-暗原色去霧霾處理c

1、北京航空航天大學(xué)數(shù)字圖像處理 課程設(shè)計(jì)報(bào)告 圖像去霧霾班（）.1. 實(shí)現(xiàn)目標(biāo)1、算法功能霧霾是特定氣候條件與人類活動(dòng)相互作用的結(jié)果。高密度人口的經(jīng)濟(jì)及社會(huì)活動(dòng)必然會(huì)排放大量細(xì)顆粒物，一旦排放超過大氣循環(huán)能力和承載度，細(xì)顆粒物濃度將持續(xù)積聚，此時(shí)如果受靜穩(wěn)天氣等影響，極易出現(xiàn)大范圍霧霾。2、 技術(shù)指標(biāo)去霧霾方式是推測(cè)每一個(gè)像素點(diǎn)的霧霾濃度，將其去除?，F(xiàn)實(shí)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?。贿h(yuǎn)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(zhǔn)確恢復(fù)清晰圖像，我們必須估計(jì)圖像中物體所處位置的霧霾濃度，這是高性能去霧霾技術(shù)的關(guān)鍵所在。2

2、. 研究現(xiàn)狀分析1、 國(guó)內(nèi)外研究現(xiàn)狀目前，國(guó)內(nèi)外對(duì)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(duì)大氣散射作用進(jìn)行建模分析，進(jìn)而得到場(chǎng)景深度模型，實(shí)現(xiàn)場(chǎng)景復(fù)原，另一類是基于圖像增強(qiáng)的方法，也就是單純從圖像的角度考慮，無須借助其他設(shè)備或者參考圖像等輔助信息，直接利用圖像增強(qiáng)方法改善圖像質(zhì)量，達(dá)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(fù)雜的建模過程，有些甚至還需要額外的特殊設(shè)備，或者需要無霧的圖像作為參考，實(shí)現(xiàn)過程比較困難。3、 算法描述基于暗原色先驗(yàn)的單幅圖像去霧算法（使用opencv）首先求出每個(gè)像素RGB分量中的最小值，存入

3、一副和原始圖像大小相同的灰度圖中，然后再對(duì)這幅灰度圖進(jìn)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(jù)霧圖成型模型，求出A，t(x)帶入求出J即可。暗原色先驗(yàn)是通過對(duì)戶外無霧圖像的觀察得出的：在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會(huì)有至少一個(gè)顏色通道具有很低的值。換言之，該區(qū)域光強(qiáng)度的最小值是個(gè)很小的數(shù)。公式描述：J = ( I - A)/t + A 其中 I(X)就是我們現(xiàn)在已經(jīng)有的圖像（待去霧的圖像），J(x)是我們要恢復(fù)的無霧的圖像，A是全球大氣光成分， t(x)為透射率。各參數(shù)對(duì)去霧結(jié)果的影響第一：窗口的大小。這個(gè)對(duì)結(jié)果來

4、說是個(gè)關(guān)鍵的參數(shù)，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(shí)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(dāng)投射圖t 的值很小時(shí)，會(huì)導(dǎo)致J的值偏大，從而使淂圖像整體向白場(chǎng)過度，因此一般可設(shè)置一閾值T0，當(dāng)t值小于T0時(shí)，令t=T0，本文中所有效果圖均以T0=0.1為標(biāo)準(zhǔn)計(jì)算。上述推論中都是假設(shè)全球達(dá)氣光A值時(shí)已知的，在實(shí)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

5、） 在這些位置中，在原始有霧圖像I中尋找對(duì)應(yīng)的具有最高亮度的點(diǎn)的值，作為A值。4、 算法的實(shí)現(xiàn)主要算法：/求暗原色 ROI_rect.width=block;/rect.width獲取或設(shè)置矩形的寬度 ROI_rect.height=block;/高度；block 由滑動(dòng)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

6、;/CvScalar一個(gè)可以用來存放4個(gè)double數(shù)值的數(shù)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(gè)通道的 for(i=0;i<src->width/block;i+) for(j=0;j<src->height/block;j+) /分別計(jì)算三個(gè)通道內(nèi)ROI的最小值 cvSetImageROI(dst1,ROI_rect);/ cvSetImageROI基于給定的矩形設(shè)置圖像的ROI cvCopy(dst1,imgroi1,NULL);/cvCopy 拷貝一個(gè)數(shù)組給另一個(gè)數(shù)組 cvMinMaxLoc(imgroi1,&min1,&

7、;max1,NULL,NULL); cvSetImageROI(dst2,ROI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&min2,&max2,NULL,NULL);/cvMinMaxLoc 尋找數(shù)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(gè)通道內(nèi)最小值的最小值 if(min1<min2) min=min

