本发明涉及图像处理技术领域,尤其涉及一种图像去雾方法及装置。
背景技术:
在视频图像信息采集的过程中,外界环境如大雾、雨、雪、沙尘、大风等恶劣天气和低照度、背光等光照因素的影响常常会使图像的对比度、清晰度、图像序列的连续性大大降低,彩色图像会产生色差甚至颜色改变,图像中许多特征被模糊或者掩盖。这种退化的视频图像不仅影响视觉效果,而且也会影响对视频信息的识别和分析。特别是近些年,细颗粒物(pm2.5)造成的雾霾问题频发,空气中的液滴和固体小颗粒不仅危害人体健康,影响驾驶员视线导致交通事故频发,同时也使得户外监控视频质量明显下降。在雾霾天气下,图像彩色黯淡、对比度变低,一些重要目标的细节难以被察觉,对视频处理系统的实用性造成很大影响。因此,去除视频中的雾气等影响,改善画质,提升视频处理系统光照度敏感度并增强处理效果,成为提升户外视频图像处理系统应用价值的一项关键技术。
图像去雾即通过各种方法将雾霭对图像产生的影响去掉,还原出清晰、生动、符合人类视觉系统的图像。图像去雾技术具有跨学科特征,应用前景广阔,是图像处理领域的研究方向之一,受到国内外广大研究者的关注,已成为计算机视觉以及图像处理领域的研究热点。图像去雾作为一门新兴学科,涉及随机性以及复杂性很大的天气因素。到目前为止,虽然涌现了很多图像去雾的方法,但是都存在一定的局限性:一是处理速度达不到实时性的要求;二是处理效果无法做到真实还原效果。图像去雾在这两点上仍需不断地发展改进,因此寻找更加有效的去雾方法是非常必要的。
技术实现要素:
(一)要解决的技术问题
本发明要解决的技术问题是解决现有的图像去雾方法处理过程复杂,无法达到实时性的要求的问题。
(二)技术方案
为了解决上述技术问题,本发明提供了一种图像去雾方法,包括:
s1、对采集到的源图像i(x)计算暗原色先验图像ida(x);
s2、对求得的暗原色先验图像ida(x)进行开运算处理,根据雾天图像模型和开运算处理后的结果
s3、根据开运算处理后的结果
s4、根据透射率预估值t'(x)和雾天图像模型计算去雾后图像。
优选地,所述步骤s1中计算暗原色先验图像ida(x),包括:以补丁域的方式选取最小值作为暗原色先验图像中对应补丁域的像素值,暗原色先验图像的像素值表示为:
其中,暗原色先验图像ida(x)表示像素点x的暗原色亮度,ω(x)表示以像素点x为中心的一个补丁域,y是属于补丁域ω(x)中的点群。
优选地,所述步骤s2中,采用如下公式计算大气光强a:
其中,
优选地,所述步骤s3中,采用如下公式计算透射率预估值t'(x):
优选地,所述步骤s1中先对源图像i(x)进行同态滤波处理,再计算暗原色先验图像ida(x)。
优选地,当采集到的源图像i(x)为彩色图像时:
所述步骤s1对采集到的源图像i(x)进行通道分离,分为r、g、b三个色彩通道,根据三个色彩通道计算源图像i(x)的暗原色先验图像ida(x);
且所述根据三个色彩通道计算源图像i(x)的暗原色先验图像ida(x)的步骤包括:分别提取单通道最小值,以补丁域的方式从三个单通道最小值中选取最小值作为暗原色先验图像中对应补丁域的像素值,暗原色先验图像的像素值表示为:
其中,暗原色先验图像ida(x)表示像素点x的暗原色亮度,上标c代表r、g、b三个色彩通道中的一个,ic(y)表示源图像i(y)在通道c上的单通道亮度,
优选地,所述步骤s2中,采用如下公式计算大气光强a:
其中,
所述步骤s3中,采用如下公式计算透射率预估值t'(x):
优选地,所述步骤s4中,先根据透射率预估值t'(x)分别计算三个色彩通道中的单通道去雾后图像;再合并三个色彩通道中的单通道去雾后图像,得到最终的去雾后图像。
优选地,所述步骤s1中,则先对分离后的r、g、b三个色彩通道分别进行同态滤波处理,再计算暗原色先验图像ida(x)。
本发明还提供了一种图像去雾装置,包括:
暗原色计算模块,用于对采集到的源图像i(x)求解暗原色先验图像ida(x);
