一種高顏色保真度的圖像去霧方法與流程
2023-06-27 15:43:23 2
本發明涉及基於圖像增強的去霧技術領域,具體涉及一種高顏色保真度的圖像去霧方法。
背景技術:
在霧天情況下,成像設備受到大氣懸浮粒子的散射和吸收,以及大氣光參與成像的影響,所成圖像對比度下降,能見度降低,細節模糊不清,圖像質量大幅度下降。其基本的成像模型如下:
I(x)=J(x)t(x)+A(1-t(x)) (20)
其中J(x)是原本無霧圖像,I(x)是霧天圖像,t(x)是場景的透射率,A是大氣環境光。場景透射率t(x)反映了霧天圖像的深度信息,t(x)越小表示影響圖像的霧氣更厚,受到的影響更大。
一般的基於圖像增強的去霧算法,通常是在RGB顏色空間進行,通過將R,G,B三個通道分離,並單獨作為灰度圖像處理。但是由於在處理過程中,完全忽略了R,G,B三個通道之間的聯繫,很容易導致顏色的失真。
技術實現要素:
本發明的目的在於克服現有技術存在的上述不足,提供一種高顏色保真度的圖像去霧方法。
本發明的目的通過如下技術方案實現。
一種高顏色保真度的圖像去霧方法,包括如下步驟:
(1)將圖像由RGB空間轉換到HSI空間,得到一組新的霧天下的HSI成像模型;
(2)在HSI空間中對圖像的亮度分量I進行基於圖像增強的去霧處理並結合HSI成像模型得到新的亮度分量IJ;
(4)由新的亮度分量IJ進行修正並結合結合HSI成像模型得到圖像的飽和度分量SJ;
(4)保持色調分量不變,將去霧結果從HSI圖像轉換為RGB圖像。
進一步地,圖像由RGB空間到HSI空間的轉換式為:
對於HSI分量中的色調分量H來說,由於霧氣並不會對圖像原本的色調造成影響,所以有:
HI=HJ (24)
在這裡HI表示霧霾圖像色調,HJ表示無霧圖像色調。
但是對於分量S飽和度和I亮度來說,由於霧氣的影響,飽和度S大幅度下降,而亮度I則整體上升,並且對比度降低,細節減少。接下來根據大氣散射模型來對霧圖和原圖的飽和度、亮度分量關係進行推導。
首先,將(1)式的大氣散射模型分離到R,G,B三個通道則有:
IR(x)=R(x)t(x)+A(1-t(x)) (25)
IG(x)=G(x)t(x)+A(1-t(x)) (26)
IB(x)=B(x)t(x)+A(1-t(x)) (27)
在這裡假設透射率t(x)和大氣環境光A對R,G,B三個通道的影響都是相同的。
通過對(6)、(7)、(8)求和可以得到:
IR+IG+IB=(R+G+B)t+A(1-t) (28)
結合(4)式子,本實例可以得到:
II=IJt+A(1-t) (29)
其中II表示霧圖的亮度分量,IJ表示無霧圖的亮度分量。
對(1)式子在R,G,B三通道中進行最小值操作。
Imin(R,G,B)=Jmin(R,G,B)t+Amin(R,G,B)(1-t) (30)
結合(1)式和(11)式,本實例可以得到:
實際上,對比式(3),式(12)左邊實際就等於飽和度SI,而對式(12)右邊分子分母同時除A,便可以得到項,而實際上霧天情況下該項可視為0,故省略。於是式(12)化簡為:
式(13)兩邊同時除J進一步化簡為:
這樣便得到了霧天情況下HSI空間內的成像模型:
式(15)很好的展示了霧天情況下,HSI顏色空間模式下的圖像的成像規律。我們可以進一步對(15)處理,以便得到更適合於圖像增強的形式。結合式(14)和式(10)我們可以消除透射率t,得到:
其中
結合式(3)和式(16)我們可以得到:
於是我們就得到了一組新的霧天下的HSI成像模型:
這樣,我們只需要對霧天圖像的亮度圖進行增強,使得結果接近min(R,G,B)便可以得到通過(16),(17)求得IJ分量和SJ分量。
進一步的,藉由公式(18)我們可以將RGB空間中的圖像增強的去霧算法,轉換到HSI空間進行處理。
首先我們通過圖像增強算法得到亮度分量I的去霧的灰度圖像,並將結果作為min(R,G,B)帶入(17)式,求得的結果作為新的亮度分量IJ。由於這樣估算的亮度分量IJ並不是實際場景的圖像,直接帶入(16)式可能會造成所求飽和度的誤差,因此在這裡對估算的亮度分量IJ進行修正,引入一個修正係數m去修正公式(16),使其帶入的亮度分量IJ值分布更接近實際的分布,這樣便可以大致估算出飽和度SJ,並且由於飽和度SJ對細微變化和細節信息並不敏感,因此在這樣處理後我們往往可以得到色彩保真度較好的結果:
