【图像去雾】基于双边滤波算法实现图像去雾附Matlab源码

最新推荐文章于 2024-08-18 22:34:55 发布

matlab科研社

最新推荐文章于 2024-08-18 22:34:55 发布

阅读量161

点赞数

文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/Matlab_dashi/article/details/131537733

版权

该文介绍了如何使用双边滤波算法进行图像去雾处理，包括预处理、透射率估计、去雾公式应用及后处理步骤。通过Matlab实现，强调了算法在保留图像边缘细节方面的优势，同时也指出在复杂场景下可能存在的问题，并提到了其他优化方法。

摘要由CSDN通过智能技术生成

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

基于双边滤波算法实现图像去雾是一种常用的方法，用于恢复由大气雾霾引起的图像模糊和低对比度问题。以下是一个基本的步骤框架：

雾图像预处理：首先对输入的雾图像进行预处理，例如校正伽马校正、直方图均衡化等操作，以增强图像的动态范围。
估计大气光：通过在雾图像中寻找最亮的像素点来估计全局大气光值。这些最亮像素通位于天空区域或具有很高亮度值的区域。
估计透射率：利用双边滤波算法估计图像中每个像素点的透射率。双边滤波是一种考虑空间距离和灰度相似性的滤波器，能够有效降低噪声同时保留边缘信息。
运用射率进行去雾：使用估计得到的透射率和大气光值，对雾图像进行去雾处理。其中，去雾公式为：I = (J - A) / t +I为去雾图像，J为输入雾图像，A为估计得的大气光，t为透射率。
去雾结果后处理：对去雾结果进行后处理，例如对比度增强、锐化或色彩校正等操作，以进一步提升图像的质量和视觉效果。

需要注意的是，双边滤波算法在去雾过程中能够保留边缘细节，但在复杂场景、低光照条件或存在运动模糊时可能产生其它问题。因此，在实际应用中，可以根据具体情况和需求，采用其他图像处理技术和算法来改进和优化图像去雾的效果。

⛄ 部分代码

clc
clear all
close all
%imageRGB = imread('picture.bmp');
%imageRGB = imread('shishi.jpg');
imageRGB = imread('traffic.jpg');
imageRGB = double(imageRGB);
imageRGB=imageRGB./255;
figure;
%subplot(2,1,1);
imshow(imageRGB), title('原始图像');
% imwrite(imageRGB(2:516,2:689,:),'D:\所有去雾程序\新建文件夹\双边滤波去雾\双边椒盐7(1)去雾截.bmp');
% subplot(2,1,2);imhist(rgb2gray(imageRGB));
% imageRGB=imnoise(imageRGB,'gaussian',0.02);
% figure;
% imshow(imageRGB);title('加噪图');
sz=size(imageRGB);
w=sz(2);
h=sz(1);

dark=darkChannel(imageRGB);
figure,imshow(dark);
title('暗通道图像');
% imwrite(dark,'traffic_1.jpg')
[m,n,~] = size(imageRGB);
%估计大气光值A，从暗通道中按亮度大小提取最亮的前0.1%像素。然后在原始有雾图像I中寻找对应位置上的具有最亮亮度的点的值，并以此作为A的值
imsize = m * n;
numpx = floor(imsize/1000);
JDarkVec = reshape(dark,imsize,1);
ImVec = reshape(imageRGB,imsize,3);

    im(:,:,ind) = imageRGB(:,:,ind)./atmospheric(ind);
end
dark_2=darkChannel(im);%P15页对大气光归一化以后求取暗通道
t = 1-omega*dark_2;%对透射率粗估计
figure,imshow(t), title('原始透射图');
% imwrite(t,'traffic_2.jpg')
filter=0.9*bfltGray(t,1,3,0.1);
t_d = filter;
figure,imshow(t_d), title('双边滤波后透射图');

A = min([minAtomsLight, max(max(dc2))]); %确定大气光强
J = zeros(h,w,3);
img_d = double(img);
r = krnlsz*3;
eps = 10^-6;
filtered = guidedfilter(double(rgb2gray(img))/255, t_d, r, eps);%指导滤波t进行增强
t_d = filtered;
% figure,imshow(t_d,[]),title('滤波后 t');
J(:,:,1) = (img_d(:,:,1) - (1-t_d)*A)./t_d;
J(:,:,2) = (img_d(:,:,2) - (1-t_d)*A)./t_d;
J(:,:,3) = (img_d(:,:,3) - (1-t_d)*A)./t_d;
figure,imshow(uint8(J)), title('去雾图像');
%}