数字图像处理专业课程设计图像去雾.doc

数字图像处理

课设题目：
图像去雾
学 院：
信息和电气工程学院
专 业：
电子信息工程
班 级：

姓 名：

学 号：

指导老师：

哈尔滨工业大学（威海）

年
月
日

目 录
一. 课程设计任务 1
二. 课程设计原理及设计方案 2
三. 课程设计步骤和结果 3
四. 课程设计总结 4
五. 设计体会 5
六. 参考文件 6

一. 课程设计任务
因为大气散射作用，雾天大气退化图像含有对比度低、景物不清楚特点，给交通系统及户外视觉系统应用带来严重影响。但因为成像系统聚焦模糊、拍摄场景存在相对运动和雾天等不利环境，使得最终获取图像往往无法使用。为了处理这一问题，设计图像复原处理软件。
要求完成功效：
1、 采取直方图均衡化方法增强雾天模糊图像，并比较增强前后图像和直方图；
2、 查阅文件，分析雾天图像退化原因，设计一个图像复原方法，对比该复原图像和原始图像和直方图均衡化后图像；
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, 大气中悬浮大量微小水滴、气溶胶散射作用造成捕捉图像严重降质,伴随物体到成像设备距离增大, 大气粒子散射作用对成像影响逐步增加. 这种影响关键由两个散射过程造成: 1) 物体表面反射光在抵达成像设备过程中, 因为大气粒子散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们共同作用造成捕捉图像对比度、饱和度降低, 和色调偏移, 不仅影响图像视觉效果, 而且影响图像分析和了解性能.
在计算机视觉领域中, 常见大气散射模型来描述雾、霾天气条件下场景成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄图像灰度值可表示为

（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 为场景景深, β为大气反射系数。图像去雾过程就是依据取得有降质图像，即
I（x）来推算出ρ过程。
但因为该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题.
在只有单幅图像条件下，我们能够考虑用假设和推算方法使其中多个量固定，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 颜色分量最大值来估量光照颜色。我们用天空亮度A来替换最大值。对于A，假如直接用图像中最亮灰度估量话会受到高亮噪声或白色物体干扰，所以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，大于此值认定为天空区域，然后取平均值为我们估量天空亮度A。然后方程（1）变为

（2）

2.2.2 估量大气耗散函数

为了简化（2），我们设则 （2）变为

（3）
V（x）称为大气耗散函数。依据（3）轻易发觉V（x）满足0<V(x)<I',假如对
I’进行最小滤波得到W（x），则V（x）也肯定满足0<V(x)<W(x)。求V（x）过程其实是滤波过程，分为三步：

其中p为恢复系数，去[0,1]中值（通常为0.9—0.95）。
2.2.3 场景反射率恢复
经过以上步骤我们取得了A和V（x），至此方程（1）仅含有一个未知量，即我们要求场景反射率

2.2.4 色调映射
映射关系为其中G为求去雾后图像灰度最大值。
2.2.5 和直方图去雾效果对比
使用matlab中histeq函数对图像亮度和对比度进行直方图均衡化处理

三. 课程设计步骤和结果
3.1原图像和直方图
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('原图像')
subplot(1, 2, 2); imhist(Q, 64); title('原图像直方图')

3.2原图像和均衡后图像
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;
subplot(2, 2, 1); imshow(orig); title('原图像')
subplot(2, 2, 2); imshow(U); title('均衡后图像')
Q = rgb2gray(orig);
W = rgb2gray(U);
subplot(2, 2, 3); imhist(Q, 64); title('原图像直方图')
subplot(2, 2, 4); imhist(W, 64); title('均衡变换后直方图')

3.3原图和去雾图像对比
global im;
im1=double(imread(im))/255.0;
sv=2*floor(max(size(im1))/25)+1;
res=visibresto1(im1,sv,0.95,-1);
figure;imshow([im1, res],[0,1]);

四. 课程设计总结
首先，因为本方法是基于单幅图像输入来进行去雾处理，所以无法像多幅图像条件下那样综协议一场景不一样降质条件来估算天空亮度，所以难免会存在偏差。而且白平衡过程是对整幅图像进行，这么对于简单场景（天空和景物有显著分界）来说误差较小，但对于存在很多细节图像（如茂盛树木，天空也景物难以区分）和场景中有很多白色景物时，会在边缘出现模糊。
其次，本方法使用是变形中值滤波器来估算大气耗散函数，而中值滤波器即使能很好保持边缘，但对于直角和线这么细节处理存在固有缺点，所以当场景中存在这么景物（如高楼、车辆等），处理后图像会在景物边缘出现显著模糊。

五. 设计体会
在此次课程设计过程中，收获颇丰。
首先，这次实践让我又重新温习了一遍数字图像处理课程相关知识，并在此过程中对所学知识进行了一次检验，加深了度数字图像处理这门课程了解，让我深感数字图像处理这门课程博大精深。
然后，经过此次课程设计体验，提升了综合利用数字图像处理各方面知识能力，并从中发觉了自己很多不足之处，有待提升。
最终，经过对matlab这个工具软件利用，我又掌握了它部分功效，这对我以后学习和工作是一个莫大帮助。

六. 参考文件
[1]数字图像处理（第二版） 冈萨雷斯 电子工业出版社
[2]基于物理模型单幅图像快速去雾方法 禹晶、李大鹏、廖庆敏 自动化学报
[3]Fast Visibility Restoration from a Single Color or Gray Level Image Jean-Philippe Tarel、Nicolas Hautiere IEEE

课程设计成绩评定表

设计上机验收成绩表
姓名

学号

课题名称

序号
验收项目
分值
得分
1
设计内容合理、目标明确
10分

2
实现了课程设计基础要求，演示结果正确
50分

3
对课程设计中所包含知识了解正确
10分

4
方案正确，在基础要求基础上有改善、创新
20分

5
界面设计合理、美观
10分

总分

100分

课程设计总评分成绩表

评 定 项 目
分值
评分成绩
1
设计上机验收成绩、答辩
60%

2
设计汇报规范化、参考文件充足
30%

3
平时成绩
10%

总分

附：试验用图