由於經由圖像增強的亮度IJ往往是比實際情況下的亮度分量要亮的,故m通常取正數,同時為了保證經處理後的亮度分量不會出現數據溢出的情況,將其最小約束至0.03。
進一步地,在試驗過程中,往往假設大氣光A恆為1,這裡也可根據實際情況進行修正,但為了簡化算法,本發明直接取1。
與現有技術相比,本發明具有如下優點和技術效果:
本發明提供一種高顏色保真度的圖像去霧方法,主要是基於大氣散射模型對HSI顏色空間模型進行優化,從而使得去霧圖像有著較高的顏色保真度,本發明採用HSI空間對圖像進行處理,可以很好的保持圖像的顏色。本發明有效的改善圖像的保真度,能取得較好的視覺效果。
附圖說明
圖1實施例一的原始霧霾圖像。
圖2在RGB顏色空間模型中使用局部直方圖均衡化所得到的去霧結果圖。
圖3所求得的亮度分量IJ。
圖4所求得的飽和度分量SJ。
圖5實施例一的最終處理結果。
圖6實施例二的原始霧霾圖像。
圖7在RGB顏色空間模型中使用MSR所得到的去霧結果。
圖8所求得的亮度分量IJ。
圖9所求得的飽和度分量SJ。
圖10實施例二的最終處理結果。
圖11為高顏色保真度的圖像去霧方法的流程示意圖。
具體實施方式
以下將結合附圖及實施例來詳細說明本發明的實施方式,從而詳細闡述如何應用本發明的HSI顏色空間模型去優化各類圖像增強去霧算法,並將使用該HSI顏色空間模型的圖像增強的去霧算法和在RGB空間中的圖像增強去霧算法做對比,從而凸顯該顏色空間模型的優越性。
實施例一
實例1採用局部直方圖均衡化算法作為基礎的去霧算法。圖1展示了本實例要進行去霧的霧霾圖片。本實例先在RGB顏色空間直接對圖像進行去霧處理,結果如圖2所示,可以看到圖像整體出現嚴重的顏色失真。接下來使用本實例的HSI顏色空間模型進行處理,具體步驟如下:
1)將圖1轉換成HSI圖;
2)對亮度分量II進行局部直方圖均衡化處理,並將結果作為min(R,G,B)帶入(17)式,求得的結果作為新的亮度分量IJ,結果如圖3所示;
3)將得到的IJ,帶入式(19)從而求得飽和度分量SJ,結果如圖4所示;
4)保持色調分量不變,並將結果轉換回RGB圖像,結果如圖5所示。
本實例可以看到通過將局部直方圖均衡算法轉換到本實例的HSI顏色空間模型中去處理,可以有效的改善圖像的保真度,取得較好的視覺效果。並且從運行時間上來說,在HSI顏色空間模型中處理時間僅有RGB顏色空間的51.5%(matlab R2015b,CPU [email protected]),可見該算法不僅具有優越的顏色保真度,而且還能有效的提高運行效率。
實施例二
實例2採用MSR算法作為基礎的去霧算法。圖6展示了本實例要進行去霧的霧霾圖片。本實例先在RGB顏色空間直接對圖像進行去霧處理,結果如圖7所示,可以看到圖像整體出現嚴重的顏色失真。接下來使用本實例的HSI顏色空間模型進行處理,具體步驟如下:
1)將圖6轉換成HSI圖;
2)對亮度分量II進行局部直方圖均衡化處理,並將結果作為min(R,G,B)帶入(17)式,求得的結果作為新的亮度分量IJ,結果如圖8所示;
3)將得到的IJ,帶入式(19)從而求得飽和度分量SJ,結果如圖9所示;
4)保持色調分量不變,並將結果轉換回RGB圖像,結果如圖10所示。
可以看到通過將MSR算法轉換到本實例的HSI顏色空間模型中去處理,可以有效的改善圖像的保真度,取得較好的視覺效果。並且從運行時間上來說,在HSI顏色空間模型中處理時間僅有RGB顏色空間的49.8%(matlab R2015b,CPU [email protected]),更可以見得該算法的優越性以及通用性。大部分在RGB空間處理的圖像增強類去霧算法都可以通過在該HSI顏色空間模型中處理來優化原有算法。
雖然本發明所揭露的實施方式如上,但所述的內容只是為了便於理解本發明而採用的實施方式,並非用以限定本發明。任何本發明所屬技術領域內的技術人員,在不脫離本發明所揭露的精神和範圍的前提下,可以在實施的形式上及細節上作任何的修改與變化,但本發明的專利保護範圍,仍須以所附的權利要求書所界定的範圍為準。