图。本实施例中，图像去雾方法包括如下步骤：
步骤s11：计算摄像器件拍摄得到的待处理图像中雾的浓度值。
本实施例中，摄像器件可以是架设在高速公路、十字路口、商业步行街等户外场景的监控摄像机。
大气粒子的散射作用使得图像在表象上呈现出“雾气”，具体而言，会造成图像对比度、饱和度降低，以及色调偏移。本实施例中，可以利用待处理图像的图像对比度情况评估待处理图像中雾的浓度值，也可以利用待处理图像的图像颜色衰减情况评估待处理图像中雾的浓度值，还可以同时利用待处理图像的图像对比度情况和图像颜色衰减情况评估待处理图像中雾的浓度值，本实施例在此不做具体限制。
步骤s12：判断浓度值是否满足预设条件，若是，则执行步骤s13。
在一个实施场景中，当待处理图像中雾的浓度值是通过待处理图像的图像对比度情况而评估得到时，本实施例中的预设条件可以包括与图像对比度情况对应的预设阈值，此时，若浓度值大于该预设阈值，则说明浓度值满足预设条件。
在另一个实施场景中，当待处理图像中雾的浓度值是通过待处理图像的图像颜色衰减情况而评估得到时，本实施例中的预设条件可以包括与图像颜色衰减情况对应的预设阈值，此时，若浓度值大于该预设阈值，则说明浓度值满足预设条件。
在又一个实施场景中，当待处理图像中雾的浓度值是同时通过待处理图像的图像对比度情况和图像颜色衰减情况而评估得到时，本实施例中的预设条件可以包括与图像对比度情况对应的第一预设阈值，以及与图像颜色衰减情况对应的第二预设阈值，此时，为了增强图像去雾处理的鲁棒性，提高容错率，预设条件可以包括以下任意一者：浓度值大于第一预设阈值，浓度值大于第二预设阈值，也就是说，只要浓度值大于第一预设阈值，或者浓度值大于第二预设阈值即可利用对待处理图像进行去雾处理。
步骤s13：获取待处理图像的去雾参数。
本实施例中，为了便于后续利用预设大气空气模型对待处理图像进行去雾处理，获取待处理图像的去雾参数可以包括但不限于：获取待处理图像的大气亮度值，以及基于大气亮度情况而获取得到的待处理图像的每个像素点的最佳透射率值。
本实施例中，预设大气空气模型可以表示为：
i(x)＝j(x)t(x)+a(1-t(x))
其中，i(x)为待处理图像的像素点的像素值，j(x)为经过去雾处理后的待处理图像的像素点的像素值，t(x)为待处理图像的像素点的最佳透射率值，a为大气亮度值。
具体获取待处理图像的大气亮度值和每个像素点的最佳透射率值的步骤，本实施例在此暂不赘述。
步骤s14：利用去雾参数对待处理图像进行去雾处理。
本实施例中，具体可以基于大气亮度值和待处理图像的每个像素点的最佳透射率值，采用预设大气空气模型对待处理图像的每个像素点进行去雾处理。由上述预设大气空气模型可以得到去雾处理后的待处理图像的每个像素点的像素值j(x)可以表示为：
其中，i(x)为待处理图像的像素点的像素值，j(x)为经过去雾处理后的待处理图像的像素点的像素值，t(x)为待处理图像的像素点的最佳透射率值，a为大气亮度值。
在一个实施场景中，为了进一步加快对待处理图像的处理速度，并增强处理准确性，当上述步骤s12中的判断结果为浓度值不满足预设条件时，则还可以进步执行下述步骤s15：
步骤s15：确定待处理图像无需进行去雾处理。
当待处理图像中雾的浓度值不满足预设条件时，说明待处理图像无需进行去雾处理，此时在一个实施场景中，可以直接输出待处理图像，省去了获取去雾参数，以及利用去雾参数进行去雾处理的步骤，从而大大降低了计算量，也避免了去雾处理对无雾图像的不利影响。
上述方案，计算摄像器件拍摄得到的待处理图像中雾的浓度值，并判断浓度值是否满足预设条件，若满足预设条件，则获取待处理图像的去雾参数，并利用去雾参数对待处理图像进行去雾处理，即在获取待处理图像的去雾参数之前，先对待处理图像中雾的浓度值是否满足预设条件进行判断，有效地避免了对摄像器件拍摄得到的全部待处理图像获取去雾参数，有利于提高去雾效率，此外，也有效避免了对不满足预设条件的待处理图像进行去雾处理而造成的不利影响，有利于增强去雾准确性，故此，上述方案，能够提高去雾效率，增强去雾准确性。
请参阅图2，图2是图1中步骤s11一实施例的流程示意图。具体而言，本实施例可以包括如下步骤：