8、1; else min=min2; if(min>min3) min=min3;/min為這個(gè)ROI中暗原色 value=cvScalar(min,min,min,min);/min放在value中，三個(gè)就可以了。 /min賦予dark_channel中相應(yīng)的ROI cvSetImageROI(dark_channel,ROI_rect); cvSet(roidark,value,NULL); cvCopy(roidark,dark_channel,NULL); /釋放各個(gè)ROI cvResetImageROI(dst1); cvResetImageROI(dst2); cvResetI

9、mageROI(dst3); cvResetImageROI(dark_channel); /轉(zhuǎn)入下一個(gè)ROI ROI_rect.x=block*i; ROI_rect.y=block*j; /保存暗原色先驗(yàn)的圖像 cvSaveImage("G:/課件/大三下/數(shù)字圖像處理/圖像處理作業(yè)/處理結(jié)果/dark_channel_prior.jpg",dark_channel);/利用得到的暗原色先驗(yàn)dark_channel_prior.jpg求大氣光強(qiáng) double min_dark; double max_dark; CvPoint min_loc; CvPoint max_

10、loc;/max_loc是暗原色先驗(yàn)最亮一小塊的原坐標(biāo) cvMinMaxLoc(dark_channel,&min_dark,&max_dark,&min_loc,&max_loc,NULL); cout<<max_loc.x<<" "<<max_loc.y<<endl; 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(jì)值 double dst1_min; double A_dst2; double dst

11、2_min; double A_dst3; double dst3_min; cvSetImageROI(dst1,ROI_rect);/按照論文方法求大氣光強(qiáng)估計(jì)值 cvCopy(dst1,imgroi1,NULL); cvMinMaxLoc(imgroi1,&dst1_min,&A_dst1,NULL,NULL);/cvMinMaxLoc 尋找數(shù)組中的最大最小值； cvSetImageROI(dst2,ROI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&dst2_min,&A_dst2,NUL

12、L,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(duì)應(yīng)的具有最高亮度的點(diǎn)的值，作為A值。 cvSetImageROI(dst3,ROI_rect); cvCopy(dst3,imgroi3,NULL); cvMinMaxLoc(imgroi3,&dst3_min,&A_dst3,NULL,NULL); cout<<A_dst1<<" "<<A_dst2<<" "<<A_dst3<<endl;/這三值為大氣光強(qiáng)度估計(jì)值/

13、求透射率 int k; int l; CvScalar m; CvScalar n;/暗原色先驗(yàn)各元素值 for(k=0;k<src->height;k+) for(l=0;l<src->width;l+) m=cvGet2D(dark_channel,k,l);/獲取dark_channel圖像中坐標(biāo)為（k,l）的像素點(diǎn)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(shí)些 cvSet2D(toushelv,k,l,n);/透射率是針對(duì)窗口而言的 cvSaveImage("G:/課件/大三下/數(shù)字圖像處理/圖像

14、處理作業(yè)/處理結(jié)果/toushelv.jpg",toushelv);/求無霧圖像 int p,q; double tx; double jj1,jj2,jj3; CvScalar ix,jx; for(p=0;p<src->height;p+) for(q=0;q<src->width;q+) tx=cvGetReal2D(toushelv,p,q);/獲得某個(gè)點(diǎn)的值 tx=tx/255; if(tx<0.1) tx=0.1;/tx 的值很小時(shí)，會(huì)導(dǎo)致J的值偏大，從而使淂圖像整體向白場(chǎng)過度，因此設(shè)置一閾值T0，當(dāng)t值小于T0時(shí)，令t=T0. ix=cvG

15、et2D(src,p,q); jj1=(ix.val0-A_dst1)/tx+A_dst1;/根據(jù)霧產(chǎn)生模型運(yùn)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(gè)點(diǎn)賦值 cvSaveImage("G:/課件/大三下/數(shù)字圖像處理/圖像處理作業(yè)/處理結(jié)果/removed_haze.jpg&quo

16、t;,dst);/保存圖像/主函數(shù)如下void main() /打開圖像 src=cvLoadImage("22.bmp",-1); /創(chuàng)造窗口 cvNamedWindow("有霧圖像",CV_WINDOW_AUTOSIZE);/cvNamedWindow該函數(shù)為開放計(jì)算機(jī)視覺（OpenCV）庫(kù)庫(kù)函數(shù)，用來創(chuàng)建指定的窗口 cvShowImage("有霧圖像",src);/開放計(jì)算機(jī)視覺（OpenCV）庫(kù)庫(kù)函數(shù)，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);