暗通道去雾化报告
#1.课题简述
在不包括天空的大部分部区域内,至少有一个颜色通道的一些像素,它的强度值是非常低或者接近于0。与此同时,在这些区域内,最小强度值也是接近于0。暗像素能够直接用来评估雾光的透射信息
##1.1课题目的
对一张有雾化的图片进行,除去雾处理得到一张“干净”的图片。
去雾的目标就是从I中复原J,A,t。
I(x)=J(x)t(x)+A(1-t(x)),
I(x):观测到的图像的强度
J:景物光线的强度
A:全球大气光成分
t:用来描述光线通过媒介透射到照相机过程中没有被散射的部分
##1.2 项目环境
使用的是OpenCV的python环境
##1.3 基本流程
###1.3.1暗通道
在不包括天空的大部分部区域内,至少有一个颜色通道的一些像素,它的强度值是非常低或者接近于0.与此同时,在这些区域内,最小强度值也是接近于0.我们可以用一个公式来描述这个现象,并且我们把这个定义为暗通道的概念。
:是J图片的一个有颜色的通道
是以一个x为中心的方形区域
暗通道是有两个最小值化的操作构成的:
指的是在rgb三个像素值中选出最小的操作
是一个迷你滤波器
在进行编码的时候,我们需要安装PIL库,它可以帮助我们直接从图片中提取像素值。但是,在2009年的时候,该公司停止了对其更新,由非工作人员对其进行维护,现在改名为pillow.
###1.3.2估计透射率分布
通过下面的公式可以提供透射率分布的估计
是对在暗通道中对雾化图片的归一化。
代表雾化图片
有些时候,我们彻底的把雾化去掉,这样反而使得图片失去真实感并且深度感也会丢失。所以我们可以保留一些远距离物体的雾。在这里我们使用w来保留一部分覆盖遥远的雾。w值得选取根据具体情况而定,在本论文中选取0.95.
###1.3.3估计大气光
从之前的论文中知道,在彩色图片中雾气浓度最高的区域被认为是A。我们可以使用暗通道去检测雾气浓度最高的区域并且改善大气光的估计。首先,我们在暗通道中选取最亮的前0.1%的