图像去雾设计报告

课程设计——图像去雾一、设计目的1、通过查阅文献资料，了解几种图像去雾算法，；2、理解和掌握图像直方图均衡化增强用于去雾的原理和应用；3、理解和掌握图像退化的因素，设计图像复原的方法；4、比较分析不同方法的效果。

二、设计内容采用针对的有雾图像，完成以下工作：1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像；3、分析实验效果；4、写出具体的处理过程，并进行课堂交流展示。

三、设计要求1、小组合作完成；2、提交报告（*.doc ）、课堂交流的PPT（*.ppt ）和源代码。

四、设计原理(—)图像去雾基础原理1、雾霭的形成机理雾实际上是由悬浮颗粒在大气中的微小液滴构成的气溶胶，常呈现乳白色，其底部位于地球表面，所以也可以看作是接近地面的云。

霭其实跟雾区别不大，它的一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。

广义的雾包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。

由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的要求。

在雾的影响下，经过物体表面的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。

2、图像去雾算法图像去雾算法可以分为两大类：一类是图像增强；另一类是图像复原。

图1-1介绍了图像去雾算法的分类：图1-1去雾算法分类从图像呈现的低亮度和低对比度的特征考虑，采用增强的方法处理，即图像增强。

比较典型的有全局直方图均衡化，同态滤波，Retinex 算法，小波算法等等。

基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，实现场景复原，即图像复原。

运用最广泛、最权威的是由何凯明等人提出的暗通道先验的方法。

（1）图像增强技术为了改善视觉效果或者便于人们对图像的判别和分析，根据图像的特征采取简单的改善方法或者加强特征的措施叫做图像增强。

图像增强可分为两大类：频率域法和空间域法。

空间域处理主要包括：点处理，模块处理即领域处理。

频率域处理主要包括：高、低通滤波、同态滤波等等。

图像增强可分为两大类：频率域法和空间域法。

空间域处理主要包括：点处理，模块处理即领域处理。

频率域处理主要包括：高、低通滤波、同态滤波等等。

（2）图像复原技术从广义上讲，图像复原是一个求逆问题，逆问题经常存在非唯一解，甚至无解。

图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像，这种恢复过程在很多图像处理中的应用十分重要。

为了更好的对图像复原的理解，图1-2为图像复原的流程图：图1-2图像复原流程图其中g(x,y)为降质图像函数，f(x,y)为真实图像函数。

图像复原技术可以分为以下几类：1) 在给定退化模型条件下，分为无约束和有约束两大类2) 根据是否需要外界干预，分为自动和交互两大类。

3) 根据处理所在的域，分为频率域和空间域。

(二)从图像增强角度去雾基于直方图均衡化的算法以概率论为基础， 用灰度变换达到图像 增强的目的，是图像增强中最常用的算法之一。

直方图均衡化处理的 “中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间 变成在全部灰度范围内的均匀分布。

1、图像灰度直方图定义一：一个灰度级在范围［0, L-1］的数字图像，其直方图是个离散函数p(?0 = n t /7ig(^y)复原滤波器n 是图像的像素总数，叫是團像中第k 个灰度级的像霜总数，咚是滴 k 个灰度级，血=0丄2…•丄一1。

定义二：一个灰度级在范围［0丄-1］的数字图像，其直方图是一个离散函数pCnt) = % k = 0,1.2, “ L-i由于氐的增量是1,直方图可以表示为：p(k 〕= n k即图像中不同灰度级像素的出现次数。

2、直方图变换的理论基础设连续图像的概率分布为:其中r 为灰度r rMET [ F(r)dr — 1其中A 为图像的面积。

均衡化过程分析:设r 和s 分别表示原图像灰度级和经直方图均衡化后的图像灰度P(r) = lini A(r + Ar) — A fr)级，为便于讨论，对r和s进行归一化，使：0茎r』叵1 ;对于一幅给定的图像，归一化后灰度级分布在0 <r< 1范围内。

对［0,1］区间内的任意一个r值进行如下变换：s = T(r)该变换式应满足条件：(1)对于0 Vr兰1，有兰1(2)在0兰1笄< 1区间内从s到r的反变换用下式表示r的概率密度为耳(巧；s的概率密度可由耳(叮求出瓦(X)=MP茶(巧? 一圻、ds r = T1(s)假定变换函数为s = T(r) = I p r式中：w是积分变量，而^p r (w)dw就是r的累积分布函数。

下图为直方图均衡化的过程，体现了“均衡”的含义：即概率密度的均匀。

(a)是某一图像的的灰度分布(b)是该图进行直方图均衡化后的灰度分布图1-3 图像灰度分布给出灰度级在图像中出现的概率密度统计在MATLA中，imhist函数可以显示一幅图像的直方图。

其常见调用方法如下：imhist(I)其中I是图像矩阵，该函数返回一幅图像，显示I的直方图。

通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮，灰度层次不丰富的情况，这种技术叫直方图均衡化。

在MATLAB^,用于直方图均衡化的函数是histeq,它的常见调用方式如下：J=histep(l)其中，I为输入的原图像，J是直方图均衡化后的图像。

3、直方图均衡化的算法步骤直方图均衡化的算法步骤如下:1）列出原始图像和变换后图像的灰度级：.，.；匚一一L 一，其中一是灰度级的个数；2）统计原图像各灰度级的像素个数•：；3）计算原始图像直方图:"匕二厂为原始图像像素总个数；4）利用灰度变换函数计算变换后的灰度值，并四舍五入:. w 仃•〔:.£］；5）确定灰度变换关系；「h根据此将原图像的灰度值■- " 修正为:讥丁—：统计变换后各灰度级的像素个数：；6）计算变换后图像的直方图：叭泗图1-4 直方图均衡化示意图4、直方图均衡化的优缺点（1）优点:操作相当直观并且为可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。

