至于《半反去雾算法》一和平之四宗罪。

*********************************笔者:
laviewpbt   时间: 2013.12.15   联系QQ:  33184777
 转载请保留本行信息*************************

   
对于公式7,杂文从无称精晓公式中周密的盘算办法,并且这种增长对于层的有雾区域非凡轻精通,而这么些当各级层都认清为无雾的区域拓展叠加的晚的机能应是尚未另外变动啊,为啥当舆论的图5中,这有些底水彩显然有变动为。

 美学原理 1

  那么随着提议杂谈的几乎特别题材:

    
于算无雾图像时,其紧要公式为6暨7,对于公式6,大家看杂谈被针对Ci的取值分别吗0.2,0.4,0.6,0.8,1,我觉着,这一个取值显明不客观,当Ci取值较丰硕时,Ci*A的价也便更是怪,此时公式拿到层图像全部就更为偏暗,如若求得的大气光A接近白色,那么对层图像举行所谓的半反求取来雾区域虽更换得毫无意义了。而且针对性杂谈的图5中之八只结实,依照自家自己的编程结果阐明,只恐是以Ci=0,0.1,0.2,0.3紧邻取的,这声明作者是针对性这个系数做有意的不说。

     
其次,这些先验是否制造吧,因为凡先验,大家当然不求该100%还对,有只80%尽管多了,可自我本着失雾相关杂文里的一对常用图片展开测试,很多还不可以拿到理想的结果。

   在请大气光的长河中,作者有及时句话:In
order to mask the most haze-opaque areas, we perform the same
procedure,but with the intensity of the semi-inverse increased by a
factor ξ (with a default value of ξ =0.3)。为何这边要把intensity
的价长一些,然后何为intensity(要清楚者有N多种定义方法),我实际做不知情扩展这来哪目标。然后真的以求半反图中不为mask的局部搜索最充裕之intensity值时,也是诸多问号,因为太要命的intensity值有或未出新于一如既往地处,此时你收获与原始图对应之相当地方的intensity
作为最后的A呢,每个地点的或是两样啊,杂文不明确提出。

  如今当拘留一样篇有关去雾的算法的稿子:A
Fast Semi-Inverse Approach to Detect and Remove the Haze from a Single
Image
,即我们中文时不时说之一半倒去雾算法,国内广大人引用这篇随想的重中之重的原由是舆论涉嫌了点滴点:第一,从舆论中贴出的图片被扣效果似乎失去雾效果十分对;第二,论文称可以实时。通过自己要好之读书与剖析,我当就首杂谈水分至极酷,其职能及进度都值得怀疑,下边是自己的组成部分剖析,为方便,我们先行简单的游说下其半相反的概念。

      NewBlue = Max (Blue , 255 –
Blue);

     
因而,从各地点考虑,我以为这首论文在着深重的纰漏和不足,不应有当图像去雾领域推广。

     
首先,如若说上述标准建立,那么这篇杂文的算法为尽管光适合给在光照条件比亮的天气下拍摄的图的去雾了,这虽阿姨限制其利用范围,而舆论没有于另外地方对当下同一触及开展强调,有盖的疑心。

    第四宗罪:总结用时相对作假

   
 第三宗罪:总括无雾图像时的过程异常无明晰

 
美学原理 2  美学原理 3

                          
原图                                   
     半反图

      NewGreen = Max (Green , 255 –
Green );

  美学原理 4  美学原理 5

  美学原理 6  美学原理 7

   
 第一、第二图结果还算行,咱们看第三切图,应该说吗是在 daily light
conditions
条件下拍摄的吧,看这半反图,遵照作者的传教该基本就是没有雾的区域了,那么前边的所谓的去雾算法就无法进展下了,而这种结果对我这边多生出雾图都是存在的。

     第二宗罪:大气光A的估量

  对于一副RGB图像,其半反而图像可以通过以下公式拿到:

 

  对于不会师编程的爱人,要想拿到这半相反图像,也堪借助PS实现,第一步:调用PS
滤镜– 风格化– 曝光过度菜单;第二管辖:
点调整–反色;第三步:调整–自动相比度。

    do:      

   第一宗罪:
小说的法则首先不顶占的住脚。

美学原理,  for each Pixel in Image

   
 作者知识有限,肯定有分析不科学的地点,望各位博友谅解。

    原文对计量用时这样描述的:Our
method implemented on CPU (AMD 2 Duo 2.00GHz) processes an 600×800
image in approximately 0.013 seconds being suitable for real-time
outdoor applications。
这话相对造假,大家不说另外,就中的蝇头单过程就是让整个算法不会师起这般快,第一:总括半反图和原图的h的其余时节,随想中实属在CIE
LCH空间的H值举办统计的,诸位能够错过看望LCH空间中H分量的计过程,有成百上千算,其中不凡有除或者浮点运算,而这种比较在舆论中所讲述的算法过程中最少要6次(一糟用于统计大气光A,5糟用于总括各层的数目)。第二:算法有5潮600*800分寸彩色图像的合成过程,而且经过涉及浮点运算(用定点运算优化也相会时有发生除法部分的),不讲实际被还蕴藏其他的估计,就立即有限个经过在斯样档次的CPU上针对600*800之图像相对免是13ms能到位的,那些CPU是双核的,开复线程能上这速度,我弗相信。

  那样举办操作后,图像的诸如素值肯定还不止127了,由此爆发必不可少再拉升一下,随笔被叫renormalization操作,这一个操作实际人数何以随笔没有提,我们得认为是机关相比度之类的算法。

  散文首先为是提出了同样栽先验,即平常经对 daily
light conditions
条件下本着大多符合图像进行总计,获知在发出雾图像遭到,有雾区域之一半倒图像和老图像基本没什么变化。那一个的要害由作者就是有雾的区域或者天空其RGB分量各因素的价值都相比亮,而无雾的地点符合暗通道原理,即到底起一个份量的值相比较小。

      NewRed = Max ( Red , 255 –
Red ) ;