-
目
录
一
. <
/p>
课程设计任务
.......................
............................
2
二
.
课程设计原理及设计方案
........................
错误！未定义书签。
三
.
课程设计的步骤和结果
...........................................
5
四
.
课
程设计总结
..................................
.................
7
五
.
设计体会
.................................................
......
8
六
.
参考文献
.............................
.........
错误！未定义书签。
一
.
课程设计任务
由于大气的散射作用，
雾天的大气退化图像具有对比度低、
景物不清晰的特
点，
给交通系统及户外视觉系统的应用带来严重的影响。
< br>但由于成像系统聚焦模
糊、
拍摄场景存在相对运动以及雾
天等不利环境，
使得最终获取的图像往往无法
使用。为了解决这
一问题，设计图像复原处理软件。
要求完成功能：
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
< br>原图像与原始图像以及直方图均衡化后的图像；
3
、
设计软件界面
二
.
课程设计原理及设计方案
2.1
设计原理
在雾、
霾等天气条件下
,
大气中悬浮的大量微小水滴、
气溶胶的散射作用导
致捕获的图像严重降质
,
随着物体到成像设备的距离增大
,
大气粒子的散射作用
对成像的影响逐渐增
加
.
这种影响主要由两个散射过程造成
: 1)
< br>物体表面的反
射光在到达成像设备的过程中
,
由于大气粒子的散射而发生衰减
;2)
自然光因
大气粒子散射而进入成像设备参与成像
.
它们的共同作用造成捕获的图像对比
度、
饱和度
降低
,
以及色调偏移
,
不仅影响图像的视觉效果
,
而且影响图像分析
和理解的性能
.
在计算机视觉领域中
,
常用大气散射
模型来描述雾、
霾天气条件下场景的成
像过程
< br>.Narasimhan
等给出雾、霾天气条件下单色大气散射模型
(Monochrome
atmospheric
scat-tering
model),
< br>即窄波段摄像机所拍摄的图像灰度值可表示
为
<
/p>
?
?
d
?
1
?
e
?
?
d
I
/
A
?
?
e
（
1
）
式中
, x
为空间坐标
, A
表示天空亮度
(Skylight),
ρ
为场景反照率
,
d
为场景
的景深
,
β
为大气反射系数。图像去雾
的过程就是根据获得的有降质的图像，即
I
< br>（
x
）来推算出
ρ
的过程。
但由于该物理模型包含
3
个未知参数
,
从本质上讲
,
这是一个病态反问题
.
在只有单幅图
像的条件下，
我们可以考虑用假设以及推算的方式使其中的几个量
固定，然后求解。
2.2
设计方案
2.2.1
白平衡
WP (White point)
算法
,
也称为
Max-RGB
算法
,
利用
R
、
G
、
B
颜色分量的
最大值来估计光照的颜色。
我们用天空亮度
A
来取代最大值。
对于
A
，
如果直接用
图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，
因此我们首先对
图像颜色分量进行最小滤波，
然后选择阀值为
0.99
，
大于此值的认定为天空区域，
然后取平均值为我们估计的天空亮度
A
。然后方程（
1
）变为
I
(
x
)
?
A
?
e
< br>?
?
d
?
A
(
1
?
e
?
?
d
)
（
2
）
2.2.2
估计大气耗散函数
?
?
d
V
(
X
)
?
1
?
e
为了简化（
2
）
，我们设则
（
2
）变为
I
'
?
I
/
A
?
?
(
1
?
V
(
x
))
?
V
(
x
)
（
3
）
V
（
x
）称为大气
耗散函数。根据（
3
）容易发现
V
（
x
）满足
0
如果对
I
’进行最小滤波得到
W
（
x
）
，则
V
（
x
）也必定满足
） （
0
。求
V
（
x
）的过
程其实是滤波的过程，分为三步：
A
?
m
edian
(
W
)
B
?
A
?
m
edian
(
W
?
A
)
V
?
max(min(
pB
,
W
),
0<
/p>
)
其中
p
为恢复系数，去
[0,1]
中的值（一般为
0.9
—
0.95
。
2.2.3
场景反射率的恢复
通过以上步骤我
们获得了
A
以及
V
x
）
，至此方程（
1
）仅含有一个未知量，
即我们要求的场景反射率<
/p>
?
?
(
I
'
?
V
)
/(
1
?
V
)
2.2.4
色调映射
映射关系为其中
G
为求的去雾后的图像灰度最大值。
T
?
?
/(
1
?
(
1
?
< br>1
/
G
)
?
)
2.2.5
与直方图去雾效果对比
使用
matlab
中的
histeq
函数对图像的亮度和对比度进行直方图均衡化处理
三
.
课程设计的步骤和结果
3.1
原图像与直方图
global
im;
global
orig;
[filename, pathname]=uigetfile([
'*.jpg'
],
'insert
image'
);
im=[pathname
filename];
orig = imread(im);
Q = rgb2gray(orig);
figure;
subplot(1, 2, 1); imshow(orig); title(<
/p>
'
原图像
'
)
subplot(1, 2, 2); imhist(Q, 64); title(
'
原图像直方图
'
)
3.2
原图像与均衡后图像
global
orig;
global
U;
I = rgb2hsv(orig);
H = I(:,:,1);
S =
I(:,:,2);
V =
I(:,:,3);
M = histeq(S);
%
对饱和度直方图均衡化
N = histeq(V);
%
对亮度直方图均衡化
U =
hsv2rgb(H, M, N);
figure;