步骤s111：基于待处理图像的图像对比度情况，获取待处理图像的第一浓度值。
具体地，可以统计每个像素点和每个像素点的多个邻域像素点的像素值之间的第一差值，以获取待处理图像的图像对比度情况，并利用预设浓度计算方法和第一差值计算与每个像素点对应的候选浓度值，选取候选浓度值中的最大的作为第一浓度值。
本实施例中，第一浓度值可以表示如下：
其中，ωs(y)表示以像素点y为中心像素点的邻域像素点的集合，z∈ωs(y)表示像素点y的其中一个邻域像素点，i(z)表示邻域像素点的像素值，i(y)表示中心像素点的像素值，在集合ωs(y)中，i(z)-i(y)表示待处理图像其中一个像素点和其多个邻域像素点的像素值之间的第一差值，|ωs(y)|表示以像素点y为中心像素点的邻域像素点的总数，y∈ωr(x)表示分别以待处理图像中的每一个像素点作为中心像素点，||·||表示范数运算。
利用上式可以将计算得到待处理图像中的每个像素点对应的候选浓度值中的最大值作为待处理图像的第一浓度值。
步骤s112：基于待处理图像的图像颜色衰减情况，获取待处理图像的第二浓度值。
具体地，可以统计每个像素点的亮度值与饱和度值之间的第二差值，以获取待处理图像的图像颜色衰减情况，并选取最大的第二差值作为待处理图像中雾的第二浓度值。
本实施例中，第二浓度值可以通过如下算式计算得到：
a(x)＝iv(x)-is(x)
其中，iv(x)表示像素点x的亮度值，is(x)表示像素点x的饱和度值，a(x)表示像素点x的第二差值。
本实施例中，预设条件可以包括以下任意一者：第一浓度值大于第一预设阈值，第二浓度值大于第二预设阈值。
本实施例中，上述步骤s111和上述步骤s112可以按先后顺序执行，例如，先执行步骤s111后执行步骤s112，或者，先执行步骤s112后执行步骤s111，上述步骤s111和上述步骤s112也可以同时执行，本实施例在此不做具体限制。
上述方案，通过待处理图像的图像对比度情况，获取待处理图像的第一浓度值，并通过待处理图像的图像颜色衰减情况，获取待处理图像的第二浓度值，从而当第一浓度值大于第一预设阈值，或当第二浓度值大于第二预设阈值时，即可确定待处理图像中雾的浓度值满足预设条件，从而能够提高容错率，进而增强图像去雾处理的鲁棒性。
请参阅图3，图3是图1中步骤s13一实施例的流程示意图。具体而言，图3是获取去雾参数中的大气亮度值一实施例的流程示意图。具体可以包括如下步骤：
步骤s31：将待处理图像的每个像素点中每一通道的最小亮度值作为待处理图像的暗通道图像对应像素点的亮度值。
请结合参阅图4，图4是待处理图像p和待处理图像p的下采样图像p′一实施例的框架示意图。如图4所示，待处理图像p包括多个像素点p(i,j)，本实施例中，将每个像素点p(i,j)中的三个通道(如r通道、g通道、b通道)中的最小亮度值作为该像素点p(i,j)的亮度值，从而构建得到待处理图像p的暗通道图像p0。
在一个实施场景中，为了减少计算量，在构建暗通道图像之前可以先对待处理图像p进行下采样，具体地，可以按照预设采样率对待处理图像p进行下采样，获取待处理图像的下采样图像p′，下采样图像p′包括多个像素点p′(m,n)，本实施例中，预设采样率可以为1/4，即在宽度方向上每2个像素点取1个像素点，在长度方向上每2个像素点取1个像素点，在其他实施场景中，采样率还可以是其他值，本实施例在此不做具体限制。当对待处理图像p进行下采样得到下采样图像p′后，可以将下采样图像p′的每个像素点p′(m,n)中每一通道的最小亮度值作为下采样图像p′的暗通道图像p0′对应像素点p0′(m,n)的亮度值。
在另一个实施场景中，为了减少计算量，也可以对已经构建得到的暗通道图像p0进行下采样，得到与暗通道图像p0对应的下采样图像p0′，本实施例在此不做具体限制。
步骤s32：将暗通道图像的每个像素点按亮度值由大到小排序。
在一个实施场景中，当待处理图像p或待处理图像的暗通道图像p0未进行下采样时，可以将暗通道图像p0的每个像素点按亮度值由大到小进行排序。
