一種圖像去霧的處理方法及裝置制造方法
【專利摘要】本發(fā)明適用于圖像處理【技術領域】，提供了一種圖像去霧的處理方法，包括以下步驟：接收輸入的圖像；采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進行分割，得到多個圖像區(qū)域；分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效應的圖像。本發(fā)明可以消除暗原色先驗去霧所產(chǎn)生的光暈效應。
【專利說明】一種圖像去霧的處理方法及裝置

【技術領域】
[0001] 本發(fā)明屬于圖像處理【技術領域】，尤其涉及一種圖像去霧的處理方法及裝置。

【背景技術】
[0002] 近年來，隨著計算機軟硬件技術的不斷發(fā)展，對有霧天氣圖像的景物影像進行去 霧處理已經(jīng)成為可能。然而，反過來又對去霧圖像的清晰度和真實感提出了新的要求。在 霧天情況下，由于大氣中水滴等粒子較多，隨著物體到成像設備距離的增大，大氣粒子的 散射作用對成像的影響逐漸增加，這種影響主要由兩個散射過程造成：第一，物體表面的反 射光在到達成像設備的過程中，由于大氣粒子的散射而發(fā)生衰減；第二，自然光因大氣粒 子的散射而進入成像設備一并參與成像。因此，它們的共同作用導致采集的圖像對比度低、 飽和度低及色調(diào)偏移，這不僅影響圖像的視覺效果，而且影響圖像分析和理解的性能。
[0003] 在霧天情況下，如上所述，由于大氣粒子對戶外圖像采集造成了比較嚴重的影響， 致使室外視頻系統(tǒng)無法正常工作，如對地形勘探、視頻監(jiān)控等戶外作業(yè)帶來了一定的不便， 特別是對交通運輸業(yè)有著十分惡劣的影響，可能造成交通事故的發(fā)生和運輸速度的降低。 因此對于霧天各種監(jiān)測系統(tǒng)獲取的圖像上，景物影像的清晰化方法的研究具有重大的現(xiàn)實 意義。
[0004] 現(xiàn)有技術采用暗原色先驗去霧算法，其非常適用于對霧天圖像進行去霧處理，由 于暗原色先驗在含霧圖像和無霧圖像之間有著很大的區(qū)別，根據(jù)這一區(qū)別，該算法幾乎對 于所有類型的含霧圖像都有一定的效果。去霧算法能很好地識別不同圖像區(qū)域霧氣的濃 度，然后進行去除，恢復圖像中景物的原貌?；诎翟闰灥娜レF算法能夠很好地適應不 同深度的景物以及霧氣濃度不同的圖像區(qū)域，進行相應的處理。
[0005] 然而，暗原色先驗并不能直接應用于有霧圖像中，這是因為暗原色先驗是基于圖 像局部的先驗，每個像素的暗原色是以其為中心的圖像區(qū)域中亮度最低的像素顏色通道， 每個像素的暗原色可以看作是該像素霧氣的亮度。可以看出，暗原色先驗的成立有一個前 提條件：即圖像局部區(qū)域中的景物深度不變，霧氣濃度不變，但顯然，對于整幅有霧圖像，這 一條件只在圖像的局部成立，如果直接把暗原色先驗應用于整幅圖像，因為自然圖像中，場 景深度通常會在景物的邊緣處發(fā)生突變，該算法處理后的圖像中，在景物的邊緣處，將會出 現(xiàn)明顯的光暈效應。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種圖像去霧的處理方法及裝置，旨在解決現(xiàn)有技術的暗 原色先驗的去霧算法并不能直接作用于整幅自然圖像，因為自然圖像中，場景深度通常會 在景物的邊緣處發(fā)生突變，該算法處理后的圖像中，在邊緣處會產(chǎn)生明顯的光暈效應的問 題。
[0007] 第一方面，本發(fā)明提供了一種圖像去霧的處理方法，所述處理方法包括以下步 驟：
[0008] 接收輸入的圖像；
[0009] 采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進行分割，得到多 個圖像區(qū)域；
[0010] 分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效應的圖像。
[0011] 第二方面，本發(fā)明提供了一種圖像去霧的處理裝置，所述處理裝置包括：
[0012] 接收模塊，用于接收輸入的圖像；
[0013] 分割模塊，用于采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進 行分割，得到多個圖像區(qū)域；
[0014] 去霧處理模塊，用于分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效 應的圖像。
[0015] 在本發(fā)明中，由于在使用暗原色先驗估計霧氣濃度之前，先使用模糊C均值聚類 的圖像分割算法把圖像分割為多個圖像區(qū)域，假定分割后位于同一區(qū)域的像素都具有相同 的景物深度。然后，分別對分割后得到的各個圖像區(qū)域使用暗原色先驗去霧。從而可以消 除暗原色先驗去霧所產(chǎn)生的光暈效應。

