1、課程設(shè)計圖像去霧一、設(shè)計目的1、通過查閱文獻(xiàn)資料，了解幾種圖像去霧算法，；2、理解和掌握圖像直方圖均衡化增強(qiáng)用于去霧的原理和應(yīng)用；3、理解和掌握圖像退化的因素，設(shè)計圖像復(fù)原的方法；4、比較分析不同方法的效果。二、設(shè)計內(nèi)容 采用針對的有霧圖像，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)計一種圖像復(fù)原方法，對比該復(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)驗效果；4、寫出具體的處理過程，并進(jìn)行課堂交流展示。三、設(shè)計要求1、小組合作完成；2、提交報告（*.doc）、課堂交流的ppt（*.ppt）和源代碼。四、

2、設(shè)計原理（一）圖像去霧基礎(chǔ)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，其底部位于地球表面，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)過物體表面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

3、 去霧算法分類從圖像呈現(xiàn)的低亮度和低對比度的特征考慮，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，retinex 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大氣散射作用進(jìn)行建模分析，實(shí)現(xiàn)場景復(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圖像的判別和分析，根據(jù)圖像的特征采取簡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

4、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。（2）圖像復(fù)原技術(shù)從廣義上講，圖像復(fù)原是一個求逆問題，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)(x,y)為降質(zhì)圖像函數(shù)，f(x,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)，分為自動和交互兩大類。3）根

5、據(jù)處理所在的域，分為頻率域和空間域。（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基礎(chǔ)，用灰度變換達(dá)到圖像增強(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某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。1、圖像灰度直方圖定義一：一個灰度級在范圍0,l-1的數(shù)字圖像，其直方圖是一個離散函數(shù)prk=nk/nn是圖像的像素總數(shù)，nk是圖像中第k個灰度級的像素總數(shù)，rk是滴k個灰度級， k=0,1,2,l-1。定義二：一個灰度級在范圍0,l-1的數(shù)字圖像，其直方圖是一個離散函數(shù)prk=nk k=0,1,2,l-1由于rk的增量是1，直方

6、圖可以表示為：pk=nk 即圖像中不同灰度級像素的出現(xiàn)次數(shù)。2、直方圖變換的理論基礎(chǔ)設(shè)連續(xù)圖像的概率分布為：pr=limr0ar+r-a(r)ra 0r1其中r為灰度rminrmaxprdr=1其中a為圖像的面積。均衡化過程分析：設(shè)r和s分別表示原圖像灰度級和經(jīng)直方圖均衡化后的圖像灰度級，為便于討論，對r和s進(jìn)行歸一化，使：0r,s1；對于一幅給定的圖像，歸一化后灰度級分布在0r1范圍內(nèi)。對0,1區(qū)間內(nèi)的任意一個r值進(jìn)行如下變換：s=t(r)該變換式應(yīng)滿足條件：（1） 對于0r1，有0s1（2） 在0r,s1區(qū)間內(nèi)從s到r的反變換用下式表示r=t-1(s)r的概率密度為pr(r)；s的概率密度

7、可由pr(r)求出pss=prrdrdsr=t-1s假定變換函數(shù)為s=tr=0rpr(w)dw式中：w是積分變量，而0rpr(w)dw就是r的累積分布函數(shù)。下圖為直方圖均衡化的過程，體現(xiàn)了“均衡”的含義：即概率密度的均勻。 (a)是某一圖像的的灰度分布(b)是該圖進(jìn)行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rk在圖像中出現(xiàn)的概率密度統(tǒng)計在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：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

8、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：i，j=0,1,l-1,其中l(wèi)是灰度級的個數(shù)；2）統(tǒng)計原圖像各灰度級的像素個數(shù)ni;3）計算原始圖像直方圖：p(i)=ni/n,n為原始圖像像素總個數(shù)；4）利用灰度變換函數(shù)計算變換后的灰度值，并四舍五入：j=int(l-1)p(i)+0.5；5）確定灰度變換關(guān)系ij,根據(jù)此將原圖像的灰度值f(m,n)=i修正為g

9、(m,n)=j統(tǒng)計變換后各灰度級的像素個數(shù)nj；6）計算變換后圖像的直方圖：p(j)=nj/n。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，如果已知均衡化函數(shù)，那么就可以恢復(fù)原始的直方圖，并且計算量也不大?？梢杂糜谠鰪?qiáng)局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴(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減少，某些細(xì)節(jié)消失；某些圖像，如直方圖有高峰，經(jīng)處理后對比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。這個算法因其新穎的思路和理想的效果而廣受關(guān)