在另一个实施场景中，当待处理图像p或待处理图像的暗通道图像p0进行下采样时，可以将待处理图像p下采样后得到的下采样图像p′的暗通道图像p0′的像素点p0′(m,n)按照亮度值由大到小进行排序；或者可以将待处理图像p的暗通道图像p0进行下采样得到的下采样图像p0′的像素点p0′(m,n)按照亮度值由大到小进行排序，本实施例在此不做具体限制。
步骤s33：选取亮度值在预设比例范围内的像素点，并将选取的像素点的亮度值的平均值作为待处理图像的大气亮度值。
在一个实施场景中，当待处理图像p或待处理图像的暗通道图像p0未进行下采样时，可以选取亮度值在预设比例范围内的像素点，并将选取的像素点的亮度值的平均值作为待处理图像的大气亮度值a，本实施例中的预设比例范围可以是千分之一。
在另一个实施场景中，当待处理图像p或待处理图像的暗通道图像p0进行下采样时，可以先基于预设采样率调整预设比例范围，例如调整至千分之二至千分之五，再选取亮度值在调整后的预设比例范围内的像素点，并将选取的像素点的亮度值的平均值作为待处理图像的大气亮度值a，本实施例在此不做具体限制。
此外，在一个具体应用场景中，为了避免待处理图像中可能出现的大面积白墙、雪地、天空等场景为去雾处理效果带来不利影响，本实施例中，还可以进一步判断计算得到的大气亮度值是否大于预设大气亮度阈值，若是，则将预设大气亮度阈值作为待处理图像的大气亮度值，本实施例中，预设大气亮度阈值可以是220，在其他实施场景中，预设大气亮度阈值也可以是220之外的其他数值，本实施例在此不再一一举例。
上述方案，通过构建待处理图像的暗通道图像，并计算暗通道图像中预设比例范围内亮度值较大的若干像素点的平均亮度值，并将其作为待处理图像的大气亮度值，在此基础上，通过对待处理图像进行下采样，或对暗通道图像进行下采样，可以进一步减少计算量，提高大气亮度值的获取速度，进一步提高去雾处理的速度。
请参阅图5，图5是图1中步骤s13另一实施例的流程示意图。具体而言，图5是获取去雾参数中最佳透射率值一实施例的流程示意图。
具体地，可以包括如下步骤：
步骤s51：利用大气亮度值和至少一个预设透射率值，对待处理图像的每个像素点分别进行去雾处理。
本实施例中，至少一个预设透射率值为包括首项、末项和公差的等差数列，例如，至少一个预设透射率值为包括首项0.3、末项0.9、公差0.1的等差数列，即至少一个预设透射率值为集合{0.3,0.4,0.5,0.6,0.7,0.8,0.9}，以此来限制透射率值上下限，避免出现异常效果。本实施例中，具体可以基于大气亮度值和至少一个预设透射率值，采用预设大气空气模型对待处理图像的每个像素点进行去雾处理，具体可以参考下式：
其中，i(x)为待处理图像的像素点的像素值，j(x)为经过去雾处理后的待处理图像的像素点的像素值，t(x)为待处理图像的像素点的最佳透射率值，a为大气亮度值。
通过上式，可以分别计算得到待处理图像的每个像素点p(i,j)分别采用至少一个预设透射率值进行去雾处理之后得到的像素值。
在一个实施场景中，为了进一步减少计算量，在上述步骤s51之前，还可以首先对待处理图像进行灰度转换，并对转换后的待处理图像进行下采样，获得待处理图像的预处理图像，然后，再将预处理图像划分为多个图像子块，请结合参阅图6，图6是将待处理图像进行预处理一实施例的状态示意图。如图6所示，将待处理图像p进行灰度转换，并对转换后的待处理图像进行下采样之后，获得待处理图像的预处理图像p′，预处理图像p′中粗线黑框所示即为划分得到的多个图像子块，图6所示的图像子块的大小为2*2，在其他实施场景中，图像子块的大小还可以是其他值，例如20*20等，本实施例在此不做具体限制。当把待处理图像通过上述方式进行预处理，得到预处理图像，并将预处理图像划分为多个图像子块之后，可以利用大气亮度值和至少一个预设透射率值，对多个图像子块分别进行去雾处理，且图像子块中每个像素点对应使用的预设透射率值相同，举例来说，当利用大气亮度值a和预设透射率值t1对某一图像子块进行去雾处理时，该图像子块中每个像素点所使用预设透射率值都是t1，从而大大降低了利用大气亮度值和预设透射率值进行去雾处理的计算量，提高了获取最佳透射率值的速度，进一步提高了去雾处理的速度。
