-暗原色去雾霾处理c

1、北京航空航天大学数字图像处理 课程设计报告 图像去雾霾班（）.1. 实现目标1、算法功能雾霾是特定气候条件与人类活动相互作用的结果。高密度人口的经济及社会活动必然会排放大量细颗粒物，一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围雾霾。2、 技术指标去雾霾方式是推测每一个像素点的雾霾浓度，将其去除。现实中给我们的印象是，在雾霾天气下，近距离的物体看得比较清，雾霾的浓度小；远距离的物体看不清，雾霾的浓度大。可以说，雾霾图像=清晰图像+雾霾浓度。因此，为了准确恢复清晰图像，我们必须估计图像中物体所处位置的雾霾浓度，这是高性能去雾霾技术的关键所在。2

2、. 研究现状分析1、 国内外研究现状目前，国内外对于图像去雾的方法主要分为两大类，一类是基于大气退化物理模型的方法,即从物理成因的角度对大气散射作用进行建模分析，进而得到场景深度模型，实现场景复原，另一类是基于图像增强的方法，也就是单纯从图像的角度考虑，无须借助其他设备或者参考图像等辅助信息，直接利用图像增强方法改善图像质量，达到降低雾影响的目的。2、 目前存在的问题第一类方法一般需要复杂的建模过程，有些甚至还需要额外的特殊设备，或者需要无雾的图像作为参考，实现过程比较困难。3、 算法描述基于暗原色先验的单幅图像去雾算法（使用opencv）首先求出每个像素RGB分量中的最小值，存入一副和原始图

3、像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WindowSize = 2 * Radius + 1; 根据雾图成型模型，求出A，t(x)带入求出J即可。暗原色先验是通过对户外无雾图像的观察得出的：在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是个很小的数。公式描述：J = ( I - A)/t + A 其中 I(X)就是我们现在已经有的图像（待去雾的图像），J(x)是我们要恢复的无雾的图像，A是全球大气光成分， t(x)为透射率。各参数对去雾结果的影响第一：窗口的大小。这个对结果来说是个关键的

4、参数，窗口越大，其包含暗通道的概率越大，暗通道也就越黑。我们不去从理论角度分析，从实践的效果来看，似乎窗口越大，去雾的效果越不明显。 我的建议是窗口大小在11-51之间，即半径在5-25之间。式（12）中的具有着明显的意义，其值越小，去雾效果越不明显。当投射图t 的值很小时，会导致J的值偏大，从而使淂图像整体向白场过度，因此一般可设置一阈值T0，当t值小于T0时，令t=T0，本文中所有效果图均以T0=0.1为标准计算。上述推论中都是假设全球达气光A值时已知的，在实际中，我们可以借助于暗通道图来从有雾图像中获取该值。具体步骤如下：1） 从暗通道图中按照亮度的大小取前0.1%的像素。2） 在这些位

5、置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值。4、 算法的实现主要算法：/求暗原色 ROI_rect.width=block;/rect.width获取或设置矩形的宽度 ROI_rect.height=block;/高度；block 由滑动条给定 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一个可以用来存放4个double数值的数组； /一般用来存放像素值（不一定是灰度值）的，最多可以存放4个通道的 for(i=0;iwidth/block;i+) for(j=0;jheight/block;j+) /分别计算三个通道内ROI的最小值 cvSetImageROI(dst1,ROI_rect);/ cvSetImageROI基于给定的矩形设置图像的ROI cvCopy(dst1,imgroi1,NULL);/cvCopy 拷贝一个数组给另一个数组 cvMinMaxLoc(imgroi1,&min1,&max1,NULL,NULL); cvSetImageROI(dst2,R

7、OI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&min2,&max2,NULL,NULL);/cvMinMaxLoc 寻找数组中的最大最小值； cvSetImageROI(dst3,ROI_rect); cvCopy(dst3,imgroi3,NULL); cvMinMaxLoc(imgroi3,&min3,&max3,NULL,NULL); /求三个通道内最小值的最小值 if(min1min3) min=min3;/min为这个ROI中暗原色 value=cvScalar(min,min,min,min);/min放在val

