基于OpenCV的图像去雾程序（Single Image Haze Removal Using Dark Channel Prior）

最新推荐文章于 2022-08-08 14:05:29 发布
最新推荐文章于 2022-08-08 14:05:29 发布
阅读量908 收藏 2
点赞数
分类专栏： Paper Learning

去雾算法参考了一篇论文：

Kaiming He, Jian Sun, Xiaoou Tang. Single Image Haze Removal Using Dark Channel Prior

大致内容是提出了一个叫做暗原色先验的东西来对有雾图像进行处理，十分巧妙，有兴趣者可以看看。这里使用OpenCV实现文中的去雾算法，然而论文提到的soft matting未在本程序中实现。

 

 

代码如下：

[cpp]  view plain copy
  1. #include<iostream>  
  2. #include<cv.h>  
  3. #include<highgui.h>  
[cpp]  view plain copy
  1. char tbarname1[] = "调节block";  
  2. //定义两个滑动条,用于调节参数  
  3. char tbarname2[] = "调节w";  
  4. //w是为了保留一部分的雾  
  5. int block=5;  
  6. int w1=80;  
  7. double w;  
  8. IplImage *src=NULL;  
  9. IplImage *dst=NULL;  
  10. using namespace std;  
  11. //定义去雾函数如下  
  12. IplImage *quw(IplImage *src,int block,double w)  
  13. {  
  14.     //图像分别有三个颜色通道  
  15.     IplImage *dst1=NULL;  
  16.     IplImage *dst2=NULL;  
  17.     IplImage *dst3=NULL;  
  18.     IplImage *imgroi1;  
  19.     //dst1的ROI  
  20.     IplImage *imgroi2;  
  21.     //dst2的ROI  
  22.     IplImage *imgroi3;  
  23.     //dst3的ROI  
  24.     IplImage *roidark;  
  25.     //dark channel的ROI  
  26.     IplImage *dark_channel=NULL;  
  27.     //暗原色先验的指针  
  28.     IplImage *toushelv=NULL;  
  29.     //透射率  
  30.   
  31.     //去雾算法运算后的三个通道  
  32.     IplImage *j1=NULL;  
  33.     IplImage *j2=NULL;  
  34.     IplImage *j3=NULL;  
  35.     //去雾后的图像,三通道合并成  
  36.     IplImage *dst=NULL;  
  37.     //源图像ROI位置以及大小  
  38.     CvRect ROI_rect;  
  39.   
  40.     //分离的三个通道  
  41.     dst1=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  42.     dst2=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  43.     dst3=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  44.   
  45.     //为各个ROI分配内存  
  46.     imgroi1=cvCreateImage(cvSize(block,block),IPL_DEPTH_8U,1);  
  47.     imgroi2=cvCreateImage(cvSize(block,block),IPL_DEPTH_8U,1);  
  48.     imgroi3=cvCreateImage(cvSize(block,block),IPL_DEPTH_8U,1);  
  49.     roidark=cvCreateImage(cvSize(block,block),IPL_DEPTH_8U,1);  
  50.   
  51.     //为j1 j2 j3分配大小  
  52.     j1=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  53.     j2=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  54.     j3=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  55.   
  56.     //为暗原色先验指针分配大小  
  57.     dark_channel=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  58.     //为透射率指针分配大小  
  59.     toushelv=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);  
  60.     //dst分配大小  
  61.     dst=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,3);  
  62.     //将原彩色图像分离成三通道  
  63.     cvSplit(src,dst1,dst2,dst3,NULL);  
  64.     //求暗原色  
  65.     ROI_rect.width=block;  
  66.     ROI_rect.height=block;  
  67.     ROI_rect.x=0;  
  68.     ROI_rect.y=0;  
  69.   
  70.   
  71.     int i;  
  72.     int j;  
  73.     double min1=0;  
  74.     double max1=0;  
  75.     double min2=0;  
  76.     double max2=0;  
  77.     double min3=0;  
  78.     double max3=0;  
  79.     double min=0;  
  80.     CvScalar value;  
  81.     for(i=0;i<src->width/block;i++)  
  82.     {        for(j=0;j<src->height/block;j++)  
  83.     {  
  84.         //分别计算三个通道内ROI的最小值  
  85.         cvSetImageROI(dst1,ROI_rect);  
  86.         cvCopy(dst1,imgroi1,NULL);  
  87.         cvMinMaxLoc(imgroi1,&min1,&max1,NULL,NULL);  
  88.         cvSetImageROI(dst2,ROI_rect);  
  89.         cvCopy(dst2,imgroi2,NULL);  
  90.         cvMinMaxLoc(imgroi2,&min2,&max2,NULL,NULL);  
  91.         cvSetImageROI(dst3,ROI_rect);  
  92.         cvCopy(dst3,imgroi3,NULL);  
  93.         cvMinMaxLoc(imgroi3,&min3,&max3,NULL,NULL);  
  94.         //求三个通道内最小值的最小值  
  95.         if(min1<min2)  
  96.             min=min1;  
  97.         else  
  98.             min=min2;  
  99.         if(min>min3)  
  100.             min=min3;//min为这个ROI中暗原色  
  101.         value=cvScalar(min,min,min,min);//min放在value中  
  102.         //min赋予dark_channel中相应的ROI  
  103.         cvSetImageROI(dark_channel,ROI_rect);  
  104.         cvSet(roidark,value,NULL);  
  105.         cvCopy(roidark,dark_channel,NULL);  
  106.         //释放各个ROI  
  107.         cvResetImageROI(dst1);  
