圖像去霧設(shè)計(jì)報(bào)告

1、-課程設(shè)計(jì)圖像去霧一、設(shè)計(jì)目的1、通過查閱文獻(xiàn)資料，了解幾種圖像去霧算法，；2、理解和掌握?qǐng)D像直方圖均衡化增強(qiáng)用于去霧的原理和應(yīng)用；3、理解和掌握?qǐng)D像退化的因素，設(shè)計(jì)圖像復(fù)原的方法；4、比較分析不同方法的效果。二、設(shè)計(jì)容采用針對(duì)的有霧圖像，完成以下工作：1、采用直方圖均衡化方法增強(qiáng)霧天模糊圖像，并比較增強(qiáng)前后的圖像和直方圖；2、查閱文獻(xiàn)，分析霧天圖像退化因素，設(shè)計(jì)一種圖像復(fù)原方法，比照該復(fù)原圖像與原始圖像以及直方圖均衡化后的圖像；3、分析實(shí)驗(yàn)效果；4、寫出具體的處理過程，并進(jìn)展課堂交流展示。三、設(shè)計(jì)要求1、小組合作完成；2、提交報(bào)告*.doc、課堂交流的PPT*.ppt和源代碼。四、設(shè)計(jì)原理一

2、圖像去霧根底原理1、霧靄的形成機(jī)理霧實(shí)際上是由懸浮顆粒在大氣中的微小液滴構(gòu)成的氣溶膠，常呈現(xiàn)乳白色，其底部位于地球外表，所以也可以看作是接近地面的云。靄其實(shí)跟霧區(qū)別不大，它的一種解釋是輕霧，多呈現(xiàn)灰白色，與霧的顏色十分接近。廣義的霧包括霧、霾、沙塵、煙等一切導(dǎo)致視覺效果受限的物理現(xiàn)象。由于霧的存在，戶外圖像質(zhì)量降低，如果不處理，往往滿足不了相關(guān)研究、應(yīng)用的要求。在霧的影響下，經(jīng)過物體外表的光被大氣中的顆粒物吸收和反射，導(dǎo)致獲取的圖像質(zhì)量差，細(xì)節(jié)模糊、色彩暗淡。2、圖像去霧算法圖像去霧算法可以分為兩大類：一類是圖像增強(qiáng)；另一類是圖像復(fù)原。圖1-1介紹了圖像去霧算法的分類:圖1-1去霧算法分類從圖

3、像呈現(xiàn)的低亮度和低比照度的特征考慮，采用增強(qiáng)的方法處理，即圖像增強(qiáng)。比較典型的有全局直方圖均衡化，同態(tài)濾波，Retine* 算法，小波算法等等?；谖锢砟Ｐ偷奶鞖馔嘶瘓D像復(fù)原方法，從物理成因的角度對(duì)大氣散射作用進(jìn)展建模分析，實(shí)現(xiàn)場(chǎng)景復(fù)原，即圖像復(fù)原。運(yùn)用最廣泛、最權(quán)威的是由何凱明等人提出的暗通道先驗(yàn)的方法。1圖像增強(qiáng)技術(shù)為了改善視覺效果或者便于人們對(duì)圖像的判別和分析，根據(jù)圖像的特征采取簡(jiǎn)單的改善方法或者加強(qiáng)特征的措施叫做圖像增強(qiáng)。圖像增強(qiáng)可分為兩大類：頻率域法和空間域法?？臻g域處理主要包括：點(diǎn)處理，模塊處理即領(lǐng)域處理。頻率域處理主要包括：高、低通濾波、同態(tài)濾波等等。圖像增強(qiáng)可分為兩大類：頻率域

4、法和空間域法?？臻g域處理主要包括：點(diǎn)處理，模塊處理即領(lǐng)域處理。頻率域處理主要包括：高、低通濾波、同態(tài)濾波等等。2圖像復(fù)原技術(shù)從廣義上講，圖像復(fù)原是一個(gè)求逆問題，逆問題經(jīng)常存在非唯一解，甚至無解。圖像復(fù)原的目的是將所觀測(cè)到的退化圖像恢復(fù)到退化前的原始圖像，這種恢復(fù)過程在很多圖像處理中的應(yīng)用十分重要。為了更好的對(duì)圖像復(fù)原的理解，圖1-2為圖像復(fù)原的流程圖：圖1-2 圖像復(fù)原流程圖其中g(shù)(*,y)為降質(zhì)圖像函數(shù)，f(*,y)為真實(shí)圖像函數(shù)。圖像復(fù)原技術(shù)可以分為以下幾類：1在給定退化模型條件下，分為無約束和有約束兩大類。2根據(jù)是否需要外界干預(yù)，分為自動(dòng)和交互兩大類。3根據(jù)處理所在的域，分為頻率域和空間