8、ue中，三个就可以了。 /min赋予dark_channel中相应的ROI cvSetImageROI(dark_channel,ROI_rect); cvSet(roidark,value,NULL); cvCopy(roidark,dark_channel,NULL); /释放各个ROI cvResetImageROI(dst1); cvResetImageROI(dst2); cvResetImageROI(dst3); cvResetImageROI(dark_channel); /转入下一个ROI ROI_rect.x=block*i; ROI_rect.y=block*j; /保存

9、暗原色先验的图像 cvSaveImage(G:/课件/大三下/数字图像处理/图像处理作业/处理结果/dark_channel_prior.jpg,dark_channel);/利用得到的暗原色先验dark_channel_prior.jpg求大气光强 double min_dark; double max_dark; CvPoint min_loc; CvPoint max_loc;/max_loc是暗原色先验最亮一小块的原坐标 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;/定义大气光成分的估计值 double dst1_min; double A_dst2; double dst2_min; double A_dst3; double dst3_min; cvSetImageROI(dst1,ROI_rect);/按照论文方法求大气光强估计值 cvCopy(dst1,imgroi1,NULL); cvMinMaxLoc(imgroi1,&dst1_min,&A_dst1,NULL,NULL);/cvMinMaxLo

11、c 寻找数组中的最大最小值； cvSetImageROI(dst2,ROI_rect); cvCopy(dst2,imgroi2,NULL); cvMinMaxLoc(imgroi2,&dst2_min,&A_dst2,NULL,NULL);/从暗通道图中按照亮度的大小取前0.1%的像素。在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为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;/这三值为大气光强度估计值/求透射率 int k; int l; CvScalar m; CvScalar n;/暗原色先验各元素值 for(k=0;kheight;k+) for(l=0;lwidth;l+) m=cvGet2D(dark_channel,k,l);/获取dark_channel图像中坐标为（k,l）的像素点的值 n=cvScalar(255-w*m.val0); /w目的是保留一部分的雾,使图像看起来真实些 cvSet2D(toushelv,k,l,n);/透射率是针对窗口而言的 cvSaveImage(G:/课件/大三下/数字图像处理

13、/图像处理作业/处理结果/toushelv.jpg,toushelv);/求无雾图像 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);/获得某个点的值 tx=tx/255; if(tx0.1) tx=0.1;/tx 的值很小时，会导致J的值偏大，从而使淂图像整体向白场过度，因此设置一阈值T0，当t值小于T0时，令t=T0. ix=cvGet2D(src,p,q); jj1=(ix.val0-A_d

14、st1)/tx+A_dst1;/根据雾产生模型运算,还原出无雾图像 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);/ 给某个点赋值 cvSaveImage(G:/课件/大三下/数字图像处理/图像处理作业/处理结果/removed_haze.jpg,dst);/保存图像/主函数如下void main() /打开图像 src=cv

15、LoadImage(22.bmp,-1); /创造窗口 cvNamedWindow(有雾图像,CV_WINDOW_AUTOSIZE);/cvNamedWindow该函数为开放计算机视觉（OpenCV）库库函数，用来创建指定的窗口 cvShowImage(有雾图像,src);/开放计算机视觉（OpenCV）库库函数，用来在在指定窗口中显示图像 cvNamedWindow(目的图像,CV_WINDOW_AUTOSIZE); cvCreateTrackbar(tbarname1, 目的图像, &block, 25, on_trackbar1);/ 创建trackbar并将它添加到指定的窗口 cvCreateTrackbar(tbarname2, 目的图像, &w1, 100, on_trackbar2);/由w取值范围可以确定w1最大值为100 cvWaitKey(0);/cvWaitKey()函