  108.         cvResetImageROI(dst2);  
  109.         cvResetImageROI(dst3);  
  110.         cvResetImageROI(dark_channel);  
  111.         //转入下一个ROI  
  112.         ROI_rect.x=block*i;  
  113.         ROI_rect.y=block*j;  
  114.     }  
  115.     }  
  116.     //保存暗原色先验的图像  
  117.     //cvSaveImage("F:/人脸图片样本/1W 测试图库/T04950003.jpg",dark_channel);  
  118.     //利用得到的暗原色先验dark_channel_prior.jpg求大气光强  
  119.     double min_dark;  
  120.     double max_dark;  
  121.     CvPoint min_loc;  
  122.     CvPoint max_loc;//max_loc是暗原色先验最亮一小块的原坐标  
  123.     cvMinMaxLoc(dark_channel,&min_dark,&max_dark,&min_loc,&max_loc,NULL);  
  124.     cout<<max_loc.x<<" "<<max_loc.y<<endl;  
  125.     ROI_rect.x=max_loc.x;  
  126.     ROI_rect.y=max_loc.y;  
  127.     double A_dst1;//定义大气光成分的估计值  
  128.     double dst1_min;  
  129.     double A_dst2;  
  130.     double dst2_min;  
  131.     double A_dst3;  
  132.     double dst3_min;  
  133.     cvSetImageROI(dst1,ROI_rect);  
  134.     //按照论文方法求大气光强估计值  
  135.     cvCopy(dst1,imgroi1,NULL);  
  136.     cvMinMaxLoc(imgroi1,&dst1_min,&A_dst1,NULL,NULL);  
  137.     cvSetImageROI(dst2,ROI_rect);  
  138.     cvCopy(dst2,imgroi2,NULL);  
  139.     cvMinMaxLoc(imgroi2,&dst2_min,&A_dst2,NULL,NULL);  
  140.     cvSetImageROI(dst3,ROI_rect);  
  141.     cvCopy(dst3,imgroi3,NULL);  
  142.     cvMinMaxLoc(imgroi3,&dst3_min,&A_dst3,NULL,NULL);  
  143.     cout<<A_dst1<<" "<<A_dst2<<" "<<A_dst3<<endl;//这三值为大气光强度估计值  
  144.     //求透射率  
  145.     int k;  
  146.     int l;  
  147.     CvScalar m;  
  148.     CvScalar n;//暗原色先验各元素值  
  149.   
  150.     for(k=0;k<src->height;k++)  
  151.     {  
  152.         for(l=0;l<src->width;l++)  
  153.         {  
  154.             m=cvGet2D(dark_channel,k,l);  
  155.             n=cvScalar(255-w*m.val[0]);  
  156.             //w目的是保留一部分的雾,使图像看起来真实些  
  157.             cvSet2D(toushelv,k,l,n);  
  158.         }  
  159.     }  
  160.     //cvSaveImage("F:/人脸图片样本/1W 测试图库/T04950005.jpg",toushelv);  
  161.   
  162.     //求无雾图像  
  163.     int p,q;  
  164.     double tx;  
  165.     double jj1,jj2,jj3;  
  166.     CvScalar ix,jx;  
  167.     for(p=0;p<src->height;p++)  
  168.     {  
  169.         for(q=0;q<src->width;q++)  
  170.         {  
  171.             tx=cvGetReal2D(toushelv,p,q);  
  172.             tx=tx/255;  
  173.             if(tx<0.1)  
  174.                 tx=0.1;  
  175.             ix=cvGet2D(src,p,q);  
  176.             jj1=(ix.val[0]-A_dst1)/tx+A_dst1;//根据雾产生模型运算,还原出无雾图像  
  177.             jj2=(ix.val[1]-A_dst2)/tx+A_dst2;  
  178.             jj3=(ix.val[2]-A_dst3)/tx+A_dst3;  
  179.             jx=cvScalar(jj1,jj2,jj3,0.0);  
  180.             cvSet2D(dst,p,q,jx);  
  181.         }  
  182.     }  
  183.     //cvSaveImage("f:/removed_haze.jpg",dst);  
  184.   
  185.     //释放指针  
  186.     cvReleaseImage(&dst1);  
  187.     cvReleaseImage(&dst2);  
  188.     cvReleaseImage(&dst3);  
  189.     cvReleaseImage(&imgroi1);  
  190.     cvReleaseImage(&imgroi2);  
  191.     cvReleaseImage(&imgroi3);  
  192.     cvReleaseImage(&roidark);  
  193.     cvReleaseImage(&dark_channel);  
  194.     cvReleaseImage(&toushelv);  
  195.     cvReleaseImage(&j1);  
  196.     cvReleaseImage(&j2);  
  197.     cvReleaseImage(&j3);  
  198.     return dst;  
  199. }  
  200.   
  201. void on_trackbar1(int h)  
  202. {  
  203.     dst=quw(src,block,w);  
  204.     cvShowImage("目的图像",dst);  
  205.     //      cvWaitKey(0);  
  206. }  
  207. void on_trackbar2(int h)  
  208. {  
  209.   
  210.     w=(double)w1/100;  
  211.     dst=quw(src,block,w);  
  212.     cvShowImage("目的图像",dst);  
  213.     //      cvWaitKey(0);  
  214. }  
  215. //主函数如下  
  216. void main()  
  217. {  
  218.     //打开图像  
  219.     src=cvLoadImage("c:/2008414867469_2.jpg");  
  220.     //创造窗口  
  221.     cvNamedWindow("有雾图像");  
  222.     cvShowImage("有雾图像",src);  
  223.     cvNamedWindow("目的图像");  
  224.     cvShowImage("目的图像",src);  
  225.     cvCreateTrackbar(tbarname1, "目的图像", &block, 15, on_trackbar1);  
  226.     cvCreateTrackbar(tbarname2, "目的图像", &w1, 100, on_trackbar2);  
  227.     cvWaitKey(0);  
  228.     cvReleaseImage(&src);  
  229.     cvReleaseImage(&dst);  
  230. }  