5、域。二從圖像增強(qiáng)角度去霧基于直方圖均衡化的算法以概率論為根底，用灰度變換到達(dá)圖像增強(qiáng)的目的，是圖像增強(qiáng)中最常用的算法之一。直方圖均衡化處理的“中心思想是把原始圖像的灰度直方圖從比較集中的*個(gè)灰度區(qū)間變成在全部灰度圍的均勻分布。1、圖像灰度直方圖定義一：一個(gè)灰度級(jí)在圍0,L-1的數(shù)字圖像，其直方圖是一個(gè)離散函數(shù)n是圖像的像素總數(shù)，是滴k個(gè)灰度級(jí)，。定義二：一個(gè)灰度級(jí)在圍0,L-1的數(shù)字圖像，其直方圖是一個(gè)離散函數(shù)由于的增量是1，直方圖可以表示為：即圖像中不同灰度級(jí)像素的出現(xiàn)次數(shù)。2、直方圖變換的理論根底設(shè)連續(xù)圖像的概率分布為：其中r為灰度其中A為圖像的面積。均衡化過程分析：設(shè)r和s分別表示原圖像

6、灰度級(jí)和經(jīng)直方圖均衡化后的圖像灰度級(jí)，為便于討論，對(duì)r和s進(jìn)展歸一化，使：；對(duì)于一幅給定的圖像，歸一化后灰度級(jí)分布在圍。對(duì)0,1區(qū)間的任意一個(gè)r值進(jìn)展如下變換：該變換式應(yīng)滿足條件：（1） 對(duì)于，有（2） 在區(qū)間從s到r的反變換用下式表示r的概率密度為；s的概率密度可由求出假定變換函數(shù)為式中：w是積分變量，而就是r的累積分布函數(shù)。以下圖為直方圖均衡化的過程，表達(dá)了“均衡的含義：即概率密度的均勻。(a)是*一圖像的的灰度分布(b)是該圖進(jìn)展直方圖均衡化后的灰度分布圖1-3 圖像灰度分布給出灰度級(jí)在圖像中出現(xiàn)的概率密度統(tǒng)計(jì)在MATLAB中，imhist函數(shù)可以顯示一幅圖像的直方圖。其常見調(diào)用方法如下

7、：imhist(I)其中I是圖像矩陣，該函數(shù)返回一幅圖像，顯示I的直方圖。通過把原圖像的直方圖通過變換函數(shù)修正為分布比較均勻的直方圖，從而改變圖像整體偏暗或整體偏亮，灰度層次不豐富的情況，這種技術(shù)叫直方圖均衡化。在MATLAB中，用于直方圖均衡化的函數(shù)是histeq，它的常見調(diào)用方式如下：J=histep(I)其中，I為輸入的原圖像，J是直方圖均衡化后的圖像。3、直方圖均衡化的算法步驟直方圖均衡化的算法步驟如下：1列出原始圖像和變換后圖像的灰度級(jí)：，,其中是灰度級(jí)的個(gè)數(shù)；2統(tǒng)計(jì)原圖像各灰度級(jí)的像素個(gè)數(shù);3計(jì)算原始圖像直方圖：,N為原始圖像像素總個(gè)數(shù)；4利用灰度變換函數(shù)計(jì)算變換后的灰度值，并四舍

8、五入：；5確定灰度變換關(guān)系,根據(jù)此將原圖像的灰度值修正為統(tǒng)計(jì)變換后各灰度級(jí)的像素個(gè)數(shù)；6計(jì)算變換后圖像的直方圖：。圖1-4 直方圖均衡化示意圖4、直方圖均衡化的優(yōu)缺點(diǎn)1優(yōu)點(diǎn)：操作相當(dāng)直觀并且為可逆操作，如果均衡化函數(shù)，則就可以恢復(fù)原始的直方圖，并且計(jì)算量也不大?？梢杂糜谠鰪?qiáng)局部的比照度而不影響整體的比照度，直方圖均衡化通過有效地?cái)U(kuò)展常用的亮度來實(shí)現(xiàn)這種功能。2缺點(diǎn)：變換后圖像的灰度級(jí)減少，*些細(xì)節(jié)消失；*些圖像，如直方圖有頂峰，經(jīng)處理后比照度不自然的過分增強(qiáng)。二從圖像復(fù)原角度去霧說到圖像去霧，就不得不提到由何愷明博士等人提出的基于暗通道的圖像去霧算法。這個(gè)算法因其新穎的思路和理想的效果而廣受關(guān)

9、注，相關(guān)論文也曾于2021年榮獲CVPR最正確論文獎(jiǎng)，同時(shí)也是該獎(jiǎng)設(shè)立以來，首次由亞洲學(xué)者獲此殊榮。隨著大氣污染的日益嚴(yán)重，設(shè)法改善自動(dòng)獲取的圖像質(zhì)量其意義不言而喻。另一方面，隨著數(shù)碼設(shè)備的普及，消費(fèi)類電子產(chǎn)品的市場(chǎng)也催生出許多新的需求，其中人們對(duì)所拍照片質(zhì)量的修正和優(yōu)化就是一個(gè)顯而易見的需求。首先對(duì)于有霧氣象狀況下的大氣物理退化模型，如圖1-5所示：圖1-5大氣物理退化模型通過估算參數(shù)，反演退化過程，獲得退化前的場(chǎng)景清晰圖像。場(chǎng)景目標(biāo)反射光強(qiáng)經(jīng)過霧區(qū)，會(huì)受到霧霾顆粒的強(qiáng)散射和吸收作用，到達(dá)探測(cè)器的光強(qiáng)會(huì)受到影響。1、暗通道概念在絕大多數(shù)非天空的局部區(qū)域里，*些像素總會(huì)有至少一個(gè)顏色通道具有很

