數(shù)字圖像處理課程設計(圖像去霧)

數(shù)字圖像處理 課設題目： 圖像去霧 學 院： 信息與電氣工程學院 專 業(yè)： 電子信息工程 班 級： 姓 名： 學 號： 指導教師： 哈爾濱工業(yè)大學（威海） 年 月 日 目 錄 一. 課程設計任務 1 二. 課程設計原理及設計方案 2 三. 課程設計的步驟和結(jié)果 3 四. 課程設計總結(jié) 4 五. 設計體會 5 六. 參考文獻 6 一. 課程設計任務 由于大氣的散射作用，霧天的大氣退化圖像具有對比度低、景物不清晰的特點，給交通系統(tǒng)及戶外視覺系統(tǒng)的應用帶來嚴重的影響。但由于成像系統(tǒng)聚焦模糊、拍攝場景存在相對運動以及霧天等不利環(huán)境，使得最終獲取的圖像往往無法使用。為了解決這一問題，設計圖像復原處理軟件。 要求完成功能： 1、 采用直方圖均衡化方法增強霧天模糊圖像，并比較增強前后的圖像和直方圖； 2、 查閱文獻，分析霧天圖像退化因素，設計一種圖像復原方法，對比該復原圖像與原始圖像以及直方圖均衡化后的圖像； 3、 設計軟件界面 二. 課程設計原理及設計方案 2.1 設計原理 在霧、霾等天氣條件下, 大氣中懸浮的大量微小水滴、氣溶膠的散射作用導致捕獲的圖像嚴重降質(zhì),隨著物體到成像設備的距離增大, 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: 1) 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;2) 自然光因大氣粒子散射而進入成像設備參與成像. 它們的共同作用造成捕獲的圖像對比度、飽和度降低, 以及色調(diào)偏移, 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. 在計算機視覺領域中, 常用大氣散射模型來描述霧、霾天氣條件下場景的成像過程.Narasimhan 等給出霧、霾天氣條件下單色大氣散射模型(Monochrome atmospheric scat-tering model), 即窄波段攝像機所拍攝的圖像灰度值可表示為 （1） 式中, x 為空間坐標, A 表示天空亮度(Skylight), ρ為場景反照率, d 為場景的景深, β為大氣反射系數(shù)。圖像去霧的過程就是根據(jù)獲得的有降質(zhì)的圖像，即 I（x）來推算出ρ的過程。 但由于該物理模型包含3 個未知參數(shù), 從本質(zhì)上講, 這是一個病態(tài)反問題. 在只有單幅圖像的條件下，我們可以考慮用假設以及推算的方式使其中的幾個量固定，然后求解。 2.2 設計方案 2.2.1 白平衡 WP (White point) 算法, 也稱為Max-RGB 算法, 利用R、G、B 顏色分量的最大值來估計光照的顏色。我們用天空亮度A來取代最大值。對于A，如果直接用圖像中最亮的灰度估計的話會受到高亮噪聲或白色物體的干擾，因此我們首先對圖像顏色分量進行最小濾波，然后選擇閥值為0.99，大于此值的認定為天空區(qū)域，然后取平均值為我們估計的天空亮度A。然后方程（1）變?yōu)? （2） 2.2.2 估計大氣耗散函數(shù) 為了簡化（2），我們設則 （2）變?yōu)? （3） V（x）稱為大氣耗散函數(shù)。根據(jù)（3）容易發(fā)現(xiàn)V（x）滿足0<V(x)<I,如果對 I’進行最小濾波得到W（x），則V（x）也必定滿足0<V(x)<W(x)。求V（x）的過程其實是濾波的過程，分為三步： 其中p為恢復系數(shù)，去[0,1]中的值（一般為0.9—0.95）。 2.2.3 場景反射率的恢復 通過以上步驟我們獲得了A以及V（x），至此方程（1）僅含有一個未知量，即我們要求的場景反射率 2.2.4 色調(diào)映射 映射關系為其中G為求的去霧后的圖像灰度最大值。 