去雾算法学习——Fast Visibility Restoration from a Single Color or Gray Level Image笔记

最新推荐文章于 2020-02-29 10:49:46 发布

原创

最新推荐文章于 2020-02-29 10:49:46 发布 · 5.3k 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#图像处理 #算法

本文详细介绍了基于单色或灰度图像的Fast Visibility Restoration去雾算法，涉及白平衡处理、大气面纱（Atmospheric Veil）估计、角落保持平滑、图像能见度恢复及专用色调映射等步骤。通过特定的滤波器和算法，旨在提高图像在雾天条件下的清晰度，同时避免过度去雾导致的色彩失真。

去雾算法研究之Fast Visibility Restoration from a Single Color or Gray Level Image学习

本文首先给出了雾的效果模型：

·可见性恢复算法

当没有可利用的深度信息，就不能利用Koschmieder’s法则去将大气因子k和场景深度d的联系分开,从而就无法进行去雾。
。于是，引入atmospheric veil（大气耗散函数）的强度V (x,y)= Is(1− e^-kd(x,y))，将公式可以改写为：

I(x,y)=R(w,y)（1-V(x,y)/Is）+V(x,y) （1）

1.白平衡（white balance）

雾天图像常常需要进行色彩平衡以消除色偏。为了确保图像进行了正确的白平衡处理，必须估计场景的照明度。场景的照明度估计通常又被称之为白点估计(WP)。白点算法将图像的R, G, B三颜色通道的最大值作为图像的照明度，即标准白色。在去雾算法中，大气散射模型中的大气光值A被视为照明度的颜色。因此，白平衡操作主要是通过将原有雾图像I(x)除以A来获取白平衡纠正图像Iw(x)。假设IW(x)被归一化到0到1之间，则此限制条件可表示为:

能见度修复前进行白平衡算法。不同光源下，照片会有一定的偏色的现象。通过加强对应的补色来进行补偿．白平衡以后雾是纯白色的，处理之后和原图会有一定的差距，把所有的像素值规格在（0，1），则Is就可以设置为向量（1,1,1）。以下代码分了是彩色图和不是彩色图：

if (ncol==3) 
	if (balance==0.0) % global white balance on clear pixels
		w=min(orig,[],3); 
		ival = quantile(w(:),.99);
		[rind,cind]=find(w>=ival);
		sel(:,1)=orig(sub2ind(size(orig),rind,cind,ones(size(rind))));
		sel(:,2)=orig(sub2ind(size(orig),rind,cind,2*ones(size(rind))));
		sel(:,3)=orig(sub2ind(size(orig),rind,cind,3*ones(size(rind))));
		white=mean(sel,1);
		white=white./max(white)
		orig(:,:,1)=orig(:,:,1)./white(1);
		orig(:,:,2)=orig(:,:,2)./white(2);
		orig(:,:,3)=orig(:,:,3)./white(3);
	end
	if (balance>0.0) % local white balance
		fo(:,:,1)=medfilt2(orig(:,:,1), [sv, sv], 'symmetric');
		fo(:,:,2)=medfilt2(orig(:,:,2), [sv, sv], 'symmetric');
		fo(:,:,3)=medfilt2(orig(:,:,3), [sv, sv], 'symmetric');
		nbfo=mean(fo,3);
		fo(:,:,1)=(fo(:,:,1)./nbfo).^balance;
		fo(:,:,2)=(fo(:,:,2)./nbfo).^balance;
		fo(:,:,3)=(fo(:,:,3)./nbfo).^balance;
		nbfo=mean(fo,3);
		fo(:,:,1)=fo(:,:,1)./nbfo;
		fo(:,:,2)=fo(:,:,2)./nbfo;
		fo(:,:,3)=fo(:,:,3)./nbfo;
		orig(:,:,1)=orig(:,:,1)./fo(:,:,1);
		orig(:,:,2)=orig(:,:,2)./fo(:,:,2);