10、低的之。換言之，該區(qū)域光強(qiáng)度的最小值詩(shī)格很小的數(shù)。下面給暗通道一個(gè)數(shù)學(xué)定義，對(duì)于任意的輸入圖像J，其暗通道可以用下式表達(dá)：其中表示彩色圖像的每個(gè)通道，表示以像素為中心的一個(gè)窗口。暗通道先驗(yàn)的理論指出也就是說以像素點(diǎn)為中心，分別取三個(gè)通道窗口的最小值，然后再取三個(gè)通道的最小值作為像素點(diǎn)的暗通道的值，如圖1-6所示：圖1-6 取暗通道值實(shí)際生活中造成暗原色中低通道值的因素有很多。例如，汽車、建筑物和城市中玻璃窗戶的陰影，或者是樹葉、樹與巖石等自然景觀的投影；色彩鮮艷的物體或外表，在RGB得三個(gè)通道中有些通道的值很低比方綠色的草地、樹木等植物，紅色或黃色的花朵、果實(shí)或者葉子，或者藍(lán)色、綠色的水面；顏

11、色較暗的物體或者外表，例如灰暗色的樹干、石頭以及路面?？傊?，自然景物中到處都是陰影活著彩色，這些經(jīng)無圖像的暗原色總是表現(xiàn)出較為灰暗的狀態(tài)。暗原色先驗(yàn)是對(duì)戶外無霧圖像庫(kù)的統(tǒng)計(jì)得出的規(guī)律。在不包括天空的絕大局部局部區(qū)域，總會(huì)存在一些稱之為“dark pi*els的像素，至少有一個(gè)顏色通道具備很低的強(qiáng)度值。在被霧干擾的圖像里，這些暗像素的強(qiáng)度值會(huì)被大氣中的白光成分所充滿而變得較高。2、暗通道去霧的原理首先，在計(jì)算機(jī)視覺和計(jì)算機(jī)圖形中，下述方程所描述的霧圖像形成模型被廣泛使用：其中，就是現(xiàn)在已經(jīng)有的待去霧圖像，是要恢復(fù)的無霧圖像，參數(shù)是全球大氣光成分，為透射率?，F(xiàn)在的條件就是，要求目標(biāo)值。根據(jù)根本的代

12、數(shù)知識(shí)可知這是一個(gè)有無數(shù)解的方程。只有在一些先驗(yàn)信息根底上才能求出定解。將上式稍作處理，變形為下式：首先假設(shè)在每一個(gè)窗口透射率為常數(shù)，將其定義為，并且值已經(jīng)給定，然后對(duì)上式兩邊求兩次最小值運(yùn)算，得到下式：根據(jù)前述的暗原色先驗(yàn)理論有：可推導(dǎo)出把結(jié)論帶回原式中，得到：這就是透射率的預(yù)估值。透射率還可表示為,為大氣的散射系數(shù)，該式說明景物光線是隨著景物深度按指數(shù)衰減的。在現(xiàn)實(shí)生活中，即便是晴天白云，空氣中也存在著一些顆粒，因此，看遠(yuǎn)處的物體還是能感覺到霧的影響。此外，無得存在讓人感到景深的存在，有必要在去霧的時(shí)候保存一定程度的霧。這可以通過在上式中引入一個(gè)在0,1之間的因子來實(shí)現(xiàn)，則上式修正為：上述

13、推論中都是假設(shè)全球大氣光值是的，在實(shí)際中，可以借助暗通道圖來從有霧圖像中獲取該值。具體步驟大致為：1首先從暗通道圖中按照亮度的大小提取最亮的前0.1%像素；2在原始有霧圖像中尋找對(duì)應(yīng)位置上的具有最高亮度的點(diǎn)的值，并以此作為的值。當(dāng)考慮投射圖值很小時(shí)，會(huì)導(dǎo)致的值偏大，從而使圖像整體向白場(chǎng)過渡，因此一般可以設(shè)置一個(gè)閾值，當(dāng)值小于時(shí)，令。因此，最終的圖像恢復(fù)公式如下：當(dāng)透射率圖過于粗糙時(shí)，對(duì)應(yīng)暗通道圖中顏色較深的局部邊緣明顯不協(xié)調(diào)，為了獲得更為精細(xì)的透射率圖，何凱明提出了“soft matting方法，能得到非常細(xì)膩的結(jié)果，但是該算法的一個(gè)致命弱點(diǎn)就是速度慢，所以何在利用導(dǎo)向?yàn)V波的方式來獲得較好的透