2.2.5 與直方圖去霧效果對比 使用matlab中的histeq函數(shù)對圖像的亮度和對比度進行直方圖均衡化處理 三. 課程設計的步驟和結(jié)果 3.1原圖像與直方圖 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(原圖像) subplot(1, 2, 2); imhist(Q, 64); title(原圖像直方圖) 3.2原圖像與均衡后圖像 global orig; global U; I = rgb2hsv(orig); H = I(:,:,1); S = I(:,:,2); V = I(:,:,3); M = histeq(S); % 對飽和度直方圖均衡化 N = histeq(V); % 對亮度直方圖均衡化 U = hsv2rgb(H, M, N); figure; subplot(2, 2, 1); imshow(orig); title(原圖像) subplot(2, 2, 2); imshow(U); title(均衡后圖像) Q = rgb2gray(orig); W = rgb2gray(U); subplot(2, 2, 3); imhist(Q, 64); title(原圖像直方圖) subplot(2, 2, 4); imhist(W, 64); title(均衡變換后的直方圖) 3.3原圖與去霧圖像對比 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. 課程設計總結(jié) 首先，由于本方法是基于單幅圖像輸入來進行去霧處理，因此無法像多幅圖像條件下那樣綜合同一場景的不同降質(zhì)條件來估算天空亮度，因此難免會存在偏差。而且白平衡過程是對整幅圖像進行的，這樣對于簡單場景（天空與景物有明顯的分界）來說誤差較小，但對于存在很多細節(jié)的圖像（如茂盛的樹木，天空也景物難以區(qū)分）以及場景中有很多白色景物時，會在邊緣出現(xiàn)模糊。 其次，本方法使用的是變形的中值濾波器來估算大氣耗散函數(shù)，而中值濾波器雖然能較好的保持邊緣，但對于直角以及線這樣的細節(jié)的處理存在固有缺陷，因此當場景中存在這樣的景物（如高樓、車輛等），處理后的圖像會在景物的邊緣出現(xiàn)明顯的模糊。 五. 設計體會 在本次課程設計過程中，收獲頗豐。 首先，這次實踐讓我又重新溫習了一遍數(shù)字圖像處理課程的相關知識，并在此過程中對所學知識進行了一次檢驗，加深了度數(shù)字圖像處理這門課程的理解，讓我深感數(shù)字圖像處理這門課程的博大精深。 然后，通過本次課程設計的體驗，提高了綜合運用數(shù)字圖像處理各方面知識的能力，并從中發(fā)現(xiàn)了自己的許多不足之處，有待提高。 最后，通過對matlab這個工具軟件的運用，我又掌握了它的一些功能，這對我以后的學習和工作是一個莫大的幫助。 六. 參考文獻 [1]數(shù)字圖像處理（第二版） 岡薩雷斯 電子工業(yè)出版社 [2]基于物理模型的單幅圖像快速去霧方法 禹晶、李大鵬、廖慶敏 自動化學報 [3]Fast Visibility Restoration from a Single Color or Gray Level Image Jean-Philippe Tarel、Nicolas Hautiere IEEE 課程設計成績評定表 設計上機驗收成績表 姓名 學號 課題名稱 序號 驗收項目 分值 得分 1 設計內(nèi)容合理、目的明確 10分 2 實現(xiàn)了課程設計的基本要求，演示結(jié)果正確 50分 3 對課程設計中所涉及的知識理解正確 10分 4 方案正確，在基本要求基礎上有改進、創(chuàng)新 20分 5 界面設計合理、美觀 10分 總分 100分 課程設計總評分成績表 評 定 項 目 分值 評分成績 1 設計上機驗收成績、答辯 60% 2 設計報告的規(guī)范化、參考文獻充分 30% 3 平時成績 10% 總分 附：實驗用圖