1、北京航空航天大學數字圖像處理 課程設計報告 圖像去霧霾班（）.1. 實現目標1、算法功能霧霾是特定氣候條件與人類活動相互作用的結果。高密度人口的經濟及社會活動必然會排放大量細顆粒物，一旦排放超過大氣循環(huán)能力和承載度，細顆粒物濃度將持續(xù)積聚，此時如果受靜穩(wěn)天氣等影響，極易出現大范圍霧霾。2、 技術指標去霧霾方式是推測每一個像素點的霧霾濃度，將其去除?，F實中給我們的印象是，在霧霾天氣下，近距離的物體看得比較清，霧霾的濃度??；遠距離的物體看不清，霧霾的濃度大?？梢哉f，霧霾圖像=清晰圖像+霧霾濃度。因此，為了準確恢復清晰圖像，我們必須估計圖像中物體所處位置的霧霾濃度，這是高性能去霧霾技術的關鍵所在。2

2、. 研究現狀分析1、 國內外研究現狀目前，國內外對于圖像去霧的方法主要分為兩大類，一類是基于大氣退化物理模型的方法,即從物理成因的角度對大氣散射作用進行建模分析，進而得到場景深度模型，實現場景復原，另一類是基于圖像增強的方法，也就是單純從圖像的角度考慮，無須借助其他設備或者參考圖像等輔助信息，直接利用圖像增強方法改善圖像質量，達到降低霧影響的目的。2、 目前存在的問題第一類方法一般需要復雜的建模過程，有些甚至還需要額外的特殊設備，或者需要無霧的圖像作為參考，實現過程比較困難。3、 算法描述基于暗原色先驗的單幅圖像去霧算法（使用opencv）首先求出每個像素RGB分量中的最小值，存入一副和原始圖

3、像大小相同的灰度圖中，然后再對這幅灰度圖進行最小值濾波，濾波的半徑由窗口大小決定，一般有WindowSize = 2 * Radius + 1; 根據霧圖成型模型，求出A，t(x)帶入求出J即可。暗原色先驗是通過對戶外無霧圖像的觀察得出的：在絕大多數非天空的局部區(qū)域里，某一些像素總會有至少一個顏色通道具有很低的值。換言之，該區(qū)域光強度的最小值是個很小的數。公式描述：J = ( I - A)/t + A 其中 I(X)就是我們現在已經有的圖像（待去霧的圖像），J(x)是我們要恢復的無霧的圖像，A是全球大氣光成分， t(x)為透射率。各參數對去霧結果的影響第一：窗口的大小。這個對結果來說是個關鍵的

4、參數，窗口越大，其包含暗通道的概率越大，暗通道也就越黑。我們不去從理論角度分析，從實踐的效果來看，似乎窗口越大，去霧的效果越不明顯。 我的建議是窗口大小在11-51之間，即半徑在5-25之間。式（12）中的具有著明顯的意義，其值越小，去霧效果越不明顯。當投射圖t 的值很小時，會導致J的值偏大，從而使淂圖像整體向白場過度，因此一般可設置一閾值T0，當t值小于T0時，令t=T0，本文中所有效果圖均以T0=0.1為標準計算。上述推論中都是假設全球達氣光A值時已知的，在實際中，我們可以借助于暗通道圖來從有霧圖像中獲取該值。具體步驟如下：1） 從暗通道圖中按照亮度的大小取前0.1%的像素。2） 在這些位

5、置中，在原始有霧圖像I中尋找對應的具有最高亮度的點的值，作為A值。4、 算法的實現主要算法：/求暗原色 ROI_rect.width=block;/rect.width獲取或設置矩形的寬度 ROI_rect.height=block;/高度；block 由滑動條給定 ROI_rect.x=0; ROI_rect.y=0; int i; int j; double min1=0; double max1=0; double min2=0; double max2=0; double min3=0; double max3=0; double min=0; CvScalar value;/CvSc

6、alar一個可以用來存放4個double數值的數組； /一般用來存放像素值（不一定是灰度值）的，最多可以存放4個通道的 for(i=0;iwidth/block;i+) for(j=0;jheight/block;j+) /分別計算三個通道內ROI的最小值 cvSetImageROI(dst1,ROI_rect);/ cvSetImageROI基于給定的矩形設置圖像的ROI cvCopy(dst1,imgroi1,NULL);/cvCopy 拷貝一個數組給另一個數組 cvMinMaxLoc(imgroi1,&min1,&max1,NULL,NULL); cvSetImageROI(dst2,R

7、OI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&min2,&max2,NULL,NULL);/cvMinMaxLoc 尋找數組中的最大最小值； cvSetImageROI(dst3,ROI_rect); cvCopy(dst3,imgroi3,NULL); cvMinMaxLoc(imgroi3,&min3,&max3,NULL,NULL); /求三個通道內最小值的最小值 if(min1min3) min=min3;/min為這個ROI中暗原色 value=cvScalar(min,min,min,min);/min放在val