10、注，相關(guān)論文也曾于2009年榮獲cvpr最佳論文獎，同時也是該獎設(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)品的市場也催生出許多新的需求，其中人們對所拍照片質(zhì)量的修正和優(yōu)化就是一個顯而易見的需求。 首先對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，獲得退化前的場景清晰圖像。場景目標(biāo)反射光強(qiáng)經(jīng)過霧區(qū)，會受到霧霾顆粒的強(qiáng)散射和吸收作用，到達(dá)探測器的光強(qiáng)會受到影響。1、暗通道概念在絕大多數(shù)非天空的局部區(qū)域里，某些像素總會有至少一個顏色通道具有

11、很低的之。換言之，該區(qū)域光強(qiáng)度的最小值詩格很小的數(shù)。下面給暗通道一個數(shù)學(xué)定義，對于任意的輸入圖像j，其暗通道可以用下式表達(dá)：jdarkx=miny(x)mincr,g,bjcy其中jc表示彩色圖像的每個通道，(x)表示以像素x為中心的一個窗口。 暗通道先驗的理論指出jdark0也就是說以像素點(diǎn)x為中心，分別取三個通道內(nèi)窗口內(nèi)的最小值，然后再取三個通道的最小值作為像素點(diǎn)x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；色彩鮮艷的物體或表面，在rgb得三個通道中有些通道的

12、值很低（比如綠色的草地、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）；顏色較暗的物體或者表面，例如灰暗色的樹干、石頭以及路面?？傊匀痪拔镏械教幎际顷幱盎钪噬?，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)。 暗原色先驗是對戶外無霧圖像庫的統(tǒng)計得出的規(guī)律。在不包括天空的絕大部分局部區(qū)域，總會存在一些稱之為“dark pixels”的像素，至少有一個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)度值會被大氣中的白光成分所充斥而變得較高。2、暗通道去霧的原理首先，在計算機(jī)視覺和計算機(jī)圖形中，下述方程所描述的霧圖像形成模型被廣泛使用：ix=jxtx+a1-t(x

13、) 其中，ix就是現(xiàn)在已經(jīng)有的待去霧圖像，jx是要恢復(fù)的無霧圖像，參數(shù)a是全球大氣光成分，tx為透射率?，F(xiàn)在的已知條件就是ix，要求目標(biāo)值jx。根據(jù)基本的代數(shù)知識可知這是一個有無數(shù)解的方程。只有在一些先驗信息基礎(chǔ)上才能求出定解。 將上式稍作處理，變形為下式：icxac=txjcxac+1-t(x) 首先假設(shè)在每一個窗口內(nèi)透射率tx為常數(shù)，將其定義為tx，并且a值已經(jīng)給定，然后對上式兩邊求兩次最小值運(yùn)算，得到下式：miny(x)mincicxac=txminy(x)mincjcxac+1-tx根據(jù)前述的暗原色先驗理論有：jdarkx=miny(x)mincr,g,bjcy=0可推導(dǎo)出miny(x

14、)mincjcxac=0把結(jié)論帶回原式中，得到：tx=1-miny(x)mincicxac這就是透射率tx的預(yù)估值。 透射率還可表示為tx=e-d(x),為大氣的散射系數(shù)，該式表明景物光線是隨著景物深度d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，有必要在去霧的時候保留一定程度的霧。這可以通過在上式中引入一個在0,1之間的因子來實(shí)現(xiàn)，則上式修正為：tx=1-miny(x)mincicxac 上述推論中都是假設(shè)全球大氣光a值是已知的，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

15、：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i中尋找對應(yīng)位置上的具有最高亮度的點(diǎn)的值，并以此作為a的值。 當(dāng)考慮投射圖t值很小時，會導(dǎo)致j的值偏大，從而使圖像整體向白場過渡，因此一般可以設(shè)置一個閾值t0，當(dāng)t值小于t0時，令t=t0。因此，最終的圖像恢復(fù)公式如下：j(x)=ix-amaxt(x),t0+a當(dāng)透射率圖過于粗糙時，對應(yīng)暗通道圖中顏色較深的部分邊緣明顯不協(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，但是該算法的一個致命弱點(diǎn)就是速度慢，所以何在利用導(dǎo)向濾波的方式來獲得較好的透射率圖過程中使用簡單