14、射率圖過程中使用簡(jiǎn)單的盒子濾波相應(yīng)的快速算法。五、設(shè)計(jì)步驟一基于直方圖均衡化的圖像去霧算法1、轉(zhuǎn)換為灰度圖像后對(duì)圖像進(jìn)展直方圖均衡由于直方圖均衡僅限于灰度圖像，所以我們將輸入的RGB圖像先轉(zhuǎn)變?yōu)榛叶葓D像，再進(jìn)展圖像增強(qiáng)。簡(jiǎn)要過程如圖2-1所示。圖2-1 RGB轉(zhuǎn)灰度圖像進(jìn)展直方圖均衡化過程（1） 讀入圖像，將彩色圖像進(jìn)展降維轉(zhuǎn)換成灰度圖像；（2） 對(duì)灰度圖像的直方圖進(jìn)展均衡化處理；（3） 輸出均衡化后的灰色圖像。接下來我們考慮想要得到彩色圖像，于是從不同空間對(duì)圖像進(jìn)展均衡化處理。2、在RGB空間對(duì)圖像進(jìn)展直方圖均衡流程如圖2-2（1） 讀入圖像，將圖像存儲(chǔ)于RGB空間；（2） 分別對(duì)RGB空間

15、的R、G、B三個(gè)分量的灰度直方圖進(jìn)展均衡化處理；（3） 輸出圖像。圖2-2 在RGB空間對(duì)圖像進(jìn)展直方圖均衡3、在HSV空間對(duì)圖像進(jìn)展直方圖均衡流程如圖2-3（1） 讀入圖像，將圖像由RGB空間轉(zhuǎn)換到HSV空間；（2） 對(duì)HSV空間飽和度和亮度分量S、V分量的灰度直方圖進(jìn)展均衡化處理；（3） 將圖像由HSV空間轉(zhuǎn)換到RGB空間并輸出。圖2-3在HSI空間對(duì)圖像進(jìn)展直方圖均衡4、在YCrCb空間對(duì)圖像進(jìn)展直方圖均衡流程如圖2-4（1） 讀入圖像，將圖像由RGB空間轉(zhuǎn)換到Y(jié)CrCb空間；（2） 對(duì)YCrCb空間亮度分量Y分量的灰度直方圖進(jìn)展均衡化處理；（3） 將圖像由YCrCb空間轉(zhuǎn)換到RGB空間

16、并輸出圖像。圖2-4在YCrCb空間對(duì)圖像進(jìn)展直方圖均衡二基于暗通道先驗(yàn)的圖像去霧算法根據(jù)何凱明的暗通道先驗(yàn)算法原理，大致的流程如圖2-6所示。圖2-6暗通道先驗(yàn)過程圖1根據(jù)原始有霧圖像求暗通道用for循環(huán)求出每個(gè)像素RGB分量中的最小值，存入一副和原始圖像大小一樣的灰度圖中，然后再對(duì)這副灰度圖使用ordfilt2進(jìn)展最小值濾波，濾波的半徑由窗口大小決定。2求解全局大氣光照根據(jù)原理應(yīng)該選擇暗通道圖像總像素點(diǎn)個(gè)數(shù)千分之一個(gè)最亮的像素點(diǎn)，并記錄這些像素點(diǎn)坐標(biāo)，再根據(jù)這些點(diǎn)的坐標(biāo)分別在原圖像I的三個(gè)通道找到這些像素點(diǎn)并加和?？紤]到這個(gè)思路在MATLAB實(shí)現(xiàn)中在尋找這些像素點(diǎn)時(shí)，會(huì)找到不止1000點(diǎn)，

17、因?yàn)樵趫D像中有很多值相等的像素點(diǎn)；為了方便計(jì)算，在求時(shí)取最亮值的點(diǎn)集中的*一個(gè)點(diǎn)。3求透射率首先設(shè)定原始程序中去霧系數(shù)，根據(jù)公式先對(duì)透射率有一個(gè)預(yù)估；接下來利用導(dǎo)向?yàn)V波Guided Filter來對(duì)透射率圖。以原始圖像的其中一個(gè)通道為引導(dǎo)圖，使得透射率圖的細(xì)節(jié)更加準(zhǔn)確。而為了提高計(jì)算速度，在導(dǎo)向?yàn)V波中使用盒子濾波器Bo* filter，其本質(zhì)是通過下采樣減少像素點(diǎn)，計(jì)算后再進(jìn)展上采樣恢復(fù)到原有的尺寸大小。4求解無霧圖像根據(jù)公式求解出去霧的圖像即可。在初始程序中采用為標(biāo)準(zhǔn)計(jì)算。六、設(shè)計(jì)結(jié)果與分析一基于直方圖均衡化的圖像去霧算法直方圖均衡化是圖像增強(qiáng)中的一種常用方法，該算法以概率論為根底，基于空間

