幸免图像去雾算法中让天空部分出现过增强的1种简易方法。

     
在经典的三种去雾算法中,包罗何凯明的暗通道去雾、Tarel的遵照中值滤波的去雾以及部分根据其余边缘保留的不二秘籍中,都有几个普遍存在的难题:即对天空部分处理的不好,天空往往会产出较大的面积的纹理及分块现象。究其利害攸关原因,依然因为天空部位基本上是不切合暗通道去雾先验这一个前决条件的。方今,针对这一难点,我搜寻到的基本点有以下几篇小说举行了拍卖:

1、 纠正的基于暗原色先验的图像去雾算法
小编: 蒋建国\侯天峰\齐美彬  
伊兹密尔农业余大学学 201一

      二、Single image dehazing Algorithms
based on sky region segmentation, 20壹三  王广义
 瓦伦西亚戏剧学院(那篇小说仿佛要到学校里才能下载);

      第二篇文章扩充了一个可控参数K,
用来调节种种像素处的透射率:

 

         
 图片 1

 

     
当|I(x)-A|<k时,认为这几个区域只怕是天空,重新计算透射率(增添透射率),|I(x)-A|>k处,则以为是契合暗通道先验的区域,透射率不变。

     
就算K取值为0,则相当于原来的透射率公式。

     
下边包车型大巴做法是较为合理的,因为一般情状下大气光A的取值和天幕部分应该是那些左近的,而那么些符合暗通道的地点则离家天空,关于这一个算法的成效,小编在作者的《Single
Image Haze Removal Using Dark Channel
Prior》一文中图像去雾算法的规律、完成、效果(速度可实时)
一文的实例工程中曾经提供了测试程序。

     
 第2篇作品的思绪则是进展天空分割。对私分后的两有的透射率做不一致的拍卖,那么那么些的重中之重就在于天空特征的提取。笔者原版的书文是通过以下几个步骤来实现的。

   
 图片 2

   
 图片 3

 

   
 图片 4

  对那多少个步骤笔者进行了粗糙的点评吧。

     
第三步小编以为最有价值,直接在原始数据判断天空不是很好做,我调查到天上部分完全来说是相比较平缓的,也正是左近像素之间浮动相当的小,因而用梯度来代表则更易于辨别,梯度值越小则注脚图像那壹块越光滑。

     
第3步则设定二个阈值来初阶判断某处是或不是属于天空,那些阈值作者取的是0.0二,量化到unsigned
char范围则着力对应5。

     
第1步对始发的边际实行下小范围的扩展。

     
第伍步对细分后的图的每种联通区域计算其原始图像在对应地方的像素的平分亮度,即使超过阈值T则保留,T那里小编取0.捌一,对应整数20五左右。

     
第5步取符合第陆步条件的最大的联通区域作为识其他天空区域。

     
第四步是为着防止部分漏检点,把在天上区域左近的一部分像素在一发进展识别,符合条件的则加到天空区域中。

     
第玖步是部分被完好包涵在穹幕中还未被认为是天上的小区域添加到天空中。

   
 个人觉得,除了第贰步、第壹步、第五步有需求外,其余的不必要那样处理。特别是第陆步的拍卖会导致天空部位的漏检。比如上边包车型大巴流程示意图的原图,要是用上述措施势必会促成左上角处小部分天空完全不见掉。别的三个标题正是,联通区域的总计照旧相比较耗费时间的。

     笔者的做法是: 

   
 一、将图像转换为灰度:那里为保存更加多的边缘音信,可以思考接纳具有比较度保留功用或显明性保留功用的有的去色算法。

   
 二、求灰度图像的梯度消息(其实就能够用常用的壹对边缘检查测试算子完结);

   
 三、对梯度消息进行适宜的去噪和滤波;

   
 肆、根据设定梯度阈值和亮度阈值对梯度音讯进行区分;

   
 5、对界别后的图进行高斯羽化处理(可选的)。

    整个工艺流程的示意图如下所示:

图片 5  图片 6 图片 7

              原图                                    灰度图                                  梯度消息

图片 8 图片 9 图片 10

            稍作去噪                                 初始天空识别                           
          进行羽化

     
作为对照,大家在交付几幅图的天幕的辨别作用:

 
 图片 11
  图片 12

 
 图片 13  图片 14

 对于那几个基本不设有天空的图,检查测试的结果如下:

 
 图片 15  图片 16

  一片黑,因而,完全不影响结果。

     
获得天空区域后,原来的作品作者将天空区域的透射率图统1的设置成了一个固定值,笔者认为那样不佳,如故应该依据具体的值做适度的匡正。
在本人上述的操作中,获得的天幕去区域是1副蒙版图,有个别点并不一定是一点1滴属于天空或完全不属于。由此,作者就足以依照这一个值来+
暗通道求得的值举办一下Alpha混合,如下所示:

  DarkChannel[Y]= (SkyPresrve *
Sky[Y] + DarkChannel[Y] * (255 – Sky[Y])) / 255 ;    

  个中SkyPresrve就类似于诗歌的永恒透射率值,是用户钦点的,在上式中,若Sky[255],即完全属于天空,则改点的透射率即为固定值,若Sky[Y]=0,即完全不属于天空,计算式的值不变,不影响寻常去雾。

     
此外关于大气光值A的乘除,杂谈建议了以获取的天幕部位的像素的平均值作为A,那也是那多少个合理的,可是在实际上处理时,针对有个别完全没有天空部分的图像,可能检查评定到的天幕区域相当小(分明属于误检,可是程序不知道的),那一年以此为大气光值,也是不客观的。为此,笔者的处理方式先总括天空部位总括的A值,然后在检查评定天空像素占整个图像的比重,假诺比例小于⑤%,则依然以何凯明那种计算A的不二等秘书籍开始展览。

     
还有一步,杂文也涉嫌了,正是这几个勘误的步调都不能够不在refine阶段在此以前做,简而言之,正是索要在开始展览导向滤波前做。那样利用导向滤波的平缓效能,能够将天空和非天空分界部位的不平易现象肯定程度上弥补掉);

  为了进步速度,也得以采用我在何那篇杂谈的解析的博文中的情势,举行下采集样品处理,然后在上采集样品。

     
作为比较,大家提交直接用何的法子贯彻的效率和用天空识别格局处理的相比效果:

  图片 17 图片 18  图片 19

   
  图片 20 图片 21 图片 22

   
  图片 23 图片 24 图片 25

   
 图片 26  图片 27 图片 28

   
 图片 29  图片 30 图片 31

               原图                                    何的去雾                             本文结果(SkyPresrve
=100)

  有上述相比较可知,在维护了天空的时候,和天上交接的地点的去雾程度也正好的富有弱化。

 
 在随想的最后,作者也提到了去雾的图像体现相比较昏暗,为此,做了须臾间甩卖:

     
  图片 32

  即在HSV空间,对V分量举行CLAHE增强,然后在更换成BMWX5GB空间,那种方式对有个别图像确实有很明朗的加强作用,然则某个图只怕又会增强噪音,因而依然依据实情采取性的处理吧。

  示例程序:http://files.cnblogs.com/Imageshop/HazeRemovalWithSkyRecognition.rar

 
 图片 33

 

图片 34

****************************小编:
laviewpbt   时间: 201四.八.1二    联系QQ:  33184777转发请保留本行消息**********************