【專利附圖】

【附圖說明】
[0016] 圖1是本發(fā)明實施例提供的圖像去霧的處理方法的實現(xiàn)流程示意圖；
[0017] 圖2是本發(fā)明實施例提供的圖像分割的實現(xiàn)流程示意圖；
[0018] 圖3是本發(fā)明實施例提供的去霧處理的實現(xiàn)流程示意圖；
[0019] 圖4a是本發(fā)明實施例提供的輸入的圖像的示意圖；
[0020] 圖4b是本發(fā)明實施例提供的去霧處理后的效果示意圖；
[0021] 圖4c是本發(fā)明實施例提供的圖像分割后的效果圖；
[0022] 圖4d是本發(fā)明實施例提供的采用圖像分割算法結合暗原色先驗去霧算法進行處 理圖像后的不意圖；
[0023] 圖5是本發(fā)明實施例提供的圖像去霧的處理裝置的結構示意圖。

【具體實施方式】
[0024] 為了使本發(fā)明的目的、技術方案及有益效果更加清楚明白，以下結合附圖及實施 例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā) 明，并不用于限定本發(fā)明。
[0025] 為了說明本發(fā)明所述的技術方案，下面通過具體實施例來進行說明。
[0026] 在本發(fā)明實施例中，為了消除邊緣暗原色先驗去霧所帶來的邊緣處會產(chǎn)生明顯的 光暈效應，本發(fā)明實施例把基于模糊C均值聚類的圖像分割算法結合到暗原色先驗去霧算 法中，對輸入圖像使用基于模糊C均值聚類的圖像分割算法進行分割，分割結果基本能夠 保證同一圖像區(qū)域內(nèi)景物深度、霧氣濃度基本一致，對分割后得到的各個圖像區(qū)域分別使 用暗原色先驗去霧算法進行去霧處理，可以看出光暈效應基本被消除，景物原貌恢復效果 理想，圖像對比度增強效果明顯。可知，采用本發(fā)明實施例提供的技術方案，能夠解決現(xiàn)有 技術的暗原色先驗的去霧算法并不能直接作用于整幅自然圖像，因為自然圖像中，場景深 度通常會在景物的邊緣處發(fā)生突變，該算法處理后的圖像中，在邊緣處會產(chǎn)生明顯的光暈 效應的問題。
[0027] 請參閱圖1，為本發(fā)明實施例提供的圖像去霧的處理方法的實現(xiàn)流程示意圖，其主 要包括以下步驟：
[0028] 在步驟S101中，接收輸入的圖像；
[0029] 在本發(fā)明實施例中，在接收到所述輸入的圖像之后，還包括以下步驟：
[0030] 對所述輸入的圖像求暗原色圖；利用所述圖像的暗原色圖求出環(huán)境光；確定所述 環(huán)境光的三通道值。
[0031] 其中，先對所述輸入的圖像求暗原色圖（即對每一像素選取其亮度最小的通道， 構成一灰度圖，然后對該灰度圖作最小值濾波），找出暗原色圖中亮度最大的10%像素所 在的圖像區(qū)域，最后，找出原圖像中該區(qū)域里亮度最高的像素點，以該像素的三通道亮度值 作為環(huán)境光（即下文提到的向量A)的三通道值。
[0032] 在步驟S102中，采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進 行分割，得到多個圖像區(qū)域；
[0033] 在本發(fā)明實施例中，在步驟S102之前，還包括：
[0034] 將所述輸入的圖像的所有像素點映射到特征空間中。具體實現(xiàn)為：把圖像的每個 像素點的RGB通道亮度值和位置坐標組合成一個特征向量。
[0035] 在步驟S103中，分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效應的 圖像。
[0036] 下面進行詳細描述上述每一個步驟的具體實現(xiàn)過程。
[0037] 在本發(fā)明實施例中，模糊C均值聚類是在普通C均值聚類的基礎上，使用柔性的模 糊劃分方式改進的一種無監(jiān)督統(tǒng)計算法。該算法用隸屬度來確定每個特征點與每個類別之 間的關聯(lián)程度。
[0038] 使用模糊C均值聚類的圖像分割算法（即FCM算法）進行圖像分割，首先把圖像 的每個像素點的RGB通道亮度值和位置坐標組合成一個特征向量，設像素點數(shù)目為n，然后 確定需要分割的圖像塊的數(shù)量，設分塊數(shù)目為c (2〈c〈n)，在整個特征空間中隨機選取c個 特征向量為聚類中心。對于每個特征向量，用值在〇、1間的隸屬度來確定其屬于每個類別 的程度，隸屬度矩陣U大小為c Xn，矩陣元Uu表示第j個特征向量隸屬于類別i的隸屬度， 然后加上歸一化約束，規(guī)定每個特征向量對于所有類別的隸屬度之和總等于1 :