18、不變思想，運(yùn)用灰度運(yùn)算來實(shí)現(xiàn)直方圖的變換，從而到達(dá)增強(qiáng)圖像的目的，更適合于景物深度變化很小的圖像。分為全局直方圖均衡化算法和局部直方圖均衡化算法在本次實(shí)驗(yàn)中局部均衡方法去霧效果比較差，所以不對(duì)該方法進(jìn)展贅述。全局直方圖均衡化算法實(shí)現(xiàn)簡(jiǎn)單，對(duì)單景深圖像的復(fù)原效果較好，但對(duì)于場(chǎng)景深度多變的圖像的復(fù)原效果好，但是對(duì)于場(chǎng)景深度多變的額圖像，這種方法就很難反映圖像中局部景物深度的變化。采用局部增強(qiáng)方法可以使圖像的每一個(gè)區(qū)域的比照度都能得到很大的改善，但是同時(shí)這種方法也將灰度變化緩慢的區(qū)域，如天空等也進(jìn)展了誤增強(qiáng)，從而導(dǎo)致景物影像因許多噪聲的干擾而表現(xiàn)得不自然。原始有霧圖像如圖3-1所示。(a) 有霧圖像

19、1(b) 有霧圖像2圖3-1有霧圖像對(duì)全局均衡結(jié)果圖的效果進(jìn)展分析程序zft.m：對(duì)有霧圖像RGB通道進(jìn)展均衡化處理后融合的圖像效果最好，清晰度較高，且顏色較符合地物顏色，但天空處有較多的塊狀噪聲，且樹葉產(chǎn)生了較大的畸變，結(jié)果如圖3-1。圖3-1對(duì)RGB通道進(jìn)展均衡化處理結(jié)果圖3-2對(duì)RGB通道進(jìn)展均衡化結(jié)果及其直方圖前后比照將只對(duì)HSI空間的亮度分量I通道和對(duì)HSI空間的亮度、飽和度分量I、S通道進(jìn)展均衡化，通道進(jìn)展的均衡化處理的圖像顏色比照度明顯發(fā)生的變化，第二種顏色過于鮮艷而發(fā)生畸變，第一種較RGB均衡方式的顏色比照度較差，且樹葉處畸變較差結(jié)果如圖3-3。圖3-3對(duì)HSI通道進(jìn)展均衡化處

20、理結(jié)果圖3-4對(duì)HSI通道進(jìn)展均衡化前后結(jié)果比照及其直方圖對(duì)YCrCb空間的亮度分量Y通道進(jìn)展均衡處理，所得圖像在天空處處理的較差，有大片空白，但是對(duì)于樹葉的處理較其他幾種方式都好，結(jié)果如圖3-5。圖3-5對(duì)YCrCb通道進(jìn)展均衡化處理結(jié)果圖3-6對(duì)YCrCb通道進(jìn)展均衡化結(jié)果前后比照及其直方圖當(dāng)考慮將RGB圖像轉(zhuǎn)變?yōu)榛叶葓D像在進(jìn)展直方圖均衡化的結(jié)果如圖3-7所示，圖3-7對(duì)灰度進(jìn)展均衡化結(jié)果前后比照及其直方圖圖3-8對(duì)灰度進(jìn)展均衡化結(jié)果前后比照及其直方圖如果忽略灰度圖直方圖均衡化的視覺效果問題，在去霧效果方面灰度變換的結(jié)果還是比較好的。接著再使用有霧圖像2的直方圖均衡化，結(jié)果如圖3-9所示，

21、圖3-8對(duì)灰度進(jìn)展均衡化結(jié)果前后比照及其直方圖由于有霧圖像2在前景處沒有霧的影響，在整體圖像增強(qiáng)后雖然也起到了一定去霧的目的，但是圖像效果不太好?？偟膩碚f，直方圖均衡化的方法對(duì)灰度變化不大的樹葉和天空處理效果較差，但是對(duì)于建筑物等灰度變化較大的區(qū)域效果還是不錯(cuò)的。直方圖均衡化通過使用累積函數(shù)對(duì)灰度值進(jìn)展“調(diào)整以實(shí)現(xiàn)比照度的增強(qiáng)。具體說來，即把原圖像對(duì)應(yīng)的灰度直方圖從比較集中的灰度區(qū)間通過一定的轉(zhuǎn)換變成在全部灰度圍的均勻分布。就是對(duì)圖像進(jìn)展非線性拉伸，重新分配圖像像素值，使一定灰度圍的像素?cái)?shù)量大致一樣。通過使用累積函數(shù)對(duì)灰度值進(jìn)展“調(diào)整以實(shí)現(xiàn)比照度的增強(qiáng)，一定程度上使暗的地方更暗、亮的地方更亮，

22、從而在視覺上到達(dá)去霧的效果。但是上面的去霧效果僅僅局限于灰度圖片，而不能直接對(duì)彩色圖像進(jìn)展處理。經(jīng)過上述直方圖處理后，到達(dá)均衡化圖像的目的，但是圖像會(huì)在原圖根底上失真，即整幅圖像的顏色發(fā)生改變，有時(shí)會(huì)嚴(yán)重偏離去霧的初衷。二基于暗通道先驗(yàn)的圖像去霧算法1、實(shí)驗(yàn)過程結(jié)果圖1根據(jù)原始有霧圖像求暗通道圖4-1有霧圖像1的暗通道圖像圖4-2有霧圖像2的暗通道圖像通過兩幅圖的暗通道圖像尤其是有霧圖像2中可以看出在近距離的樹葉處非常的暗，通過該暗通道圖像去估算大氣光照和透射率，建立模型就可以很好地在去霧的同時(shí)盡可能保存無霧區(qū)域的特征細(xì)節(jié)。2求解全局大氣光照求解有圖像1和2的大氣光照數(shù)A：3求透射率圖4-3圖