Savitch
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
图像去雾算法opencv实现
05-10
图像去雾算法opencv实现图像去雾算法opencv实现 暗原色的opencv实现
openCV实战——图像去雾
qq_35732321的博客
09-08 2847
全 局直方图处理通过对 RGB 图像的 R、G、B 三层通道分别进行直方图均衡化，再整合到新的图 像的方式进行。将整幅图像分成很多小块，然后再对每一个小块分别进行直方图均衡化，最后进行拼接。掩膜的主要是用来提取感兴趣区域。即自适应直方图均衡化。
图像去雾的OpenCV程序
燕子lovinglife
08-05 2950
去雾算法参考了一篇论文： Kaiming He, Jian Sun, Xiaoou Tang. Single Image Haze Removal Using Dark Channel Prior 大致内容是提出了一个叫做暗原色先验的东西来对有雾图像进行处理，十分巧妙，有兴趣者可以看看。这里使用OpenCV实现文中的去雾算法，然而论文提到的soft matting未在本程序中实现。
python opencv视频除雾算法
热门推荐
识物专栏
07-12 11万+
#https://www.pianshen.com/article/949473269/ #author:ljj #time:2021/7 import cv2 import math import numpy as np class RmvFog: #remove fog from video def __init__(self): None def DarkChannel(self,im, sz): b, g, r = cv2.split(im)..
基于暗通道去雾算法的实现与优化（二）opencv在pc上的实现
CHEN的专栏
12-11 1万+
上一篇中，学习了何的论文中的去雾方法，这一篇中，我按照何的论文思路借助opencv 2.4.10 进行了实现，效果的确很好，就是耗时太多了，效果见下图：蓝色圆圈代表大气光值的取值点。 突然发现上一篇中忘了介绍大气光值A的求解了，论文中是这样做的： 1.首先取暗通道图中最亮的千分之一的像素点。 2.根据这些像素点的位置在原图中搜索一个最亮的点，这个点的强度（intensity）
图像去雾_opencv去雾_opencv图像去雾_图像处理_图像去雾_
10-01
去雾算法通常基于物理模型，如暗通道先验（Dark Channel Prior，DCP）理论，这是由贾亚普拉什纳·贾亚拉曼等人提出的。DCP假设在自然图像中总存在某些像素具有非常低的亮度值，这些像素对应于大气散射的强光，通过...
Fog-Removal-using-dark-channel-Prior-master.zip_C++_Dark_dark ch
09-24
"Fog-Removal-using-dark-channel-Prior-master.zip"是一个C++项目，专注于使用“暗通道先验”（Dark Channel Prior）理论来去除图像中的雾气，从而提高图像的质量和细节可见性。 暗通道先验是2009年由清华大学的...
图像去雾算法代码（opencv+c++）
12-02
本项目提供了基于OpenCV库的C++实现，可以帮助开发者理解和应用图像去雾算法。OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库，包含了大量的图像和视频处理函数，广泛应用于图像分析、...
数字图像处理图像去雾代码（opencv）
12-23
暗通道先验（Dark Channel Prior）是图像去雾的常用方法之一，由Tao He等人在2009年提出。该方法认为在大部分自然场景的局部区域，存在一种“暗通道”，即几乎全通道值都非常低。通过寻找这种暗通道，可以估计大气光...
去雾算法C++实现
FAM_1的博客
08-08 2216
暑假闲着没啥事儿就乘着这个机会好好学习学习算法原理吧。某虽不才，虽然实现效果没有大佬们的好，但是我的代码通俗易懂，并且完全开源（C++），欢迎大家前来相互学习，批评指正。
