暗通道图像去雾matlab算法详解

2024-01-26 21:35| 来源: 网络整理| 查看: 265

1、什么是暗通道先验：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。

2、对于任意的输入图像J，其暗通道可以用下式表达：

Jc表示彩色图像的每个通道，Ω(x)表示以像素X为中心的一个窗口。(5)式的意义用代码表示：首先求出每个像素RGB分量中的最小值，存入一副和原始图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; 若窗口大小为15*15，即最小值滤波的半径为7像素。

以像素点x为中心，分别取三个通道内窗口Ω内的最小值，然后再取三个通道的最小值作为像素点x的暗通道的值，如下图所示：(图来自：https://www.cnblogs.com/changkaizhao/p/3266798.html)

3、暗通道先验的理论指出：

4、采用暗通道先验去雾算法中模糊图像（有雾图像）模型被描述成：

I(x)是有雾图像，J(x)是去雾后图像，A是全局大气光强，t(x)为透射率。这个算法的目的就是从I、A、t中得到J。目前我们只知道I(x),需要求出A和t。

由此我们得到了t，因为这样在视觉上看起来是不自然的，我们修正了这个公式：

其中w=0.95,最终在把t，带入模型，可以得到

在这里插入图片描述

5、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。

到这一步，我们就可以进行无雾图像的恢复了。由式（1）可知： J = ( I - A)/t + A

现在I,A,t都已经求得了，因此，完全可以进行J的计算。

注：当投射图t 的值很小时，会导致J的值偏大，从而使得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。

6、主程序： imageprocessing.m

clc clear all; %导入原始图片并显示 figure(1) %figure是建立图形的意思 subplot(1,2,1) %将多个图画到一个平面，图排成1行2列，从左到右从上到下的第一个位置 I1=imread('迷雾1.png'); %读入图片，返回一个数组（矩阵），往往a*b*c unit8 类型 imshow(I1) %显示图像I1 title('有雾图像1') %图像标题 impixelinfo; %显示像素坐标以及像素值（鼠标移动位置） figure(1) subplot(1,2,2) %第二个位置 I2=imread('迷雾2.png'); figure(1) imshow(I2) title('有雾图像2') impixelinfo; %显示像素坐标以及像素RGB值 %A=antongdao(a,m,n); a为彩色图像矩阵;m,n为滤波窗口大小,滤波窗口自己设置一般是3*3,5*5,9*9,15*15,25*25 A1=antongdao(I1,25,25); %计算暗通道函数 figure(2) %创建第二个图窗 subplot(1,2,1) imshow(A1) title('暗通道图像1') A2=antongdao(I2,5,5); figure(2) subplot(1,2,2) %在第二个窗口显示暗通道图像 imshow(A2) %显示暗通道图像 impixelinfo; %显示像素坐标以及像素值 title('暗通道图像2') [Ac1]=qjdqgz(A1,I1); %调用qjdqgz()函数 [Ac2]=qjdqgz(A2,I2); %调用qjdqgz()函数 [t1,R1,G1,B1]=tsl(I1,Ac1); %调用函数ts1() [t2,R2,G2,B2]=tsl(I2,Ac2); I1=cat(3,R1,G1,B1); I2=cat(3,R2,G2,B2); figure(3) subplot(1,2,1) % I1=im2uint8(I1); imshow(I1) title('去雾图像1 '); impixelinfo; subplot(1,2,2) % I2=im2uint8(I2); imshow(I2) title('去雾图像2 '); impixelinfo;

7、求暗通道的部分：先求RGB三个通道的最小值，再进行最小值滤波

文件：antongdao.m---计算暗通道函数，c为彩色图像矩阵;m,n为滤波窗口大小，A为计算的暗通道

function A=antongdao(c,m,n) c=im2double(c); %将图像数组转换为double型(c为主函数传过来的图像I1矩阵) [a,b,~]=size(c); %行数（垂直辨率），列数（水平分辨率），层数 R1=c(:,:,1); %读取图像R值 G1=c(:,:,2); %读取图像G值 B1=c(:,:,3); %读取图像B值 A=zeros(a,b); %生成一个a*b的零矩阵 d=A; for i=1:a %1~a的for循环 for j=1:b %1~b的for循环 d(i,j)=min(R1(i,j),G1(i,j)); %R1和G1中取较小值赋值给d A(i,j)=min(d(i,j),B1(i,j)); %在d和B1中取较小值 end end A=ordfilt2(A,1,ones(m,n)); %m*n的最小值滤波

8、文件：qjdqgz.m---求解全局大气光照函数，A为暗通道，I1为原彩色图像，Ac为全局大气光照

求解全局大气光照过程如下： 1.首先对输入的有雾图像I求解其暗通道图像Jdark。

2.选择暗通道Jdark内图像总像素点个数（N_imagesize）千分之一（N=N_imagesize/1000）个最亮的像素点，并记录这些像素点（x,y）坐标。 3.根据点的坐标分别在原图像J的三个通道（r,g,b）内找到这些像素点并加和得到（sum_r,sum_g,sum_b）

4.Ac=[Ar,Ag,Ab]. 其中Ar=sum_r/N; Ag=sum_g/N; Ab=sum_b/N

function [Ac]=qjdqgz(A,I1) I1=im2double(I1); %将图像数组转换为double型(c为主函数传过来的图像I1矩阵) R1=I1(:,:,1); G1=I1(:,:,2); B1=I1(:,:,3); [a,b]=size(A); %返回图片的尺寸信息，并存储在a、b中,m中存储的是行数，n中存储的是列数。（要是数组就求出其m*n，要是照片的话就是求出其像素大小！） c=ceil(a*b/1000); %朝正无穷大方向取整 r1=zeros(c,1); %返回一个c*1的零矩阵 g1=zeros(c,1); b1=zeros(c,1); m=0.9; x=1; d(1,1)=0; q(1,1)=0; while size(d,1)m && size(d,1)c break end end end if size(d,1)

【本文地址】

公司简介

联系我们