23、像1的透射率圖圖4-4圖像2的透射率圖通過兩幅圖像透射率圖可以看出利用導(dǎo)向?yàn)V波函數(shù)求得的透射率圖像較為精細(xì)，也符合大氣物理退化模型中的情況。4求解無霧圖像圖4-5圖像1的去霧圖像有霧圖像1的去霧結(jié)果相較于使用直方圖均衡化中效果最好的對(duì)于RGB通道進(jìn)展直方圖均衡化處理結(jié)果來說，去霧的程度更大，顏色更加真實(shí)，特征細(xì)節(jié)處的保持的也較好。去霧后的圖像會(huì)比原始的暗，因此在處理完后最好進(jìn)展一定的曝光增強(qiáng)，但由于視覺上的效果還不錯(cuò)，我們選擇不進(jìn)展其他操作以免影響去霧效果的觀察。圖4-6圖像2的去霧圖像圖4-6更加能夠突出暗通道先驗(yàn)算法去霧的優(yōu)點(diǎn)，對(duì)于無霧區(qū)域的處理將區(qū)別于有霧區(qū)域，可以減小本身不需要去霧圖像

24、區(qū)域的改變。2、影響暗通道先驗(yàn)算法去霧效果的參數(shù)研究計(jì)算的標(biāo)準(zhǔn)參數(shù)值如下表所示：1去霧系數(shù)0.952濾波窗口大小形成暗通道的濾波半徑r93透射率窗口大小導(dǎo)向半徑R804透射率下限值0.15eps1去霧系數(shù)粗透射率為越大，去霧程度越大，圖像比照度顯得越暗；反之越小，去霧越不徹底，圖像越泛白。一般取。圖4-7圖像1的去霧前圖像圖4-8圖像1的參數(shù)r=80，w0=0.95，濾波窗口9*9去霧后圖像圖4-9圖像1的參數(shù)r=80，w0=0.85，濾波窗口9*9去霧后圖像圖4-10圖像1的參數(shù)r=80，w0=0.80，濾波窗口9*9去霧后圖像圖4-11圖像1、2去霧前后比照?qǐng)D像2濾波窗口大小*越小，選取的

25、細(xì)節(jié)越多，暗通道構(gòu)建越細(xì)致，使得最終去霧效果越明顯；但也由于其包含暗通道的概率越大，暗通道也就越黑，所得去霧圖像越暗；*越大，選取的細(xì)節(jié)少，暗通道構(gòu)建越粗糙，導(dǎo)致最終圖像越泛白，即去霧的效果越不明顯。圖4-12圖像1改變?yōu)V波窗口去霧前后比照?qǐng)D像圖4-14圖像2改變?yōu)V波窗口去霧前后比照?qǐng)D像3透射率窗口大小導(dǎo)向半徑R當(dāng)R比較小的時(shí)候，在透射率圖中根本看不到什么細(xì)節(jié)信息，因此恢復(fù)處的圖像邊緣處不明顯，呈現(xiàn)明顯的有霧邊界，有點(diǎn)類似于軟摳圖不準(zhǔn)確的后果。如以下圖所示：圖4-15圖像1導(dǎo)向半徑r=8、40去霧圖圖4-16圖像1導(dǎo)向半徑r=80去霧圖圖4-17圖像導(dǎo)向半徑r=8去霧圖圖4-18圖像2導(dǎo)向半徑

26、r=16去霧圖圖4-19圖像2導(dǎo)向半徑r=40去霧圖圖4-20圖像2導(dǎo)向半徑r=16去霧圖由圖分析，建議這個(gè)R的取值不小于進(jìn)展最小值濾波的半徑的4倍，如此次實(shí)驗(yàn)所取的為最小濾波窗口9*9即濾波半徑為4，R即取大于16的值會(huì)使得去霧時(shí)邊緣能夠過渡得好些，提升最終去霧效果。3、該算法的缺乏對(duì)于提供的兩幅有霧圖像進(jìn)展去霧完成后，當(dāng)改用其他圖像驗(yàn)證算法時(shí)發(fā)現(xiàn)了該算法存在的問題。對(duì)于大面積天空的有霧圖像或者大面積雪景的有霧圖像，去霧效果很差，出現(xiàn)的顏色偏移過多：圖4-21雪景圖像去霧對(duì)于有大面積天空區(qū)域的有霧圖像，在天空中的局部，去霧效果幾乎沒有，霧的現(xiàn)象仍然很嚴(yán)重。在非天空區(qū)域，建筑物局部，仍可以完成

