圖像去雨去霧算法

輸入輸出接口

Input：

（1）攝像頭采集的實時圖像視頻分辨率（整型int）

（2）攝像頭采集的實時圖像視頻格式 （RGB，YUV，MP4等）

（3）攝像頭標定參數（中心位置（x,y）和5個畸變

系數（2徑向，2切向，1棱向），浮點型float）

（4）攝像頭初始化參數（攝像頭初始位置和三個坐標方向

的旋轉角度，車輛寬度高度車速等等，浮點型float）

Output：

（1）透光率（浮點型float）

（2）融合后的圖像視頻分辨率（浮點型float）

（3）融合后的圖像視頻格式（RGB，YUV，MP4等）

1. 功能定義

霧圖模型，暗通道先驗，暗通道定義，計算折射率，估計大氣光，去霧。

技術路線方案

在有雨有霧的環境下，攝像頭系統會由于場景的能見度低，而使所拍攝的成像出現對比度低、模糊不清、圖像整體顏色偏灰白色、色彩偏移等問題，會極大影響相關識別系統正常、穩定地工作。因此，非常必要對成像作出去雨去霧處理，以獲得清晰圖像。

圖1. 常用去霧算法分類

圖2. 去霧算法處理效果

目前已知的方案有兩種。第一種是基于圖像增強的方法，這類方法是對被降質的圖像進行增強，改善圖像的質量。這種方法優勢在于可以應用已有的成熟圖像處理算法，可以對常用的圖像算法進行針對性的運用和改良，增強圖像的對比度，突出圖像中景物的特征和有價值的信息。但是，這種方法可能會造成圖像部分信息的損失，使圖像失真。第二類是基于物理模型的方法，這種方法通過研究大氣懸浮顆粒對光的散射作用，建立大氣散射模型，了解圖像退化的物理機理，并反演復原出未降質前的圖像。這是一類專門針對霧天圖像的圖像復原的方法，復原出來的圖像效果真實，貼近降質前景物原景，對復雜場景的圖像處理效果較好，圖像信息得到較完整的保存。

霧圖模型

I(x) ——待去霧的圖像

J(x)——無霧圖像

A——全球大氣光成分

t——折射率（大氣傳遞系數）

暗通道先驗

在無霧圖像中，每一個局部區域都很有可能會有陰影，或者是純顏色的東西，又或者是黑色的東西。因此，每一個局部區域都很有可能有至少一個顏色通道會有很低的值。把這個統計規律叫做Dark Channel Prior。

暗通道定義

表示彩色圖像的每個通道

Ω(x)表示以像素X為中心的一個窗口

意義:首先求出每個像素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，然后再對這幅灰度圖進行最小值濾波

計算折射率

右邊第二項其實就是有霧圖像的暗通道。

由于空間透視現象/濃淡遠近，部分霧的存在有助于我們感知距離和深度，加權值修正：

估計大氣光

1）選取暗通道圖像暗通道最亮的0.1%的像素（一般來說，這些像素表示霧濃度最大的地方）

2）取輸入圖像里面這些像素對應的像素里面最亮的作為大氣光

注：選中的像素未必是全圖最亮的，而且要比選取全圖最亮的方式魯棒性更好。

去霧

大致就是這個流程：

1）求圖像暗通道

2）利用暗通道計算出折射率

3）利用暗通道估計大氣光

4）代回霧圖公式去霧

3. 關鍵技術參數和性能指標

目前對于去霧效果的評價主要從2方面進行考慮，一是去霧前后圖像細節邊緣的變化，另一個是去霧后圖像顏色發生的變化。對這2方面的評估目前都有相應的準則，其中比較引人關注的是用于評估對比度增強的基于可見邊對比度的方法和用于評估顏色失真程度的直方圖相似度、色彩豐富度等指標。

評估去霧前后圖像細節邊緣的對比度變化能很好地體現出相應去霧算法的性能。去霧前后圖像在色彩等屬性方面的共性，從新的角度提出對顏色失真度的評估，獲得簡單有效的評價準則。

總結

以上是生活随笔為你收集整理的图像去雨去雾算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。