步骤s52：统计待处理图像的每个像素点进行去雾处理后的图像损失。
本实施例中，图像损失为信息损失和对比度损失的加权之和。具体而言，可以表示如下：
e＝econtrast+λleloss
其中，e表示待处理图像进行去雾处理之后的图像损失，econtrast表示待处理图像进行去雾处理之后的对比度损失，eloss表示待处理图像进行去雾处理之后的信息损失，λl表示权重。
当将待处理图像进行预处理，并划分为多个图像子块时，可以统计每个图像子块进行去雾处理后的图像损失。
具体地，上式中信息损失eloss可以通过下式计算得到：
其中，j(p)为经过去雾处理后的待处理图像的像素点的像素值，像素点p为图像子块b中的像素点，本实施例中，j(p)的计算过程具体可以参考上述实施例中的步骤，本实施例在此不再赘述。
具体地，上式中对比度损失econtrast可以通过下式计算得到：
其中，j(p)为经过去雾处理后的待处理图像的像素点的像素值，
步骤s53：将最小的图像损失所对应的预设透射率值，作为待处理图像的对应像素点的最佳透射率值。
在计算得到待处理图像每个像素点采用至少一个预设透射率值进行去雾处理后的图像损失之后，可以将每个像素点最小图像损失所对应的预设透射率值作为待处理图像对应像素点的最佳透射率。举例来说，待处理图像中某一像素点p(i,j)采用预设透射率值t1时的图像损失为e1，采用预设透射率值t2时的图像损失为e2，采用预设透射率值t3时的图像损失为e3，且其中图像损失最小的是e2，则将图像损失e2所对应的预设透射率值t2作为对应像素点p(i,j)的最佳透射率值。
在一个实施场景中，当将待处理图像进行预处理，并划分为多个图像子块时，可以将最小的图像损失所对应的预设透射率值作为预处理图像的对应图像子块的最佳透射率值，将对应图像子块的最佳透射率值作为对应图像子块中每个像素点的像素值，获得与预处理图像对应的透射率图，再将与预处理图像对应的透射率图采用导向滤波进行平滑处理，最后将平滑处理后的透射率图进行上采样，获取与待处理图像对应的透射率图，其中，与待处理图像对应的透射率图中每个像素点的像素值为待处理图像中对应像素点的最佳透射率值。关于导向滤波的具体技术细节为本领域的现有技术，本实施例在此不再赘述。请结合参阅图7和图8，图7是透射率图一实施例的示意图，图8是透射率图另一实施例的示意图。具体地，图7所示的是与预处理图像对应的透射率图，图8所示的是对图7所述的透射率图进行导向滤波处理，并进行上采样后的透射率图。如图7所示，能够明显观察到各个图像子块内所有像素点的透射率值是相同，而经过导向滤波平滑处理，并上采样之后的图8则明显平滑许多。
上述方案，通过利用信息损失和对比度损失联合计算不同预设透射率值带来的损失，同时对下采样图像进行分块处理，能够减轻处理负荷，提高处理速度。
请参阅图9，图9是本申请图像去雾方法另一实施例的流程示意图。具体而言，在上述实施例中步骤s14“采用去雾参数对待处理图像进行去雾处理”之后，还可以进一步包括如下步骤：
步骤s91：利用预设对比度优化值和第一优化函数获取对比度优化参数。
本实施例中，预设对比度优化值大于等于-1，且小于等于1，第一优化函数表示为：
k＝tan((45+44*c)/180*π)
其中，k为对比度优化参数，c为预设对比度优化值。
步骤s92：利用对比度优化参数、预设亮度优化值、第二优化函数对经过去雾处理后的待处理图像进行优化处理。
本实施例中，预设亮度优化值大于等于-1，且小于等于1，第二优化函数表示为：
第二优化函数表示为：
y＝(x-127.5*(1-b))*k+127.5*(1+b)
其中，y为经过优化处理后的待处理图像的像素点的像素值，x为经过去雾处理后的待处理图像的像素点的像素值，b为预设亮度优化值，k为对比度优化参数。
上述方案，可以针对经过去雾处理后图像对比度、图像亮度较低的情况，实现对亮度、对比度的拉伸，从而提升视觉效果。
请参阅图10，图10是本申请视频去雾方法一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤s1010：在视频数据中每隔预设数目帧图像选取一帧作为待处理图像。