27、去霧的。但是經(jīng)過暗通道去霧后，出現(xiàn)顏色偏移，雪變成了紫色的。這是由于當(dāng)取景對(duì)象在較大圍和天空接近并且沒有陰影覆蓋的時(shí)候，暗原色的猜想不成立。三比照兩種去霧算法直方圖均衡化暗通道先驗(yàn)優(yōu)點(diǎn)對(duì)去霧圖像沒有要求不僅在物理上有效，而且能夠處理包括在霧濃度很大情況下的遠(yuǎn)距離物體；可以減小無霧區(qū)域的變樣缺點(diǎn)去霧后的圖像或?yàn)榛疑珗D像或產(chǎn)生顏色失真，去霧效果不穩(wěn)定得到的去霧圖像比較暗，無法處理大面積天空或類似區(qū)域直方圖均衡化對(duì)于灰度圖像去霧效果比較好，而暗原色先驗(yàn)對(duì)于彩色圖像去霧效果比較明顯，圖像中的特征得到很好的增強(qiáng)，使人們能夠很好的觀測(cè)圖像給予的信息，并作出正確的判斷。暗原色先驗(yàn)明顯的去除霧的干擾,提高圖像

28、的清晰度,增強(qiáng)圖像色彩和細(xì)節(jié),復(fù)原得到高質(zhì)量的圖像。雖然原始圖像受霧影響模糊不清、顏色不真實(shí)的圖像，但經(jīng)過暗通道先驗(yàn)算法處理后在細(xì)節(jié)上更清晰，顏色更真實(shí)，視覺效果更令人滿意。這種算法適合以上各種場(chǎng)景的圖像去霧，無論霧的分布均勻與否，霧的濃度薄或濃，場(chǎng)景中深度變壞如何，都能有效地去除圖像中霧，有效地提高了圖像的清晰度。從而很大程度上提高了霧天的能見度。但是該算法存在一定的局限性，暗原色先驗(yàn)是一種統(tǒng)計(jì)的結(jié)果，是對(duì)大量戶外無霧照片的統(tǒng)計(jì)結(jié)果，如果目標(biāo)場(chǎng)景在的就和大氣光類似，比方雪地、白色背景墻、大海等，則由于前提條件就不正確，因此一般無法獲得滿意的效果，而對(duì)于一般的風(fēng)景照片這個(gè)算法能處理的不錯(cuò)。另外

29、，由于景物退化與場(chǎng)景深度呈非線性關(guān)系，由此帶來的最大問題是很難保證建立的景物退化模型的正確性和寬適性。目前，大多數(shù)的圖像復(fù)原方法都建立在大氣散射模型的根底上，并受到了此類模型的限制。七、思考與感悟本次設(shè)計(jì)課程共歷時(shí)五個(gè)半天，在這不算長(zhǎng)的時(shí)間里，小組的每一個(gè)成員都熱情參與，積極配合。這是一個(gè)很好的團(tuán)隊(duì)，也展現(xiàn)出非常強(qiáng)大的力量，大家分工明確，各展所長(zhǎng)。雖然過程中也遇到了一些困難和問題，但在大家的齊心協(xié)力下也逐一得到解決。本次實(shí)驗(yàn)中主要從圖像增強(qiáng)和圖像復(fù)原的兩個(gè)角度，進(jìn)展圖像去霧處理，采用了直方圖均衡和暗通道的方法。其重點(diǎn)主要放在暗通道的實(shí)驗(yàn)原理和結(jié)果分析中的參數(shù)影響上，并在觀察實(shí)驗(yàn)結(jié)果的過程中發(fā)現(xiàn)

30、了一些問題，有的解決了，例如對(duì)透射率細(xì)化的設(shè)計(jì)理解，有的沒有解決，例如雪景和天空去霧的圖像的顏色變化和塊狀噪聲。在不斷采用設(shè)計(jì)驗(yàn)證實(shí)驗(yàn)的過程中收獲了很多知識(shí)，感覺很滿足。生活中采集到的圖像還會(huì)有很多不完美的地方例如畸變、旋轉(zhuǎn)、連續(xù)、霧霾、亮度不適宜等等，這就需要通過一系列手段來對(duì)圖像進(jìn)展處理，本次實(shí)驗(yàn)對(duì)有霧污染的圖像進(jìn)展了處理，希望以后還會(huì)有時(shí)機(jī)在這個(gè)優(yōu)秀的團(tuán)隊(duì)進(jìn)展相關(guān)的研究。八、附錄源代碼1、aft.m%利用直方圖均衡化去霧%=close all;clear all;wu=imread('E:Report課程設(shè)計(jì)圖片2.bmp');%-%對(duì)飽和度與亮度進(jìn)展直方圖均衡處理%h：

31、色度%s：飽和度%v：亮度hsv=rgb2hsv(wu);wu1=rgb2gray(wu);h=hsv(:,:,1);s=hsv(:,:,2);v=hsv(:,:,3);S=histeq(s);V=histeq(v);result_hsv=hsv2rgb(h,S,V);result_hsv1=rgb2gray(result_hsv);%-% 對(duì)RGB每個(gè)通道進(jìn)展直方圖均衡處理% R：紅色% G：綠色% B：藍(lán)色r=wu(:,:,1);g=wu(:,:,2);b=wu(:,:,3);R=histeq(r);G=histeq(g);B=histeq(b);result_rgb=cat(3,R,G,

