暗通道先验去雾实现过程分析

经典去雾算法-何凯明09年提出暗通道先验去雾(Single Image Haze Removal Using Dark Channel Prior)

暗通道去雾公式：I(x) = f(x)*t(x) + (1 – t(x))*A

I(x)为待去雾图像，f(x)为去雾后图像，t(x)为透射率(0,1)，A为大气光成分。

根据公式，去雾算法可解释为：有雾时，相机获取到的图像为两部分组成，一部分为被拍摄物体发射光线穿过雾霾后的光线，另一部分为大气光被雾霾反射后的光线。被拍摄物体发射光线f(x)通过雾霾，雾霾透射率为t(x)，那么被摄物体光线到达相机后值为 f(x)*t(x)。原始大气光值为A，大气光的方向可看做与被拍摄物体光线完全相反，大气光一部分穿过雾霾，一部分被雾霾反射，被反射后的光线值即为A - A*t(x))。

整个去雾流程如下图：

有了算法模型，接下来对各个部分进行细化实现，首先计算透射率。暗通道先验法指出，根据大量图像统计，无雾图像RGB通道总有一个通道值趋近于0，也就是说在该像素上透射率t(x)趋近于1，f(x)与I(x)几乎相等。而有雾图像，由于雾霾反射的大气光干扰，RGB通道上的最低值，也就是被反射后的大气光值，通过这个值即可计算出该像素上的透射率，当然实际情况下需要考虑其他因素造成的干扰，一般情况下需要对原始图像通过RGB最低值计算的灰度图进行最低值滤波，根据某个像素相邻范围的最低值计算透射率。

整个计算透射率过程分为三个步骤：第一步为原始图像通过RGB最低值转灰度图；第二步对灰度图进行最低通道滤波，滤波器半径可选，取滤波器内最低值作为中心像素值；第三部对低通滤波后的灰度图进行高斯低通滤波，主要作用为平滑图像，让边缘过度平缓。

透射率计算流程如下：

计算大气光成分值则比较简单，大气光成分A可以看做一个独立的RGB像素，包含三个值。一般是对原始图像RGB通道统计0~255概率分布，分别从各个通道最大值开始取占比大于万分之一的值作为A中对应值。

完成透射率和大气光成分计算后，接下来就是根据公式计算去雾图像。实际上还需要计算透射率图像，透射率图像通过高斯低通滤波后图像进行反转得到，在实际应用开发上，这一步可以省略，直接通过滤波后灰度图实际上可以看做雾霾反射率图T(x)，那么透射率即t(x)=1-T(x)。去雾处理后的图像一般会比较暗，可以通过自动对比度或自动色阶进行优化。

基于暗通道的去雾对于浓度不均匀的雾霾去雾效果比较好，但计算透射率过程由于最低值滤波和高斯低通滤波随着卷积核增大，消耗计算量也越大，处理单张影像还好，如果用于批量处理影像，显然不太实用。当然在实际应用中，可以考虑减少滤波核半径，牺牲一些效果，提升处理速度。把最低值通滤波和高斯低通滤波核半径都设置为1进行测试。