本实施例中，视频数据可以是摄像器件拍摄得到的。视频数据可以包括多帧图像，例如：p1、p2、p3、p4、p5、p6、p7、p8、p9。预设数目可以用户根据实际应用场景而设置，例如：3、4、5等等。以预设数目为2为例，在上述视频数据中，可以每隔2帧图像选取一帧作为待处理图像，则选取的待处理图像分别为：p1、p4、p7。
此外，视频数据还可以实时传输的视频帧图像，此时，可以将接收到的第一帧图像作为待处理图像，之后每隔预设数目帧图像之后所接收到的视频帧图像作为新的待处理图像，以此类推，本实施例在此不再一一举例。
步骤s1020：对待处理图像进行去雾处理。
本实施例中，对待处理图像进行去雾处理是采用上述任一图像去雾方法实施例中的步骤实现的。通过上述任一图像去雾方法实施例中的步骤对待处理图像进行去雾处理时，能够得到与待处理图像对应的去雾参数，例如，待处理图像的大气亮度值，以及待处理图像中每个像素点的最佳透射率值。
以上述视频数据为例，选取的待处理图像分别为：p1、p4、p7，则可以通过上述任一图像去雾方法实施例中的步骤对待处理图像p1、p4、p7进行去雾处理，在去雾处理过程中，可以获得待处理图像p1的去雾参数、待处理图像p7的去雾参数、待处理图像p7的去雾参数。
具体地，对待处理图像进行去雾处理的步骤可以参阅上述任一图像去雾方法实施例中的步骤，本实施例在此不再赘述。
步骤s1030：采用与待处理图像相同的去雾参数和图像去雾方法对待处理图像后预设数目帧图像进行去雾处理。
在对待处理图像进行去雾处理之后，可以采用与待处理图像相同的去雾参数和图像去雾方法对待处理图像后预设数目帧图像进行去雾处理。
以上述视频数据为例，选取的待处理图像分别为：p1、p4、p7，在对上述待处理图像进行去雾处理之后，可以分别采用与待处理图像p1相同的去雾参数和图像去雾方法对待处理图像p1后2帧图像，即图像p2、p3进行去雾处理；以及采用与待处理图像p4相同的去雾参数和图像去雾方法对待处理图像p4后2帧图像，即图像p5、p6进行去雾处理；以及采用与待处理图像p7相同的去雾参数和图像去雾方法对待处理图像p7后2帧图像，即图像p8、p9进行去雾处理。
上述方案，对待处理图像之后预设数目帧图像采用与待处理图像相同的去雾参数和图像去雾方法进行去雾处理，避免了重复计算去雾参数所带来的内存消耗，加快了处理速度，节省了处理时间。
请参阅图11，图11是本申请图像去雾装置1100一实施例的框架示意图。本实施例中，图像去雾装置1100包括计算模块1110、获取模块1120和处理模块1130，计算模块1110用于计算摄像器件拍摄得到的待处理图像中雾的浓度值；获取模块1120用于若浓度值满足预设条件，则获取待处理图像的去雾参数；处理模块1130用于利用去雾参数对待处理图像进行去雾处理。
上述方案，计算摄像器件拍摄得到的待处理图像中雾的浓度值，并判断浓度值是否满足预设条件，若满足预设条件，则获取待处理图像的去雾参数，并利用去雾参数对待处理图像进行去雾处理，即在获取待处理图像的去雾参数之前，先对待处理图像中雾的浓度值是否满足预设条件进行判断，有效地避免了对摄像器件拍摄得到的全部待处理图像获取去雾参数，有利于提高去雾效率，此外，也有效避免了对不满足预设条件的待处理图像进行去雾处理而造成的不利影响，有利于增强去雾准确性，故此，上述方案，能够提高去雾效率，增强去雾准确性。
在一些实施例中，获取模块1120还包括第一获取子模块，用于获取待处理图像的大气亮度值，获取模块1120还包括第二获取子模块，用于基于大气亮度值，获取待处理图像的每个像素点的最佳透射率值，处理模块1130具体用于基于大气亮度值和待处理图像的每个像素点的最佳透射率值，采用预设大气空气模型对待处理图像的每个像素点进行去雾处理。
在一些实施例中，第二获取子模块包括去雾处理单元，用于利用大气亮度值和至少一个预设透射率值，对待处理图像的每个像素点分别进行去雾处理；第二获取子模块还包括损失统计单元，用于统计待处理图像的每个像素点进行去雾处理后的图像损失；第二获取子模块还包括透射率筛选单元，用于将最小的图像损失所对应的预设透射率值，作为待处理图像的对应像素点的最佳透射率值。