32、B);%將RGB三個(gè)分量放入一個(gè)矩陣result_rgb1=rgb2gray(result_rgb);%-% 對(duì)YCbCr的亮度進(jìn)展直方圖均衡處理%y：顏色的亮度，%Cb：藍(lán)色的濃度偏移成分%Cr：紅色的濃度偏移成分ycbcr=rgb2ycbcr(wu);y=ycbcr(:,:,1);cb=ycbcr(:,:,2);cr=ycbcr(:,:,3);Y=histeq(y);result_ycbcr=ycbcr2rgb(cat(3,Y,cb,cr);%將RGB三個(gè)分量放入一個(gè)矩陣result_ycbcr1=rgb2gray(result_ycbcr);%將彩色圖像轉(zhuǎn)換為灰度圖像后，再做直方圖均衡處

33、理whole=rgb2gray(wu); W=histeq(whole);%-% 結(jié)果顯示figure(1)subplot(2,2,1),imshow(wu),title('原始圖像')subplot(2,2,2),imshow(result_hsv),title('HSV')subplot(2,2,3),imhist(wu1);subplot(2,2,4),imhist(result_hsv1);figure(2)subplot(2,2,1),imshow(wu),title('原始圖像')subplot(2,2,2),imshow(resul

34、t_rgb),title('RGB')subplot(2,2,3),imhist(wu1);subplot(2,2,4),imhist(result_rgb1);figure(3)subplot(2,2,1),imshow(wu),title('原始圖像')subplot(2,2,2),imshow(result_ycbcr),title('YCbCr')subplot(2,2,3),imhist(wu1);subplot(2,2,4),imhist(result_ycbcr1);figure(4)subplot(2,2,1),imshow(wu

35、),title('原始圖像')subplot(2,2,2),imshow(W),title('灰度圖像直方圖均衡化')subplot(2,2,3),imhist(wu1);subplot(2,2,4),imhist(W);2、antongd.m%暗通道去霧算法%=%暗原色去霧算法是建立在戶外自然場(chǎng)景暗通道優(yōu)先法則的根底上的去霧方法%其實(shí)就是解一個(gè)方程：I(*)=J(*)t(*)+A(1-t(*)%其中I(*)是受到霧氣污染的圖像,J(*)是我們需要求的去霧后的圖像%t(*)是天空中云層的透射分布率，A是天空的亮度%=close all;clear all;img

36、_name = imread('E:Report課程設(shè)計(jì)圖片2.bmp'); %原始圖像I = double(img_name)/255;h,w,c = size(I); %獲取圖像大小w0 = 0.95; %去霧系數(shù)dehaze = zeros(h,w,c); %初始化結(jié)果圖像win_dark = zeros(h,w); %初始化暗影通道圖像%-%計(jì)算暗通道%將三個(gè)通道中最暗的值賦給win_dark(i,j),使得三維圖變成了二維圖for i=1:h for j=1:wwin_dark(i,j) = min(I(i,j,:); endendwin_dark = ordfilt

37、2(win_dark,1,ones(9,9),'symmetric'); %9*9最小值濾波%-%計(jì)算大氣亮度Adark_channel = win_dark;A = ma*(ma*(dark_channel);i0,j0 = find(dark_channel=A);i = i0(1);j = j0(1);A = mean(I(i,j,:);%-%計(jì)算透射率t(*)transmission = 1-w0*win_dark/A; %透射率預(yù)估gray_I = I(:,:,3); %這里gray_I可以是RGB圖像中任何一個(gè)通道p = transmission; %透射率圖r =

38、 50;eps = 10-3;transmission_filter = guidedfilter(gray_I,p,r,eps);%用guided filter對(duì)trasmission map做soft matting獲得更為精細(xì)的透射率圖t0=0.1; %設(shè)置閾值t1 = ma*(t0,transmission_filter);%-for i=1:cfor j=1:hfor l=1:wdehaze(j,l,i)=(I(j,l,i)-A)/t1(j,l)+A; %無霧圖像恢復(fù)endendend%-%顯示圖像figuresubplot(121)imshow(win_dark);title(&#

39、39;暗通道')subplot(122)imshow(t1);title('透射率圖')figuresubplot(121)imshow(I);title('去霧前')subplot(122)imshow(dehaze);title('去霧后')3、guidedfilter.m%guided filter導(dǎo)向?yàn)V波函數(shù)%=%引導(dǎo)圖：I灰度圖/單通道圖像%輸入圖像：p灰度圖/單通道圖像%本地窗口半徑：r%正規(guī)化參數(shù)：eps%=function q = guidedfilter(I,p,r,eps)hei,wid = size(I);N = bo*filter(ones(hei,wid),r); % the size of each local patch;%N=(2r+1)2 e*cept for boundar