16、的盒子濾波相應(yīng)的快速算法。五、設(shè)計步驟（一）基于直方圖均衡化的圖像去霧算法1、轉(zhuǎn)換為灰度圖像后對圖像進(jìn)行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)行圖像增強(qiáng)。簡要過程如圖2-1所示。圖2-1 rgb轉(zhuǎn)灰度圖像進(jìn)行直方圖均衡化過程（1） 讀入圖像，將彩色圖像進(jìn)行降維轉(zhuǎn)換成灰度圖像；（2） 對灰度圖像的直方圖進(jìn)行均衡化處理；（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，于是從不同空間對圖像進(jìn)行均衡化處理。2、在rgb空間對圖像進(jìn)行直方圖均衡（流程如圖2-2）（1） 讀入圖像，將圖像存儲于rgb空間；（2） 分別對rgb空間的r、g、

17、b三個分量的灰度直方圖進(jìn)行均衡化處理；（3） 輸出圖像。圖2-2 在rgb空間對圖像進(jìn)行直方圖均衡3、在hsv空間對圖像進(jìn)行直方圖均衡（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hsv空間飽和度和亮度分量（s、v分量）的灰度直方圖進(jìn)行均衡化處理；（3） 將圖像由hsv空間轉(zhuǎn)換到rgb空間并輸出。圖2-3 在hsi空間對圖像進(jìn)行直方圖均衡4、在ycrcb空間對圖像進(jìn)行直方圖均衡（流程如圖2-4）（1） 讀入圖像，將圖像由rgb空間轉(zhuǎn)換到y(tǒng)crcb空間；（2） 對ycrcb空間亮度分量（y分量）的灰度直方圖進(jìn)行均衡化處理；（3） 將圖像由ycrcb空間轉(zhuǎn)換到r

18、gb空間并輸出圖像。圖2-4 在ycrcb空間對圖像進(jìn)行直方圖均衡（二）基于暗通道先驗的圖像去霧算法 根據(jù)何凱明的暗通道先驗算法原理，大致的流程如圖2-6所示。圖2-6 暗通道先驗過程圖（1）根據(jù)原始有霧圖像求暗通道用for循環(huán)求出每個像素rgb分量中的最小值，存入一副和原始圖像大小相同的灰度圖中，然后再對這副灰度圖使用ordfilt2進(jìn)行最小值濾波，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jdark內(nèi)圖像總像素點(diǎn)個數(shù)千分之一個最亮的像素點(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的三個通道內(nèi)找到這些像素點(diǎn)并加和。 考慮到這個思路在matlab實(shí)現(xiàn)中

19、在尋找這些像素點(diǎn)時，會找到不止1000點(diǎn)，因為在圖像中有很多值相等的像素點(diǎn)；為了方便計算，在求a時取最亮值的點(diǎn)集中的某一個點(diǎn)。（3）求透射率t(x)首先設(shè)定原始程序中去霧系數(shù)=0.95，根據(jù)公式先對透射率有一個預(yù)估；接下來利用導(dǎo)向濾波（guided filter）來對透射率圖。以原始圖像的其中一個通道為引導(dǎo)圖，使得透射率圖的細(xì)節(jié)更加準(zhǔn)確。而為了提高計算速度，在導(dǎo)向濾波中使用盒子濾波器（box filter），其本質(zhì)是通過下采樣減少像素點(diǎn)，計算后再進(jìn)行上采樣恢復(fù)到原有的尺寸大小。（4）求解無霧圖像 根據(jù)公式j(luò)x=ix-amaxtx,t0+a求解出去霧的圖像即可。在初始程序中采用t0=0.1為標(biāo)準(zhǔn)

20、計算。六、設(shè)計結(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，該算法以概率論為基礎(chǔ)，基于空間不變思想，運(yùn)用灰度運(yùn)算來實(shí)現(xiàn)直方圖的變換，從而達(dá)到增強(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)驗中局部均衡方法去霧效果比較差，所以不對該方法進(jìn)行贅述）。全局直方圖均衡化算法實(shí)現(xiàn)簡單，對單景深圖像的復(fù)原效果較好，但對于場景深度多變的圖像的復(fù)原效果好，但是對于場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區(qū)域的對比度都能得到很大的改善，但是同時這種方法也將灰

