-暗原色去雾霾处理c报告.docxVIP

１１１５１２０１　 PAGE \* MERGEFORMAT13 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 １１１５１５班 ２０１４.６.２７ 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。 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。 研究现状分析 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。 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。 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ω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。 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;//CvScalar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;isrc-width/block;i++) { for(j=0;jsrc-height/block;j++) { //分别计算三个通道内ROI的最小值 cvSetImageROI(dst1,ROI_rect);// cvSetImageROI