【權利要求】
1. 一種圖像去霧的處理方法，其特征在于，所述處理方法包括w下步驟： 接收輸入的圖像； 采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進行分割，得到多個圖 像區(qū)域； 分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效應的圖像。
2. 如權利要求1所述的處理方法，其特征在于，在所述接收輸入的圖像的步驟之后，還 包括W下步驟： 對所述輸入的圖像求暗原色圖； 利用所述圖像的暗原色圖求出環(huán)境光； 確定所述環(huán)境光的H通道值。
3. 如權利要求2所述的處理方法，其特征在于，在所述確定所述環(huán)境光的H通道值的 步驟之后，還包括： 將所述輸入的圖像的所有像素點映射到特征空間中。
4. 如權利要求3所述的處理方法，其特征在于，所述采用基于模糊C均值聚類的圖像分 割算法，對所述輸入的圖像進行分割，得到多個圖像區(qū)域的步驟，具體包括： 初始化隸屬度矩陣； 計算聚類中也； 計算目標函數(shù)值； 判斷所述目標函數(shù)值的變量是否小于闊值； 如果判斷出小于闊值，將每個特征點劃分到其隸屬度最高的類別中，相同類別的像素 點劃分至同一圖像區(qū)域中，W完成圖像分割； 如果判斷出不小于闊值，則計算新的隸屬度矩陣；接著返回到所述計算聚類中也的步 驟。
5. 如權利要求4所述的處理方法，其特征在于，所述分別對每一個所述圖像區(qū)域進行 去霧處理，得到消除光暈效應的圖像的步驟，具體包括： 對每一個圖像區(qū)域分別求暗原色圖，求出各個圖像區(qū)域?qū)陌翟珗D； 利用所述圖像暗原色圖，求出每個圖像區(qū)域的透過率； 根據(jù)所述透過率求出去霧圖像。
6. -種圖像去霧的處理裝置，其特征在于，所述處理裝置包括： 接收模塊，用于接收輸入的圖像； 分割模塊，用于采用基于模糊C均值聚類的圖像分割算法，對所述輸入的圖像進行分 害!]，得到多個圖像區(qū)域； 去霧處理模塊，用于分別對每一個所述圖像區(qū)域進行去霧處理，得到消除光暈效應的 圖像。
7. 如權利要求6所述的處理裝置，其特征在于，所述圖像去霧的處理裝置還包括：確定 模塊； 所述確定模塊，用于對所述輸入的圖像求暗原色圖；利用所述圖像的暗原色圖求出環(huán) 境光；確定所述環(huán)境光的H通道值。
8. 如權利要求7所述的處理裝置，其特征在于，所述圖像去霧的處理裝置還包括：映射 模塊； 所述映射模塊，用于將所述輸入的圖像的所有像素點映射到特征空間中。
9. 如權利要求8所述的處理裝置，其特征在于，所述分割模塊具體包括；初始化模塊、 計算模塊、判斷模塊、劃分模塊、W及返回控制模塊； 初始化模塊，用于初始化隸屬度矩陣； 計算模塊，用于計算聚類中也； 所述計算模塊，還用于計算目標函數(shù)值； 判斷模塊，用于判斷所述目標函數(shù)值的變量是否小于闊值； 劃分模塊，用于如果判斷出小于闊值，將每個特征點劃分到其隸屬度最高的類別中，相 同類別的像素點劃分至同一圖像區(qū)域中，W完成圖像分割； 返回控制模塊，用于如果判斷出不小于闊值，則計算新的隸屬度矩陣；接著返回到所述 計算模塊中執(zhí)行計算聚類中也。
10. 如權利要求9所述的處理裝置，其特征在于， 所述去霧處理模塊，具體用于對每一個圖像區(qū)域分別求暗原色圖，求出各個圖像區(qū)域 對應的暗原色圖；利用所述圖像暗原色圖，求出每個圖像區(qū)域的透過率；根據(jù)所述透過率 求出去霧圖像。
【文檔編號】G06T5/00GK104346783SQ201410594489
【公開日】2015年2月11日 申請日期:2014年10月29日 優(yōu)先權日:2014年10月29日
【發(fā)明者】朱青松, 宋展, 吳迪 申請人:中國科學院深圳先進技術研究院