21、度變化緩慢的區(qū)域，如天空等也進(jìn)行了誤增強(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1(b) 有霧圖像2圖3-1 有霧圖像對全局均衡結(jié)果圖的效果進(jìn)行分析（程序zft.m）：對有霧圖像rgb通道進(jìn)行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rgb通道進(jìn)行均衡化處理結(jié)果圖3-2 對rgb通道進(jìn)行均衡化結(jié)果及其直方圖前后對比將只對hsi空間的亮度分量i通道和對hsi空間的亮度、飽和度分量i、s通道進(jìn)行均衡化，通道進(jìn)行的均衡化處理的圖像顏色對比度明顯發(fā)

22、生的變化，第二種顏色過于鮮艷而發(fā)生畸變，第一種較rgb均衡方式的顏色對比度較差，且樹葉處畸變較差結(jié)果如圖3-3。圖3-3 對hsi通道進(jìn)行均衡化處理結(jié)果圖3-4 對hsi通道進(jìn)行均衡化前后結(jié)果對比及其直方圖對ycrcb空間的亮度分量y通道進(jìn)行均衡處理，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ycrcb通道進(jìn)行均衡化處理結(jié)果圖3-6 對ycrcb通道進(jìn)行均衡化結(jié)果前后對比及其直方圖當(dāng)考慮將rgb圖像轉(zhuǎn)變?yōu)榛叶葓D像在進(jìn)行直方圖均衡化的結(jié)果如圖3-7所示，圖3-7 對灰度進(jìn)行均衡化結(jié)果前后對比及其直方圖圖3-8 對灰度進(jìn)行均衡化結(jié)果前

23、后對比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，圖3-8 對灰度進(jìn)行均衡化結(jié)果前后對比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灰度變化不大的樹葉和天空處理效果較差，但是對于建筑物等灰度變化較大的區(qū)域效果還是不錯的。直方圖均衡化通過使用累積函數(shù)對灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對比度的增強(qiáng)。具體說來，即把原圖像對應(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)換變成在全部灰度范圍內(nèi)的均勻分布。就是對圖

24、像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。通過使用累積函數(shù)對灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對比度的增強(qiáng)，一定程度上使暗的地方更暗、亮的地方更亮，從而在視覺上達(dá)到去霧的效果。但是上面的去霧效果僅僅局限于灰度圖片，而不能直接對彩色圖像進(jìn)行處理。經(jīng)過上述直方圖處理后，達(dá)到均衡化圖像的目的，但是圖像會在原圖基礎(chǔ)上失真，即整幅圖像的顏色發(fā)生改變，有時會嚴(yán)重偏離去霧的初衷。（二）基于暗通道先驗的圖像去霧算法1、實(shí)驗過程結(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

25、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盡可能保留無霧區(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t(x)圖4-3 圖像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)向濾波函數(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于rgb通道進(jìn)行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。去霧后的圖像會比原始的暗，因此在處理完后最好進(jìn)行一定的

26、曝光增強(qiáng)，但由于視覺上的效果還不錯，我們選擇不進(jìn)行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算法去霧的優(yōu)點(diǎn)，對于無霧區(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區(qū)域的改變。2、影響暗通道先驗算法去霧效果的參數(shù)研究計算的標(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?。ㄐ纬砂低ǖ赖臑V波半徑）r93透射率窗口大?。▽?dǎo)向半徑）r804透射率下限值 t00.15eps10-3（1）去霧系數(shù)粗透射率為tx=1-miny(x)mincicxac越大，去霧程度越大，圖像對比度顯得越暗；反之越小，去霧越不徹底，圖像越泛白。一般取(0.9,0.98)

27、。 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去霧前后對比圖像（2）濾波窗口大小xx越小，選取的細(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；x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波窗口去霧前后對比圖像圖4-14 圖像2改

28、變?yōu)V波窗口去霧前后對比圖像（3）透射率窗口大?。▽?dǎo)向半徑）r當(dāng)r比較小的時候，在透射率圖中基本看不到什么細(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)類似于軟摳圖不精確的后果。如下圖所示：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r的取值不小于進(jìn)行最小值濾波的半徑的4倍，如此次實(shí)驗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

29、的值會使得去霧時邊緣能夠過渡得好些，提升最終去霧效果。3、該算法的不足對于提供的兩幅有霧圖像進(jìn)行去霧完成后，當(dāng)改用其他圖像驗證算法時發(fā)現(xiàn)了該算法存在的問題。對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 雪景圖像去霧對于有大面積天空區(qū)域的有霧圖像，在天空中的部分，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，建筑物部分，仍可以完成去霧的。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)取景對象在較大范圍內(nèi)和天空接近并且沒有陰影覆蓋的時候，暗原色的猜想不成立。（三）對比兩種去霧算法直方圖均衡化暗通道先驗優(yōu)點(diǎn)對去霧圖像沒有要求不僅