大气光强求解模块,用于对求得的暗原色先验图像ida(x)进行开运算处理,根据雾天图像模型和开运算处理后的结果
透射率预估模块,用于根据开运算处理后的结果
去雾模块,用于根据透射率预估值t'(x)计算获得去雾后图像。
(三)有益效果
本发明的上述技术方案具有如下优点:本发明以物理模型的图像复原去雾方法为基础,提出了一种基于暗原色先验信息的图像去雾方法,包括:对采集到的源图像计算暗原色先验图像;对求得的暗原色先验图像进行开运算处理,根据雾天图像模型和开运算处理后的结果计算源图像的大气光强;根据开运算处理后的结果和大气光强得到源图像的透射率预估值;根据透射率预估值和雾天图像模型计算去雾后图像。该图像去雾方法优化了计算大气光强的方法,通过求解透射率预估值进行图像去雾,简化了图像去雾的运算过程,效果好且性能稳定,可有效改善图像质量,能够应用于视频图像并实现视频图像实时去雾还原。
本发明还提供了一种图像去雾装置,可有效简化图像去雾的处理过程,能够应用于视频图像并实现视频图像实时去雾还原。
附图说明
图1是本发明实施例一中图像去雾方法步骤示意图;
图2是本发明实施例三中图像去雾方法工作流程图;
图3是本发明实施例四中图像去雾装置结构示意图;
图4是本发明实施例四中图像去雾装置的一种硬件实现方式。
图中:100:暗原色计算模块;200:大气光强求解模块;300:透射率预估模块;400:去雾模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例提供了一种图像去雾方法,包括:
s1、对采集到的源图像i(x)计算暗原色先验图像ida(x);
s2、对求得的暗原色先验图像ida(x)进行开运算处理,根据雾天图像模型和开运算处理后的结果
s3、根据开运算处理后的结果
s4、根据透射率预估值t'(x)和雾天图像模型计算去雾后图像。
在天空晴朗无雾的情况下拍摄的影像中,每一个局部区域都很可能在至少r(红)、g(绿)、b(蓝)颜色通道中的一个通道上出现亮度很低的值,这个统计规律即为暗原色先验(darkchannelprior)。
由于雾在图像上显示时总是白灰色的,因此一旦拍摄设备工作时受到雾的影响,本来应该很暗的物体就会变得发白发灰。暗原色先验的理论还指出,户外大部分区域存在的那些在r、g、b中某个通道中亮度很弱像素点,称这样的像素点为暗像素(darkpixels)。因为在有雾图像中,这些暗像素的亮度主要来源于环境光。因此,这些暗像素可以直接提供准确的雾传输的估计测量。
根据大气散射模型,可得到雾天图像模型公式为:
i(x)=j(x)t(x)+a(1-t(x))=aρ(x)t(x)+a(1-t(x));
其中,i(x)为采集到的去雾前的源图像,j(x)为无雾气图像,即想要求得的去雾后图像,a为大气光强,ρ(x)为反射率,t(x)为光传输过程中介质透射率,介质透射率的公式为:t(x)=e-βd(x),β为大气散射系数,d(x)为图像场景深度。
由此可知,图像去雾方法的关键是计算大气光强a和介质透射率t(x),进而根据大气光强a和介质透射率t(x)求解无雾气图像j(x)。
将暗原色先验图像ida(x)带入雾天图像模型公式中,对两边进行开运算,可得到:
对于大气光强a,可知a的值大于
根据暗原色先验信息,经过开运算处理后,暗原色先验图像中的反射率
进而得到步骤s3中,可采用如下公式计算透射率预估值t'(x):
计算所得的透射率预估值t'(x)不大于实际的介质透射率t(x)中的值,
本发明所提供的图像去雾方法,根据雾天图像模型和开运算处理计算大气光强a和介质透射率t(x)的预估值t'(x),还原采集到的源图像i(x),得到去雾后图像j(x),该方法简化了还原图像的计算复杂度,提升了运算速度,能够有效降低运算的复杂度,提升图像处理速度。
实施例二
在实施例一所提供的图像去雾方法的基础上,本发明实施例二提供了针对非彩色图像的图像去雾方法,本发明实施例二与实施例一的相同之处不再赘述,不同之处在于:
步骤s1中计算暗原色先验图像ida(x)时,以补丁域的方式选取最小值作为暗原色先验图像中对应补丁域的像素值,暗原色先验图像的像素值表示为:
其中,暗原色先验图像ida(x)表示像素点x的暗原色亮度,ω(x)表示以像素点x为中心的一个补丁域,y是属于补丁域ω(x)中的点群。
优选地,步骤s1中可先对源图像i(x)进行同态滤波处理后,再计算暗原色先验图像ida(x)。采用同态滤波处理能够减少光照变化,并锐化边缘或细节。
步骤s2中,对求得的暗原色先验图像ida(x)进行开运算处理后,采用如下公式计算大气光强a:
其中,
由于参数α是根据经过开运算处理后的暗原色先验图像
实施例三
在实施例一所提供的图像去雾方法的基础上,本发明实施例三提供了针对彩色图像的图像去雾方法,本发明实施例三与实施例一的相同之处不再赘述,不同之处在于:
步骤s1中,求解暗原色先验图像ida(x)时,为加快运算速度,先分别提取单通道最小值,然后以补丁域的方式从三个单通道最小值中选取最小值作为暗原色先验图像中对应补丁域的像素值,暗原色先验图像的像素值表示为:
其中,暗原色先验图像ida(x)表示像素点x的暗原色亮度,上标c代表r、g、b三个色彩通道中的一个,ic(y)表示i(y)在通道c上的单通道亮度,
优选地,步骤s1中对采集到的源图像i(x)进行通道分离后,先对r、g、b三个色彩通道分别进行同态滤波处理,再计算暗原色先验图像ida(x)。
步骤s2中,采用如下公式计算大气光强a:
其中,
步骤s4中,先根据透射率预估值t'(x)分别计算三个色彩通道中的单通道去雾后图像,将求得透射率预估值t'(x)带回到雾天图像模型ic(x)=j(x)ct'(x)+a(1-t'(x))中,即可计算得到单通道去雾后图像jc(x);再合并三个色彩通道中的单通道去雾后图像,得到最终的去雾后图像。
优选地,可采用随机场模型将三个色彩通道的单通道去雾后图像结果归一化,得到最终的去雾后图像j(x)。采用该方法可实时处理640p彩色图像。
实施例四
如图2所示,在实施例二和实施例三所提供的图像去雾方法的基础上,本发明实施例四提供了一种图像去雾方法,本发明实施例四与实施例二和三的相同之处不再赘述,不同之处在于:
在步骤s1前还包括步骤s0:
判断采集到的源图像i(x)是否为彩色图像。
判断出源图像i(x)是否为彩色图像后再执行步骤s1。若源图像i(x)为非彩色图像,则采用实施例二提供的针对非彩色图像的图像去雾方法;若源图像i(x)为彩色图像,则采用实施例三提供的针对彩色图像的图像去雾方法。
实施例五
如图3所示,本实施例五提供了一种图像去雾装置,包括:暗原色计算模块100、大气光强求解模块200、透射率预估模块300和去雾模块400,其中:
暗原色计算模块100用于对采集到的源图像i(x)求解暗原色先验图像ida(x)。
大气光强求解模块200用于对求得的暗原色先验图像ida(x)进行开运算处理,根据雾天图像模型和开运算处理后的结果
透射率预估模块300用于根据开运算处理后的结果
去雾模块400用于根据透射率预估值t'(x)计算获得去雾后图像。
本发明所提供的图像去雾装置计算速度快,工作效率高,能够应用于视频图像去雾,并实现实时性去雾。
上述图像去雾装置还可移植到dsp等嵌入式系统中,进而集成到图像实时去雾系统。如图4所示,本发明实施例还提供了一种图像去雾装置的具体硬件实现方式,采用tms320c6678数字信号处理器作为主芯片进行处理,xc7k325tffg900集成电路作为现场可编程门阵列(fpga),tms320c6678与xc7k325tffg900之间通过srio*4和pcie*4连接。
当然,在其他实施例中,也可以采用其他的硬件实现本发明所提供的图像去雾方法及装置。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。