4.opencv+python实现暗通道去雾

加斯顿工程师

已于 2022-09-07 17:39:55 修改

阅读量1.1k

点赞数 1

分类专栏： python学习笔记文章标签： opencv

于 2022-03-22 23:19:23 首次发布

本文链接：https://blog.csdn.net/hsdujdjrjrj/article/details/123674553

版权

python学习笔记专栏收录该内容

17 篇文章 44 订阅 ¥19.90 ¥99.00

订阅专栏

代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt


def zmMinFilterGray(src, r=7):
    '''最小值滤波，r是滤波器半径'''
    return cv2.erode(src, np.

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

加斯顿工程师

关注关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
打赏
0
评论
4.opencv+python实现暗通道去雾

opencv+python实现暗通道去雾（含代码）
复制链接

扫一扫

专栏目录

订阅专栏

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...

暗通道去雾代码及改进代码

06-27

暗通道去雾代码及改进代码，拥有对色彩方面的改进

参与评论您还未登录，请先登录后发表或查看评论

基于Python+OpenCV实现暗通道去雾算法

Q1744828575的博客

06-11

395

一、项目背景与意义在图像处理领域，尤其是在户外环境下拍摄的图像，经常会受到雾霾等天气条件的影响，导致图像质量下降，细节信息丢失。为了改善这种情况，研究人员提出了多种图像去雾算法，其中暗通道去雾算法因其高效性和准确性而备受关注。本项目旨在利用Python编程语言结合OpenCV库，实现一个基于暗通道原理的图像去雾处理系统。二、技术原理暗通道去雾算法基于何恺明的暗通道先验理论，该理论认为：在大多数无雾的图像中，至少有一个颜色通道在某些局部区域具有很低的强度值，这些区域被称为暗通道。

按通道去雾

sinat_38369128的博客

11-20

401

import cv2 import numpy as np def zmMinFilterGray(src, r=7): '''最小值滤波，r是滤波器半径''' '''if r <= 0: return src h, w = src.shape[:2] I = src res = np.minimum(I , I[[0]+ra...

opencv简单的暗通道去雾算法

05-16

基于暗通道先验的去雾算法，去雾算法目前也有着众多其他的方式，不过我所接触的，很多都是以这个为基础，因此，先弄会这个为研究其他的去雾算法能奠定坚实的基础。

python实现暗通道去雾算法的示例

12-16

何凯明博士的去雾文章和算法实现已经漫天飞了，我今天也就不啰里啰唆，直接给出自己python实现的完整版本，全部才60多行代码，简单易懂，并有简要注释，去雾效果也很不错。在这个python版本中，计算量最大的就是...

defogging_hekaiming_暗通道Python_暗通道去雾_

09-30

在Python版本的暗通道去雾算法实现中，通常包括以下几个步骤： 1. **预处理**：读取图像并转换为合适的色彩空间，如HSI或YCbCr，因为这些色彩空间对暗通道的检测更为敏感。 2. **暗通道估计**：对于每个像素，计算...

defogging_hekaiming_暗通道Python_暗通道去雾_源码.zip

10-18

这个压缩包文件"defogging_hekaiming_暗通道Python_暗通道去雾_源码.zip"包含了一套使用Python实现的暗通道去雾算法的源代码。下面我们将详细探讨暗通道去雾的基本原理、Python实现的关键步骤以及可能涉及到的相关...

opencv(c++)实现暗通道先验去雾算法完整代码

11-10

使用VS2019创建工程并添加opencv环境后，新建c++文件后，复制代码即可运行

基于VS和OPencv的暗通道图像去雾参考资料

05-04

包括滤波算法等可用代码及相关说明文档，但是未整合到平台，不能直接运行

基于暗通道去雾python和matlab代码.zip

05-06

对于这个项目，我们可以使用Python的OpenCV、PIL等库，或者MATLAB的Image Processing Toolbox来实现暗通道去雾算法。 1. **暗通道理论**： - 暗通道先验：假设在一个小的局部区域（如3x3或5x5的窗口）内，至少有一...

