2009_ICCV_Fast Visibility Restoration from a Single Color or Gray Level Image

Abstract

原文内容：“theambiguity between the presence of fog and the objects with low color saturationis solved by assuming only small objects can have colors with low saturation.”

重点内容分析：

通过假设“仅仅小的物体才会是白色的”，则可以分辨雾和白色物体。

低饱和度就是白色的意思。

Color saturation: Thedegree to which a color is mixed with white; high saturation means littlewhite, low saturation means much white.

 

Step 1: White Balance

首先，我们要明白什么是白平衡，白平衡就是在图像处理过程中，对原本材质为白色的物体的图像进行色彩还原，通过去除外部光源色温的影响，使其在最终照片上的图像也呈现为原来一致的白色。

其次，我们要明白本文中白平衡的目的是什么，本文中对输入图像进行白平衡操作的目的是还原雾本来的颜色，对于在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行补偿。进行白平衡后，雾的颜色就是纯白色，如果输入图像的像素值范围为[0, 1]，那么进行白平衡后，大气光A的值就为(1, 1, 1)。

全局白平衡：

S1:

求原始图像I的RGB三通道的最小值赋值给W；

S2:

求W中灰度值后99%大的最大值，并赋值给ival；

S3:

找出W中比ival还大的像素的位置[rind, cind]；

S4:

把原始图像中位置为[rind, cind]的像素赋值给sel；

S5:

把sel的各个通道的平均值赋值给white，white为3*1的灰度值；

S6:

把white除以white的最大值作为白平衡系数f，f为3*1的灰度值；

S7:

让原始图像的每个像素除以对应的通道的白平衡系数f，这样就得到白平衡后的图像。

 

局部白平衡：

S1:

对原始图像orig进行局部均值滤波，并赋值给fo；

S2:

求fo每个像素点的RGB三通道的平均值，并赋值给nbfo，nbfo为一个3*1灰度值；

S3:

把fo除以nbfo，然后把得到的结果的balance次方赋值给fo;

S4:

求fo每个像素点的RGB三通道的平均值，并赋值给nbfo，把fo除以nbfo，赋值给fo;

S5:

让原始图像orig除以fo，并把得到的结果赋值给orig。

 

通过白平衡操作后，我们可以得到：

把orig的三通道的最小值赋值给W；

把orig三通道的平均值赋值给nbo。

他们都是单通道灰度值图像。

 

Step 2: Atmospheric Veil Inference

首先，要明白求Atmospheric Veil的两个约束条件：

1 V>=0；

2 V<=W; 其中W为原始图像I的三个通道的最小值。

这两个约束条件很容易可以根据论文中的公式来得出。但是，在这里要注意V是一个单通道的图像。V是一个只跟景深有关的图像。

由于在近似的景深部分，V的值是近似相等的，所以，对粗略得到的W应该进行平滑处理，但是在景深变化较大的情况下，V的值是会剧烈变化的，所以在平滑的同时要尽量保留边缘。高斯滤波之类的一般滤波器在平滑图像的时候，边缘也会被平滑，而双边滤波器则可以在平滑去噪的同时保持边缘。而中值滤波和双边滤波一样可以做到平滑去噪的同时保持边缘。作者就用了中值滤波对W进行滤波：

(1) A(x, y) = median(W(x, y));

滤波后的图像会存在一些纹理信息，而这些纹理是不属于雾的，所以要过滤掉这些纹理信息：

(2) B(x, y) = A(x, y) – median(abs(W(x, y)-A(x,y)));

最后，要保证细化后的V的范围大于等于0，小于等于W：

(3) V = max(min(p*B(x, y), W(x, y)), 0);

Step 3: Image Visibility Restoration

S1:

factor为1/(1-V)

S2:

把原始图像(orig-V)*factor赋值给R；

S3:

当为全局白平衡时，R*white赋值给R；

当为局部白平衡时，R*fo赋值给R；

S4:

把R的三通道的平均值赋值给nbr。

Step 4: Smoothing Adapted to Contrast Magnification

局部中值滤波

每个像素所进行的局部中值滤波的窗口大小是不一样的，其大小为step3中factor的大小取整，并保证其大小范围为[1, smax]，smax为自己指定的最大滤波窗口。

Step 5: Dedicated Tone Mapping

aI和dI分别为原始图像I取log后的均值和标准差；dI和dR分别为复原后的图R取log后的均值和标准差。

其中，G(x,y)是U(x,y)的灰度图，MG是G的最大值。

T就为最后得到的去雾效果图。

 

本文缺点：

中值滤波不能很好的去除强边缘附近的雾，而双边滤波可以。2012年ICPR有篇Tarel算法的用双边滤波代替中值滤波的改进版本。

 

参考：

1.    http://www.answers.com/topic/color-saturation

2.    http://chuansongme.com/n/126105

3.    http://blog.csdn.net/muzhiai/article/details/9452225