8、ue中，三個就可以了。 /min賦予dark_channel中相應的ROI cvSetImageROI(dark_channel,ROI_rect); cvSet(roidark,value,NULL); cvCopy(roidark,dark_channel,NULL); /釋放各個ROI cvResetImageROI(dst1); cvResetImageROI(dst2); cvResetImageROI(dst3); cvResetImageROI(dark_channel); /轉入下一個ROI ROI_rect.x=block*i; ROI_rect.y=block*j; /保存

9、暗原色先驗的圖像 cvSaveImage(G:/課件/大三下/數字圖像處理/圖像處理作業(yè)/處理結果/dark_channel_prior.jpg,dark_channel);/利用得到的暗原色先驗dark_channel_prior.jpg求大氣光強 double min_dark; double max_dark; CvPoint min_loc; CvPoint max_loc;/max_loc是暗原色先驗最亮一小塊的原坐標 cvMinMaxLoc(dark_channel,&min_dark,&max_dark,&min_loc,&max_loc,NULL); coutmax_loc.x

10、 max_loc.yendl; ROI_rect.x=max_loc.x; ROI_rect.y=max_loc.y; double A_dst1;/定義大氣光成分的估計值 double dst1_min; double A_dst2; double dst2_min; double A_dst3; double dst3_min; cvSetImageROI(dst1,ROI_rect);/按照論文方法求大氣光強估計值 cvCopy(dst1,imgroi1,NULL); cvMinMaxLoc(imgroi1,&dst1_min,&A_dst1,NULL,NULL);/cvMinMaxLo

11、c 尋找數組中的最大最小值； cvSetImageROI(dst2,ROI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&dst2_min,&A_dst2,NULL,NULL);/從暗通道圖中按照亮度的大小取前0.1%的像素。在這些位置中，在原始有霧圖像I中尋找對應的具有最高亮度的點的值，作為A值。 cvSetImageROI(dst3,ROI_rect); cvCopy(dst3,imgroi3,NULL); cvMinMaxLoc(imgroi3,&dst3_min,&A_dst3,NULL,NULL); coutA_dst1

12、 A_dst2 A_dst3endl;/這三值為大氣光強度估計值/求透射率 int k; int l; CvScalar m; CvScalar n;/暗原色先驗各元素值 for(k=0;kheight;k+) for(l=0;lwidth;l+) m=cvGet2D(dark_channel,k,l);/獲取dark_channel圖像中坐標為（k,l）的像素點的值 n=cvScalar(255-w*m.val0); /w目的是保留一部分的霧,使圖像看起來真實些 cvSet2D(toushelv,k,l,n);/透射率是針對窗口而言的 cvSaveImage(G:/課件/大三下/數字圖像處理

13、/圖像處理作業(yè)/處理結果/toushelv.jpg,toushelv);/求無霧圖像 int p,q; double tx; double jj1,jj2,jj3; CvScalar ix,jx; for(p=0;pheight;p+) for(q=0;qwidth;q+) tx=cvGetReal2D(toushelv,p,q);/獲得某個點的值 tx=tx/255; if(tx0.1) tx=0.1;/tx 的值很小時，會導致J的值偏大，從而使淂圖像整體向白場過度，因此設置一閾值T0，當t值小于T0時，令t=T0. ix=cvGet2D(src,p,q); jj1=(ix.val0-A_d

14、st1)/tx+A_dst1;/根據霧產生模型運算,還原出無霧圖像 jj2=(ix.val1-A_dst2)/tx+A_dst2;/typedef struct CvScalardouble val4;CvScalar; jj3=(ix.val2-A_dst3)/tx+A_dst3; jx=cvScalar(jj1,jj2,jj3,0.0); cvSet2D(dst,p,q,jx);/ 給某個點賦值 cvSaveImage(G:/課件/大三下/數字圖像處理/圖像處理作業(yè)/處理結果/removed_haze.jpg,dst);/保存圖像/主函數如下void main() /打開圖像 src=cv

15、LoadImage(22.bmp,-1); /創(chuàng)造窗口 cvNamedWindow(有霧圖像,CV_WINDOW_AUTOSIZE);/cvNamedWindow該函數為開放計算機視覺（OpenCV）庫庫函數，用來創(chuàng)建指定的窗口 cvShowImage(有霧圖像,src);/開放計算機視覺（OpenCV）庫庫函數，用來在在指定窗口中顯示圖像 cvNamedWindow(目的圖像,CV_WINDOW_AUTOSIZE); cvCreateTrackbar(tbarname1, 目的圖像, &block, 25, on_trackbar1);/ 創(chuàng)建trackbar并將它添加到指定的窗口 cvCreateTrackbar(tbarname2, 目的圖像, &w1, 100, on_trackbar2);/由w取值范圍可以確定w1最大值為100 cvWaitKey(0);/cvWaitKey()函