30、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)去霧后的圖像或為灰色圖像或產(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)域直方圖均衡化對于灰度圖像去霧效果比較好，而暗原色先驗對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圖像給予的信息，并作出正確的判斷。暗原色先驗明顯的去除霧的干擾,提高圖像的清晰度,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景的圖像去

31、霧，無論霧的分布均勻與否，霧的濃度薄或濃，場景中深度變壞如何，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，暗原色先驗是一種統(tǒng)計的結(jié)果，是對大量戶外無霧照片的統(tǒng)計結(jié)果，如果目標(biāo)場景內(nèi)在的就和大氣光類似，比如雪地、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，而對于一般的風(fēng)景照片這個算法能處理的不錯。另外，由于景物退化與場景深度呈非線性關(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基礎(chǔ)上，并受到了此類模型的限制。七、思考與感悟 本次設(shè)

32、計課程共歷時五個半天，在這不算長的時間里，小組內(nèi)的每一個成員都熱情參與，積極配合。這是一個很好的團(tuán)隊，也展現(xiàn)出非常強(qiáng)大的力量，大家分工明確，各展所長。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)驗中主要從圖像增強(qiáng)和圖像復(fù)原的兩個角度，進(jìn)行圖像去霧處理，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)驗原理和結(jié)果分析中的參數(shù)影響上，并在觀察實(shí)驗結(jié)果的過程中發(fā)現(xiàn)了一些問題，有的解決了，例如對透射率細(xì)化的設(shè)計理解，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)計驗證實(shí)驗的過程中收獲了很多知識，感覺很滿足。生活中采集到的圖像還會有很多不

33、完美的地方例如畸變、旋轉(zhuǎn)、間斷、霧霾、亮度不合適等等，這就需要通過一系列手段來對圖像進(jìn)行處理，本次實(shí)驗對有霧污染的圖像進(jìn)行了處理，希望以后還會有機(jī)會在這個優(yōu)秀的團(tuán)隊進(jìn)行相關(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)計圖片2.bmp);%-%對飽和度與亮度進(jìn)行直方圖均衡處理%h：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)

34、;result_hsv=hsv2rgb(h,s,v);result_hsv1=rgb2gray(result_hsv);%-% 對rgb每個通道進(jìn)行直方圖均衡處理% 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,b);%將rgb三個分量放入一個矩陣result_rgb1=rgb2gray(result_rgb);%-% 對ycbcr的亮度進(jìn)行直方圖均衡處理%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

35、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三個分量放入一個矩陣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),im

36、show(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(result_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

37、),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),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景暗通道優(yōu)先法則的基礎(chǔ)上的去霧方法%其實(shí)就是解

38、一個方程：i(x)=j(x)t(x)+a(1-t(x)%其中i(x)是受到霧氣污染的圖像,j(x)是我們需要求的去霧后的圖像%t(x)是天空中云層的透射分布率，a是天空的亮度%=close all;clear all;img_name = imread(e:report課程設(shè)計圖片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%-%計算暗通道%將三個通道中最暗

39、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:w win_dark(i,j) = min(i(i,j,:); end endwin_dark = ordfilt2(win_dark,1,ones(9,9),symmetric); %9*9最小值濾波%-%計算大氣亮度adark_channel = win_dark;a = max(max(dark_channel);i0,j0 = find(dark_channel=a);i = i0(1);j = j0(1);a = mean(i(i,j,:);%-%計算透射率t(x)transmission

40、= 1-w0*win_dark/a; %透射率預(yù)估gray_i = i(:,:,3); %這里gray_i可以是rgb圖像中任何一個通道p = transmission; %透射率圖r = 50;eps = 10-3;transmission_filter = guidedfilter(gray_i,p,r,eps);%用guided filter對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 = max(t0,transmission_filter);%-for i=1:c for j=1:h for l=1:w dehaze(

41、j,l,i)=(i(j,l,i)-a)/t1(j,l)+a; %無霧圖像恢復(fù) end endend%-%顯示圖像figuresubplot(121)imshow(win_dark);title(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)向濾波函數(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 = boxfilter(ones(hei,wi