可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

（2）缺点：变换后图像的灰度级减少，某些细节消失；某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。

（二）从图像复原角度去雾说到图像去雾，就不得不提到由何恺明博士等人提出的基于暗通道的图像去雾算法。

这个算法因其新颖的思路和理想的效果而广受关注，相关论文也曾于2009年荣获CVPR最佳论文奖，同时也是该奖设立以来，首次由亚洲学者获此殊荣。

随着大气污染的日益严重，设法改善自动获取的图像质量其意义不言而喻。

另一方面，随着数码设备的普及，消费类电子产品的市场也催生出许多新的需求，其中人们对所拍照片质量的修正和优化就是一个显而易见的需求。

首先对于有雾气象状况下的大气物理退化模型，如图1-5所示:图1-5大气物理退化模型通过估算参数，反演退化过程，获得退化前的场景清晰图像。

场景目标反射光强经过雾区，会受到雾霾颗粒的强散射和吸收作用，到达探测器的光强会受到影响。

1、暗通道概念在绝大多数非天空的局部区域里，某些像素总会有至少一个颜色通道具有很低的之。

换言之，该区域光强度的最小值诗格很小的数。

下面给暗通道一个数学定义，对于任意的输入图像J,其暗通道可以用下式表达：严％）=勰隔r其中「表示彩色图像的每个通道，购凶表示以像素丨为中心的一个窗口。

暗通道先验的理论指出也就是说以像素点■:•为中心，分别取三个通道内窗口内的最小值，然后再取三个通道的最小值作为像素点；的暗通道的值，如图1-6所示:图1-6取暗通道值实际生活中造成暗原色中低通道值的因素有很多。

例如，汽车、建筑物和城市中玻璃窗户的阴影，或者是树叶、树与岩石等自然景观的投影；色彩鲜艳的物体或表面，在RGB导三个通道中有些通道的值很低（比如绿色的草地、树木等植物，红色或黄色的花朵、果实或者叶子，或者蓝色、绿色的水面）；颜色较暗的物体或者表面，例如灰暗色的树干、石头以及路面。

总之，自然景物中到处都是阴影活着彩色，这些经无图像的暗原色总是表现出较为灰暗的状态。

暗原色先验是对户外无雾图像库的统计得出的规律。

在不包括天空的绝大部分局部区域，总会存在一些称之为“ dark pixels ”的像素, 至少有一个颜色通道具备很低的强度值。

在被雾干扰的图像里，这些暗像素的强度值会被大气中的白光成分所充斥而变得较高。

欢迎下载ii2、暗通道去雾的原理首先，在计算机视觉和计算机图形中，下述方程所描述的雾图像 形成模型被广泛使用：/(r)二/(x)t(jtJ + A[1 — t(x)]其中•就是现在已经有的待去雾图像，；•是要恢复的无雾图像，参数「是全球大气光成分，隊＞0为透射率。

现在的已知条件就 是;，要求目标值「。

根据基本的代数知识可知这是一个有无数 解的方程。

只有在一些先验信息基础上才能求出定解将上式稍作处理，变形为下式:首先假设在每一个窗口内透射率跳瑞为常数，将其定义为 辽",并且••值已经给定，然后对上式两边求两次最小值运算，得到下式:根据前述的暗原色先验理论有:I dark CO = rain可推导出把结论带回原式中，得到:=F⑴吕斗 1 -心)linn ■严CO linn ----- G A r =t(x) min + 1 - f (T ).min =0fCx) = 1这就是透射率.「的预估值透射率还可表示为隧沔—『糾號，：•为大气的散射系数，该式表明景物光线是随着景物深度♦按指数衰减的。

在现实生活中，即便是晴天白云，空气中也存在着一些颗粒，因此，看远处的物体还是能感觉到雾的影响。

此外，无得存在让人感到景深的存在，有必要在去雾的时候保留一定程度的雾。

这可以通过在上式中引入一个在［0,1］之间的因子来实现，则上式修正为：和、巾-\t\jc）= 1 —CD mm min——上述推论中都是假设全球大气光•:值是已知的，在实际中，可以借助暗通道图来从有雾图像中获取该值。

具体步骤大致为：1）首先从暗通道图中按照亮度的大小提取最亮的前0.1%像素；2）在原始有雾图像。

中寻找对应位置上的具有最高亮度的点的值，并以此作为…的值当考虑投射图「值很小时，会导致「的值偏大，从而使图像整体向白场过渡，因此一般可以设置一个阈值；.,当:值小于I .时，令]■：. 0因此，最终的图像恢复公式如下：/（T）—A= —+ 虫max[t（Xh t0]当透射率图过于粗糙时，对应暗通道图中颜色较深的部分边缘明显不协调，为了获得更为精细的透射率图，何凯明提出了“soft matting ”方法，能得到非常细腻的结果，但是该算法的一个致命弱点就是速度慢，所以何在利用导向滤波的方式来获得较好的透射率图过程中使用简单的盒子滤波相应的快速算法。