在一些实施例中，第二获取子模块还包括预处理单元，用于对待处理图像进行灰度转换，并对转换后的待处理图像进行下采样，获得待处理图像的预处理图像，将预处理图像划分为多个图像子块；去雾处理单元还用于利用大气亮度值和至少一个预设透射率值，对多个图像子块分别进行去雾处理；损失统计单元还用于统计每个图像子块进行去雾处理后的图像损失；透射率筛选单元还用于将对应图像子块的最佳透射率值作为对应图像子块中每个像素点的像素值，获得与预处理图像对应的透射率图，并将与预处理图像对应的透射率图采用导向滤波进行平滑处理，将平滑处理后的透射率图进行上采样，获取与待处理图像对应的透射率图。在一个实施场景中，至少一个预设透射率值为包括首项、末项和公差的等差数列。在一个实施场景中，图像损失为信息损失和对比度损失的加权之和。
区别于前述实施例，本实施例通过利用信息损失和对比度损失联合计算不同预设透射率值带来的损失，同时对下采样图像进行分块处理，能够减轻处理负荷，提高处理速度。
在一些实施例中，预设大气空气模型为：
i(x)＝j(x)t(x)+a(1-t(x))
其中，i(x)为待处理图像的像素点的像素值，j(x)为经过去雾处理后的待处理图像的像素点的值，t(x)为待处理图像的像素点的最佳透射率值，a为大气亮度值。
在一些实施例中，第一获取子模块包括暗通道图像构建单元，用于将待处理图像的每个像素点中每一通道的最小亮度值作为待处理图像的暗通道图像对应像素点的亮度值，第一获取子模块还包括排序单元，用于将暗通道图像的每个像素点按亮度值由大到小排序，第一获取子模块还包括筛选单元，用于选取亮度值在预设比例范围内的像素点，并将选取的像素点的亮度值的平均值作为待处理图像的大气亮度值。
在一些实施例中，第一获取子模块还包括下采样单元，用于按照预设采样率对待处理图像进行下采样，获取待处理图像的下采样图像，暗通道图像构建单元还用于将下采样图像的每个像素点中每一通道的最小亮度值作为下采样图像的暗通道图像对应像素点的亮度值，筛选单元还用于基于预设采样率调整预设比例范围，并选取亮度值在调整后的预设比例范围内的像素点，并将选取的像素点的亮度值的平均值作为待处理图像的大气亮度值。在一个实施场景中，第一获取子模块还包括判断单元，用于若大气亮度值大于预设大气亮度阈值，则将预设大气亮度阈值作为待处理图像的大气亮度值。
区别于前述实施例，通过构建待处理图像的暗通道图像，并计算暗通道图像中预设比例范围内亮度值较大的若干像素点的平均亮度值，并将其作为待处理图像的大气亮度值，在此基础上，通过对待处理图像进行下采样，或对暗通道图像进行下采样，可以进一步减少计算量，提高大气亮度值的获取速度，进一步提高去雾处理的速度。
在一些实施例中，计算模块1110包括第一计算子模块，用于基于待处理图像的图像对比度情况，获取待处理图像的第一浓度值，计算模块1110还包括第二计算子模块，用于基于待处理图像的图像颜色衰减情况，获取待处理图像的第二浓度值，预设条件包括以下任一者：第一浓度值大于第一预设阈值，第二浓度值大于第二预设阈值。
区别于前述实施例，通过待处理图像的图像对比度情况，获取待处理图像的第一浓度值，并通过待处理图像的图像颜色衰减情况，获取待处理图像的第二浓度值，从而当第一浓度值大于第一预设阈值，或当第二浓度值大于第二预设阈值时，即可确定待处理图像中雾的浓度值满足预设条件，从而能够提高容错率，进而增强图像去雾处理的鲁棒性。
在一些实施例中，第一计算子模块包括第一差值统计单元，用于统计每个像素点和每个像素点的多个邻域像素点的像素值之间的第一差值，以获取待处理图像的图像对比度情况，第一计算子模块还包括候选浓度值计算单元，用于利用预设浓度计算方式和第一差值计算与每个像素点对应的候选浓度值，第一计算子模块还包括第一浓度值筛选单元，用于选取最大的候选浓度值作为第一浓度值。
在一些实施例中，第二计算子模块包括第二差值统计单元，用于统计每个像素点的亮度值与饱和度值之间的第二差值，以获取待处理图像的图像颜色衰减情况，第二计算子模块还包括第二浓度值筛选单元，用于选取最大的第二差值作为第二浓度值。
