图像去雾设计报告.docx

课程设计——图像去雾一、设计目的1、通过查阅文献资料，了解几种图像去雾算法，；2、理解和掌握图像直方图均衡化增强用于去雾的原理和应用；3、理解和掌握图像退化的因素，设计图像复原的方法；4、比较分析不同方法的效果。二、设计内容采用针对的有雾图像，完成以下工作：1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像；3、分析实验效果；4、写出具体的处理过程，并进行课堂交流展示。三、设计要求1、小组合作完成；2、提交报告（*.doc）、课堂交流的PPT（*.ppt）和源代码。四、设计原理（一）图像去雾基础原理1、雾霭的形成机理雾实际上是由悬浮颗粒在大气中的微小液滴构成的气溶胶，常呈现乳白色，其底部位于地球表面，所以也可以看作是接近地面的云。霭其实跟雾区别不大，它的一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。广义的雾包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的要求。在雾的影响下，经过物体表面的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。2、图像去雾算法 图像去雾算法可以分为两大类：一类是图像增强；另一类是图像复原。图1-1介绍了图像去雾算法的分类:图1-1去雾算法分类从图像呈现的低亮度和低对比度的特征考虑，采用增强的方法处理，即图像增强。比较典型的有全局直方图均衡化，同态滤波，Retinex 算法，小波算法等等。基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，实现场景复原，即图像复原。运用最广泛、最权威的是由何凯明等人提出的暗通道先验的方法。（1）图像增强技术为了改善视觉效果或者便于人们对图像的判别和分析，根据图像的特征采取简单的改善方法或者加强特征的措施叫做图像增强。图像增强可分为两大类：频率域法和空间域法。空间域处理主要包括：点处理，模块处理即领域处理。频率域处理主要包括：高、低通滤波、同态滤波等等。图像增强可分为两大类：频率域法和空间域法。空间域处理主要包括：点处理，模块处理即领域处理。频率域处理主要包括：高、低通滤波、同态滤波等等。（2）图像复原技术从广义上讲，图像复原是一个求逆问题，逆问题经常存在非唯一解，甚至无解。图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像，这种恢复过程在很多图像处理中的应用十分重要。为了更好的对图像复原的理解，图1-2为图像复原的流程图：图1-2 图像复原流程图其中g(x,y)为降质图像函数，f(x,y)为真实图像函数。图像复原技术可以分为以下几类：1）在给定退化模型条件下，分为无约束和有约束两大类。2）根据是否需要外界干预，分为自动和交互两大类。3）根据处理所在的域，分为频率域和空间域。（二）从图像增强角度去雾基于直方图均衡化的算法以概率论为基础，用灰度变换达到图像增强的目的，是图像增强中最常用的算法之一。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。1、图像灰度直方图定义一：一个灰度级在范围[0,L-1]的数字图像，其直方图是一个离散函数n是图像的像素总数，是滴k个灰度级，。定义二：一个灰度级在范围[0,L-1]的数字图像，其直方图是一个离散函数由于的增量是1，直方图可以表示为：即图像中不同灰度级像素的出现次数。2、直方图变换的理论基础设连续图像的概率分布为：其中r为灰度其中A为图像的面积。均衡化过程分析：设r和s分别表示原图像灰度级和经直方图均衡化后的图像灰度级，为便于讨论，对r和s进行归一化，使：；对于一幅给定的图像，归一化后灰度级分布在范围内。对[0,1]区间内的任意一个r值进行如下变换：该变换式应满足条件：对于，有在区间内从s到r的反变换用下式表示r的概率密度为；s的概率密度可由求出假定变换函数为式中：w是积分变量，而就是r的累积分布函数。下图为直方图均衡化的过程，体现了“均衡”的含义：即概率密度的均匀。(a)是某一图像的的灰度分布(b)是该图进行直方图均衡化后的灰度分布图1-3 图像灰度分布给出灰度级在图像中出现的概率密度统计在MATLAB中，imhist函数可以显示一幅图像的直方图。其常见调用方法如下：imhist(I)其中I是图像矩阵，该函数返回一幅图像，显示I的直方图。通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮，灰度层次不丰富的情况，这种技术叫直方图均衡化。在MATLAB中，用于直方图均衡化的函数是histeq，它的常见调用方式如下：J=histep(I)其中，I为输入的原图像，J是