测试图像：

去雾效果图：

附上代码，java版的实现：

package tools;import java.awt.image.BufferedImage;
import java.util.ArrayList;
import java.util.List;public class AutoHazeRemoval {//自动去雾public BufferedImage hazeRemoval(BufferedImage image) {BufferedImage tempImage = new BufferedImage(image.getWidth(), image.getHeight(), image.getType());BufferedImage grayImage = new ImageGray().transferGrayImageByLowest(image);grayImage = new LowestFilter().lowestFilter(grayImage, 1);grayImage = new GaussianBlur().gaussBlur(grayImage, 1, 1);int[] A = extractA(image);for (int i = 0; i < image.getWidth(); i++) {for (int j = 0; j < image.getHeight(); j++) {int rgb = image.getRGB(i, j);double R = (rgb >> 16) & 0xff;double G = (rgb >> 8) & 0xff;double B = rgb & 0xff;//计算透射率int transmissionValue = grayImage.getRGB(i, j) & 0xff;double transmission = 0.95 * (double)transmissionValue / 255;R = (R - A[0] * transmission) / (1 - transmission); G = (G - A[1] * transmission) / (1 - transmission); B = (B - A[2] * transmission) / (1 - transmission); rgb = (255 & 0xff) << 24 | (clamp((int)R) & 0xff) << 16| (clamp((int)G) & 0xff) << 8 | (clamp((int)B) & 0xff);tempImage.setRGB(i, j, rgb);}}return tempImage;}/*** 通过RGB在0~255频率分布计算全局大气光成分* * @param image* @return*/public int[] extractA(BufferedImage image) {List<Integer[]> list = generateBinary(image);int[] result = new int[3];result[0] = getValue(image,list.get(0));result[1] = getValue(image,list.get(1));result[2] = getValue(image,list.get(2));return result;}private int getValue(BufferedImage image,Integer[] list) {double temp = 0.0;int result = 0;for(int i = 255; i > 0; i--) {double num = list[i] / (double)(image.getWidth()*image.getHeight());temp += num;if (temp >= 0.0001) {result = i;break;}}return result;}/*** 图像二值化 计算图像RGB值从0~255之间分布* * @return*/public List<Integer[]> generateBinary(BufferedImage image) {List<Integer[]> list = new ArrayList<>();Integer[] rlist = new Integer[256];Integer[] glist = new Integer[256];Integer[] blist = new Integer[256];// 通过循环，往集合里面填充0~255个位置,初始值都为0for (int i = 0; i < 256; i++) {rlist[i] = 0;glist[i] = 0;blist[i] = 0;}for (int i = 0; i < image.getWidth(); i++) {for (int j = 0; j < image.getHeight(); j++) {int rgb = image.getRGB(i, j);int r = (rgb >> 16) & 0xff;int g = (rgb >> 8) & 0xff;int b = rgb & 0xff;rlist[r] = rlist[r] + 1;glist[g] = rlist[g] + 1;blist[b] = rlist[b] + 1;}}list.add(rlist);list.add(glist);list.add(blist);return list;}// 判断a,r,g,b值，大于256返回256，小于0则返回0,0到256之间则直接返回原始值private int clamp(int rgb) {if (rgb > 255)return 255;if (rgb < 0)return 0;return rgb;}
}

暗通道先验去雾实现过程分析相关推荐

[Python图像识别] 四十六.图像预处理之图像去雾详解（ACE算法和暗通道先验去雾算法）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
基于导向滤波的暗通道先验去雾算法（Python，可直接运行）
基于导向滤波的暗通道先验去雾算法(Python语言,可直接运行) 1 编译环境 2 原理介绍 2.1 暗通道先验 2.1.1 暗通道先验理论与去雾模型 2.1.2 处理步骤 2.2 导向滤波求t(x) ...
图像去雾算法--暗通道先验去雾算法
图像去雾: 在雾天拍摄的图像容易受雾或霾的影响,导致图片细节模糊.对比度低以至于丢失图像重要信息,为解决此类问题图像去雾算法应运而生.图像去雾算法是以满足特定场景需求.突出图片细节并增强图片质量为目的 ...
暗通道先验去雾算法介绍及其几何意义的解释过程
何恺明的暗通道先验(dark channel prior)去雾算法是CV界去雾领域很有名的算法,关于该算法的论文"Single Image Haze Removal Using Dark C ...
从暗通道先验去雾到海底图像修复-三维重建辅助计算摄影
点击上方"小白学视觉",选择加"星标"或"置顶"重磅干货,第一时间送达一. Sea Thru:海底图像修复我想很多朋友一定看过海底的各种 ...
50. 从暗通道先验去雾到海底图像修复-三维重建辅助计算摄影
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达推荐阅读 42个pycharm使用技巧,瞬间从黑铁变王者Google ...
关于暗通道先验去雾问题的小结
前段日子导师甩给我一篇何博士的论文,叫做<Single Image Haze Removal Using Dark Channel Prior>,利用统计得来的暗通道先验实现对有雾图像的去 ...
基于OpenCV实现暗通道先验去雾算法及改进，效果惊人
❤️欢迎订阅<从实战学python>专栏,用python实现爬虫.办公自动化.数据可视化.人工智能等各个方向的实战案例,有趣又有用!❤️ 更多精品专栏简介点这里治愈生活的良方就是保持对 ...
Matlab：单幅图象的暗原色先验去雾改进算法，能够很好地改进天空或明亮部分色彩失真问题
Matlab:单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题目录输出结果实现代码代码下载输出结果实现代码 %单幅图象的暗原色先验去雾改进算法,能够很好地改进天空 ...

暗通道先验去雾实现过程分析

暗通道先验去雾实现过程分析相关推荐

最新文章

热门文章