2. 程式人生 > >基於單幅影象的快速去霧演算法實現

基於單幅影象的快速去霧演算法實現

阿新 • • 發佈：2019-01-22

  基於影象復原的去霧方法中，最有代表性的是暗通道去霧演算法，但是暗通道去霧演算法的處理時間比較長，不能達到實時處理。在閱讀了大量文獻及其參考文獻，找到能夠實時處理的去霧演算法，是清華大學寫的文章：基於單幅影象的快速去霧演算法，作者：劉倩，陳茂華，周東華。
  廢話不多說，直接上演算法
這裡寫圖片描述
  首先對演算法進行一個簡單的說明，根據博文去霧技術綜述可知，去霧的主要步驟就是估計全域性大氣光A和透射率t(x)。
文章中，使用了L(x)來代替A(1−t(x))。

L(x)=A(1−t(x))⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅(1)因此，本文就是根據輸入影象估計A和L(x)，然後根據霧天退化模型求取出去霧後的影象。
估計透射率t
(x)
根據博文去霧技術綜述可知，t(x)≥1−H(x)A⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅(2)取H(x)三通道中的最小值，並記為M(x)=minc∈r,g,b(Hc(x))⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅(3)因此公式（2）可以變換為t(x)≥1−M(x)A⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅(4)對公式（4）右邊進行均值濾波averagesa(1−M(x)A)=1−averagesa(M(x))A=1−∑y∈Ω(x)M(y)Asa2⋅⋅⋅⋅(5)其中，sa表示均值濾波視窗大小，Ω(x)表示畫素x的sa×sa的鄰域。均值濾波後的結果能反應t(x)的大致趨勢，但與真實的t(x)還相差一定的絕對值，於是，得出透射率的粗略估計值t
(x)=1−Mave(x)A+ψMave(x)A=1−δMave(x)A⋅⋅⋅⋅⋅⋅⋅(6)其中Mave(x)=averagesa(M(x))，δ=1−ψ，ψ∈[0,1]，因此δ∈[0,1]。為了防止去霧後圖像出現整體畫面偏暗，這裡根據影象的均值來調整δ，即δ=ρmavmav是M(x)中所有元素的均值，ρ為調節因子。因此可以得到透射率的計算公式t(x)=max(1−mi

相關推薦

基於單幅影象的快速去霧演算法實現

  基於影象復原的去霧方法中，最有代表性的是暗通道去霧演算法，但是暗通道去霧演算法的處理時間比較長，不能達到實時處理。在閱讀了大量文獻及其參考文獻，找到能夠實時處理的去霧演算法，是清華大學寫的文章：基於單幅影象的快速去霧演算法，作者：劉倩，陳茂華，周東華。  

matlab暗通道影象去霧演算法實現

何凱明的經典去霧演算法，啥都不說啦，直接上程式碼，OK！ main.m clear clc close all kenlRatio = 0.01; minAtomsLight = 240; % image_name = 'test images\21.bm

基於Retinex的影象去霧演算法（MATLAB實現）

在【影象處理中的數學原理】專欄（該專欄中的文章已經結集出版，書名為《影象處理中的數學修煉》）之前的一些文章中，我們已經討論了諸多非常有用的影象增強演算法，例如直方圖均衡演算法以及更加強大的CLAHE。通常影象增強演算法或多或少都有一定的去霧效果，只是這個效果有強

影象去霧演算法的原理、實現、效果

影象的去霧演算法原理及實現： 本文主要是實現的是基於暗通道處理的去霧。有部分是看論文直接翻譯而來，如有錯誤，歡迎評論區指出，當然您也可以直接閱讀原文。 一、原理 暗通道先驗解釋： 說明：何凱明博士的論文中統計了5000多副影象的特徵，證明了暗通道先驗理論的普遍性，因此

影象去霧之何凱明暗通道先驗去霧演算法原理及c++程式碼實現

http://blog.csdn.net/s12244315/article/details/50292049 何凱明博士，2007年清華大學畢業，2011年香港中文大學博士畢業，可謂是功力深厚，感嘆於國內一些所謂博士的水平，何這樣的博士才可以真正叫做

基於暗通道遙感影象的去霧

基於暗通道的遙感影象去霧 最近，研究了一下影象去霧的演算法，在這裡做一下總結和梳理。目前影象的去霧方法主要分為兩大陣營，第一大陣營是不用物理模型的影象增強類方法，通過影象增強方法來放大影象中有用的資訊，從而達到去霧的目的，例如直方圖均衡，自動色階，多尺度Retinex等方法。第二大陣營是利用

暗通道去霧演算法的python實現

    何凱明博士的去霧文章和演算法實現已經漫天飛了，我今天也就不囉裡囉唆，直接給出自己python實現的完整版本，全部才60多行程式碼，簡單易懂，並有簡要註釋，去霧效果也很不錯。     在這個python版本中，計算量最大的就是最小值濾波，純python寫的，慢，可