Python-OpenCV利用RGB去掉图片中的绿色

Scarlett的博客

06-16

3238

import cv2 import numpy as np IMAGE_PATHS = ["green1.jpg", "green2.jpg", "green3.jpg"] lower_green = np.array([35, 43, 46]) upper_green = np.array([77, 255, 255]) # lower_blue = np.array([78, 43, 46]) # upper_blue = np.array([110, 255, 255]) if __name__

Python opencv 去除图像四周黑边的一种做法

xiongxyowo的博客

10-28

4973

Python opencv 去除图像四周黑边的一种做法

【opencv学习笔记 26开闭操作】去噪点去除水平线去除竖直线

Wu123456CS的博客

04-15

3906

开闭操作开操作图像形态学的重要操作之一，基于膨胀和腐蚀（背景黑色，前景白色）操作组合形成的。主要是应用在二值图像的分析中，灰度图像也可以开操作=先腐蚀+再膨胀作用：消除图像中的小的干扰区域去除噪点闭操作闭操作=先膨胀 +再腐蚀作用：填充小的封闭区域 -----------提取水平或者垂直线------------ 相关代码 import cv2 as cv def open_...

计算机视觉：暗通道去雾算法的原理及python实现

weixin_51998427的博客

03-03

6551

在绝大多数非天空的局部区域中，某些像素总会至少有一个颜色通道的值很低。对于一幅图像J(x)，其暗通道的数学定义表示如下：其中，Ω(x)表示以x为中心的局部区域，上标c表示RGB三个通道。该公式的意义用代码表达也很简单，首先求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定。

Python 还能实现图片去雾？FFA 去雾算法、暗通道去雾算法用起来！ | 附代码

08-03

1884

在过去的几十年中，单图像去雾作为基本的低级视觉任务已引起了计算机视觉社区和人工智能公司的越来越多的关注。其中最为典型的便是北大&北航提出FFA-Net去雾新网络和何凯明博士提出的暗通道去雾算法，现所有源码已开源。其论文链接： https://arxiv.org/abs/1911.07559。加python学习qq群：775690737 送python零基础入门学习资料+99个源码而今天我们就将针对这两个项目进行实践。其中得到的去雾效果如下：实验前的准备首先...

基于导向滤波的暗通道先验去雾算法（Python，可直接运行）

最新发布

清汉_CSDN

07-18

280

OpenCV（开源计算机视觉库）是一个功能强大的计算机视觉和机器学习库。它提供了广泛的工具和算法，用于图像处理和计算机视觉任务。

暗通道去雾算法 python opencv

09-23

暗通道去雾算法是一种常用的图像去雾算法，适用于雾霾天气下的图像处理。下面我们将使用Python的OpenCV库来实现该算法。首先，我们需要导入OpenCV库并读取原始图像。可以使用`cv2.imread()`函数来读取图像。 ```python import cv2 # 读取原始图像 image = cv2.imread('path_to_image.jpg') ``` 然后，我们需要计算图像的暗通道。暗通道是指在一个局部小区域内，图像中最小像素值对应的通道。可以通过以下步骤来计算暗通道： 1. 将图像转换成灰度图像，可以使用`cv2.cvtColor()`函数来实现。 2. 创建一个与原始图像相同大小的空白图像作为输出结果。 3. 对于每个像素位置，计算其对应局部小区域的最小像素值，并将其赋值给输出图像。 ```python # 转换成灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 创建空白图像 dark_channel = np.zeros_like(gray) # 计算暗通道 for i in range(image.shape[0]): for j in range(image.shape[1]): neighborhood = gray[max(0, i-15):min(gray.shape[0], i+15), max(0, j-15):min(gray.shape[1], j+15)] dark_channel[i][j] = np.min(neighborhood) ``` 接下来，我们需要计算全局大气光A。全局大气光是指图像中像素值最高的区域，代表了环境中的雾浓度。可以通过以下步骤来计算全局大气光： 1. 根据暗通道图像，选择图像中亮度值较高的像素位置。 2. 在这些像素位置中选择其亮度值最高的像素位置作为全局大气光。 ```python # 选择图像中亮度值较高的像素 brightest_pixels = np.unravel_index(np.argsort(dark_channel.flatten())[-0.001 * dark_channel.size:], dark_channel.shape) brightest_values = gray[brightest_pixels] # 在亮度值较高的像素中选择亮度值最高的像素 A = np.max(brightest_values) ``` 最后，我们可以根据以下公式来恢复去雾图像： ```python t = 1 - 0.95 * dark_channel / A t = np.clip(t, 0.1, 1.0) result = np.zeros_like(image) for c in range(3): result[:, :, c] = (image[:, :, c] - A) / t + A ``` 将最终结果保存到文件中： ```python cv2.imwrite('path_to_result.jpg', result) ``` 通过以上步骤，我们可以使用Python的OpenCV库来实现暗通道去雾算法。

“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