Retinex快速图像去雾
09-21
通过对汪荣贵基于暗原色先验的Retinex去雾的学习而编写的对应的matlab去雾程序，对于雾不是特别浓的时候去雾效果还是不错的，这里共享matlab源码，里卖弄注释很全，都是自己注释的。
基于opencv的单张图像去雾算法（一）
cfqcfqcfqcfqcfq的博客
10-18 5611
最近对图像去雾算法产生了兴趣，查阅学习了大量论文和大牛博客后，决定动手用自己熟悉的opencv来编写程序完成。文章专门记录了具体算法实现过程以及其中遇见的大量问题。供自己以后参考，当然也希望能给广大博友提供一些参考。本文着重讲实现过程，图像去雾理论会同过参考文献形式给出。整个内容拟大概分成三个章节来介绍。 开发环境：    计算机系统：win10(64-bit)     编译器：MS
水下图像去雾算法Ｃ＋＋实现
xiao__run的博客
08-15 9653
图像去雾之何凯明暗通道先验去雾算法原理及c++代码实现 何凯明博士，2007年清华大学毕业，2011年香港中文大学博士毕业，可谓是功力深厚，感叹于国内一些所谓博士的水平，何这样的博士才可以真正叫做 Doctor。      关于何博士的一些资料和论文，大家可以访问这里：http://research.microsoft.com/en-us/um/people/kahe/
opencv实现视频实时去雾算法
xiao__run的博客
08-07 1万+
现在一系列的文章，有不少算法都于去雾有关，比如限制对比度自适应直方图均衡化算法原理、实现及效果、局部自适应自动色阶/对比度算法在图像增强上的应用这两个增强算法都有一定的去雾能力，而最直接的就是《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他 一文，描述了暗通道去雾这一state-of-the-art a
图像去雾算法的原理、实现、效果
向阳的博客
10-16 3万+
图像的去雾算法原理及实现： 本文主要是实现的是基于暗通道处理的去雾。有部分是看论文直接翻译而来，如有错误，欢迎评论区指出，当然您也可以直接阅读原文。 一、原理 暗通道先验解释： 说明：何凯明博士的论文中统计了5000多副图像的特征，证明了暗通道先验理论的普遍性，因此我们可以粗略的认为是一条定理。 先看什么是暗通道先验： 在绝大多数图像局部区域里，有一些像素总会有至少一个颜色通道具有很低...
图像处理之去雾——基于图像暗通道的去雾算法
bigbigtree
04-28 1万+
本文主要介绍一种常用的图像quyu
opencv-视频处理--dark channel -实现暗通道去雾详解
我们的时光！
04-18 1万+
图像去雾的模型：  我们分析以上模型：【已知条件】：observerd intensity，即输入图像（待去雾的图像）【未知条件】 scene radiance，即还原图像（去雾以后的图像） medium transmission global atmospheric light【目标】求出这三个未知条件、、，而根据去雾模型，我们只需要计算出其中两个未知条件，就可以求出第三个。文中先通过求出、，然
OpenCV——去雾
weixin_30730151的博客
11-16 122
这是一个简化的实现算法，完整的算法请参考： Single Image Haze Removal Using Dark Channel Prior ——CVPR 2009 // define head function #ifndef PS_ALGORITHM_H_INCLUDED #define PS_ALGORITHM_H_INCLUDED #inclu...
opencv图像去雾
最新发布
05-02
在OpenCV中，图像去雾是一种常见的图像增强技术，用于去除图像中的雾霾或模糊效果，使图像更加清晰和细节更加突出。 在OpenCV中，可以使用以下步骤进行图像去雾： 1. 估计大气光照：通过分析图像中的亮度信息，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值