在一些实施例中，图像去雾装置1100还包括优化参数获取模块，用于利用预设对比度优化值和第一优化函数获取对比度优化参数，图像去雾装置1100还包括优化处理模块，用于利用对比度优化参数、预设亮度优化值、第二优化函数对经过去雾处理后的待处理图像进行优化处理。在一个实施场景中，预设对比度优化值和预设亮度优化值大于等于-1，且小于等于1。在一个实施场景中，第一优化函数表示为：
k＝tan((45+44*c)/180*π)
其中，k为对比度优化参数，c为预设对比度优化值。
在一个实施场景中，第二优化函数表示为：
y＝(x-127.5*(1-b))*k+127.5*(1+b)
其中，y为经过优化处理后的待处理图像的像素点的像素值，x为经过去雾处理后的待处理图像的像素点的像素值，b为预设亮度优化值，k为对比度优化参数。
区别于前述实施例，本实施例针对经过去雾处理后图像对比度、图像亮度较低的情况，实现对亮度、对比度的拉伸，从而提升视觉效果。
请参阅图12，图12是本申请视频去雾装置1200一实施例的框架示意图。本实施例中，视频去雾装置1200包括选取模块1210、处理模块1220，选取模块1210用于在视频数据中每隔预设数目帧图像选取一帧作为待处理图像，其中，视频数据是摄像器件拍摄得到的；处理模块1220用于通过上述任一项图像去雾方法实施例中的步骤对待处理图像进行去雾处理；处理模块1220还用于采用与待处理图像相同的去雾参数和图像去雾方法对待处理图像后预设数目帧图像进行去雾处理。
上述方案，对待处理图像之后预设数目帧图像采用与待处理图像相同的去雾参数和图像去雾方法进行去雾处理，避免了重复计算去雾参数所带来的内存消耗，加快了处理速度，节省了处理时间。
请参阅图13，图13是本申请去雾装置1300一实施例的框架示意图。本实施例中去雾装置1300包括相互耦接的存储器1310和处理器1320，处理器1320用于执行存储器1310存储的程序指令，以实现上述任一图像去雾方法实施例中的步骤，从而提高去雾效率，增强去雾准确性，或实现上述任一视频去雾方法实施例中的步骤，从而避免重复计算去雾参数所带来的内存消耗，加快处理速度，节省处理时间。
本实施例中的去雾装置1300可以是与摄像器件通信连接的处理设备，例如服务器、微型计算机等等，也可以是摄像器件本身，以此实现摄像器件一边拍摄图像，一边对拍摄得到的图像进行去雾处理，或者，一边拍摄视频数据，一边对拍摄得到的视频数据中的图像进行去雾处理。
请参阅图14，图14为本申请存储装置1400一实施例的框架示意图。存储装置1400存储有能够被处理器运行的程序指令1410，程序指令1410用于实现上述任一图像去雾方法实施例中的步骤，从而提高去雾效率，增强去雾准确性，或实现上述任一视频去雾方法实施例中的步骤，从而避免重复计算去雾参数所带来的内存消耗，加快处理速度，节省处理时间。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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。
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方式方案的目的。
另外，在本申请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。
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，本申请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)或处理器(processor)执行本申请各个实施方式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(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
- 还没有人留言评论。精彩留言会获得点赞！