基於單幅影象的2D轉3D演算法研究

最近，3D影片盛行，3D電視技術也層出不窮，3D技術在帶給大家非凡的視覺衝擊同時，也在告訴大家這背後隱藏了太多的商機。     目前的3D技術大體分為兩種：軟體技術和硬體技術。所謂硬體技術就是在拍攝影片時採用多攝像頭及各種3D相關裝置來拍攝片源；所謂軟體技術就是將2D片源通

D-HAZY :一個用於定量評估去霧演算法的資料集

原文 摘要 去霧處理是近年出現的一種影象增強技術。儘管它很重要，但是沒有資料集來定量評估這些技術。在本文中，我們介紹了一個包含1400多對影象的資料集，這些影象包含地面真實參考影象和同一場景的模糊影象。由於光照條件的變化，記錄這樣的影象是不可行的，我們通過合成複雜場景的真實影象中的霧

基於聚類（Kmeans）演算法實現客戶價值分析系統(電信運營商)

開發環境 jupyter notebook 一、電信運營商–客戶價值分析 從客戶需求出發，瞭解客戶需要什麼，他們有怎麼樣的特徵， 電信運營商為客戶設定不同的優惠套餐 爭取更多的使用者：推出不同的優

基於樸素貝葉斯分類演算法實現垃圾郵箱分類

貝葉斯決策理論 在機器學習中，樸素貝葉斯是基於貝葉斯決策 的一種簡單形式,下面給出貝葉斯的基本公式，也是最重要的公式： 其中X是一個m*n的矩陣，m為他的樣本數，n為特徵的個數，即我們要求的是：在已知的樣本情況下的條件概率。 )表示

去霧演算法相關資料

去除雨滴，去霧，去除噪聲，去塵土和去模糊等都是這一類的，影象復原（低階影象處理/視覺任務）。採用生成對抗網路和感知損失進行這類研究，也已經很多很多。以下是一些工作，但是未必採用GAN去做。1、Densi

基於MATLAB的Sobel邊緣檢測演算法實現

　　影象邊緣就是影象灰度值突變的地方，也就是影象在該部分的畫素值變化速度非常之快，就比如在座標軸上一條曲線有剛開始的平滑突然來個大轉彎，在變化出的導數非常大。 Sobel運算元主要用作邊緣檢測，它是一離散型差分運算元，用來計算影象亮度函式灰度之近似值。 　　邊緣是指其周圍

文字挖掘——基於TF-IDF的KNN分類演算法實現

一、專案背景 此專案是用於基建大資料的文字挖掘。首先爬蟲師已經從各個公開網站上採集了大量的文字，這些文字是關於基建行業的各種招中標公告，文本里會有部分詞彙明顯或者隱晦的介紹此專案是關於哪一工程類別的，比如公路工程，市政工程，建築工程，軌道交通工程，等等。

php 基於redis使用令牌桶演算法實現流量控制

本文介紹php基於redis，使用令牌桶演算法，實現訪問流量的控制，提供完整演算法說明及演示例項，方便大家學習使用。 每當國內長假期或重要節日時，國內的景區或地鐵都會人山人海，導致負載過大，部分則會採用限流措施，限制進入的人數，當區內人數降低到一定值，再允

基於隨機遊走的personalrank演算法實現推薦

我們用G(V, E)來表示這個圖，則頂點集V=U∪I，圖中的邊則是由資料集中的二元組確定。二元組（u, i）表示u對i有過行為，則在圖中表現為有邊相連，即e(u,i)。【注意】，本文中我們不考慮各邊的權重（即u對i的興趣度），權重都預設為1。感興趣即有邊相連，不感興趣則沒有邊相連。 那有了二部圖之後我們要對u

基於“視訊影象”的人臉識別演算法

視訊人臉識別遇到的困難和挑戰，具體來說有以下幾種：1、視訊影象質量比較差：視訊影象一般是在戶外（或室內，但是採集條件比較差）獲取的，通常沒有使用者的配合，所以視訊人臉影象經常會有很大的光照和姿態變化。另外還可能會有遮擋和偽裝。2、人臉影象比較小：同樣，由於採集條件比較差，視訊人臉影象一般會比基於靜態影象的人臉

陣列去重 演算法實現

最近同學在面試的過程中，連續被問道了這個問題，因此做個總結！ package com.lee.wait; import java.util.Arrays; import java.util.HashSet; import java.util.Set;

基於暗通道優先的單幅影象去霧

Single Image Haze Removoal Using Dark Channel Prior 何凱明(Kaiming He), Jian Sun, Xiaoou Tang 摘要 本文中，提出一個簡單但是有效影象優先-暗通道優先從單個輸入影象中去霧。暗通道優先是一種無霧室外影象的

實現基於C語言的二值影象連通域標記演算法

實現基於C語言的二值影象連通域標記演算法 1 #include <stdio.h> 2 #include <stdarg.h> 3 #include <stddef.h> 4 #include <stdlib.h> 5 #includ