本文主要介绍一种常用的图像去雾算法,算法原文作者是何凯明,该文章获得2009年CVPR最佳论文。原文地址http://research-srv.microsoft.com/en-us/um/people/kahe/publications/pami10dehaze.pdf 本文基于学习和分享的目的,探讨图像去雾算法。
首先介绍一下理论基础:
暗通道:何博士对大量的户外图像进行分析后,发现一个普遍存在的规律。在晴空图像的patches中,至少有一个通道的某些像素的值很小,接近零。换句话解释:在一幅晴空图像的非天空部分的局部区域内,存在一些像素至少一个颜色通道具有很低的值。该区域内各个通道的最小值接近零。
上面的公式表述了这种统计规律,y是像素索引,位于以像素x为中心的窗口内,c代表图像的通道(真彩色图像对应得值为红、绿、蓝),J是求得的暗通道图像。
暗通道的求法:先对图像每个像素三个通道的值取最小,得到最小通道图像,再对该图像做滤波,窗口大小根据具体情况选取。
根据先验知识可知,晴朗区域的暗通道值接近0
建筑物、汽车等的阴影;彩色地物或者是树干、石头等,这些地物都符合该先验知识,因而这一假设在大部分情况下成立。
为了说明该先验知识的通用性,作者做了很多实验,在论文中有体现。本文只展示做的一组实验如下:
对应的暗通道计算结果如下,可以看到除了云区其他部分区域暗通道值都很低: