视频图像增强和去雾算法matlab实现

1视频图像增强和去雾算法说明摘要本文档介绍夜间增强和去雾增强算法及其实现。（1）将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方图进行均衡化处理，然后再转换到RGB空间。（2）利用暗原色先验图像去雾算法对图像进行去雾处理。2目录一、通过I分量增强夜间图像..........................................................................................................31.算法原理.........................................................................................................................................32.MATLAB程序.....................................................................................................................................63.夜间增强效果.................................................................................................................................7二、去雾增强....................................................................................................................................91.算法原理.........................................................................................................................................92.MATLAB程序.................................................................................................................................113.去雾效果.......................................................................................................................................13参考文献.........................................................................................................................................143一、通过I分量增强夜间图像1.算法原理首先将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量（I分量）的灰度直方图进行均衡化处理，提高图像的亮度，然后转换回RGB空间显示。（1）图像由RGB空间转换到HSI空间。RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，将色度分解为色调和饱和度，并用角向量表示色调，如图1所示。图1RGB与HSI模型示意图RGB-HSI转换公式有以下5种，如表1所示：表1RGB-HSI转换公式4比较经典的是算法1的几何推导法，基本思路是先分离出亮度信息，将三维空间将为二维，在二维平面内利用解析几何的向量点积公式求出HSI模型的色调分量值。具体过程如下：1）归一化RGB值。2）计算H、S、I。3）将H、S、I的值分别转换为[0,360]，[0,100]，[0,255]范围。5（2）对I分量进行直方图均衡化处理。直方图均衡化（HistogramEqualization）处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，即把给定图像的直方图分布改变成“均匀”分布直方图分布，由此扩大了像素灰度的动态范围，从而增强了图像的对比度。直方图均衡化算法步骤为：1）给出原始图像的所有灰度级kS(k=0,1,…,L-1)。2）统计原始图像各灰度级的像素数kn。3）根据原图像，计算灰度直方图：()kknPSn(k=0,1,…,L-1)式中,n为总像素数,kn为灰度级kS的像素数。4）计算原始图像的累积直方图：00()()kkiEksiiintEHSPSn(01kS，k=0,1,…,L-1)5）取整计算：int[(1)]kkkUNtN6）确定映射关系：kkSU7）统计新直方图各灰度级kU的像素数目kn。8）计算新的直方图：()kknPtn（3）将均衡化后的I分量与原来的H、S分量组合在一起，转换到RGB空间。此处HSI-RGB转换公式是RGB-HSI公式的逆过程，如下所示。6上面公式得到的r、g、b是归一化值，范围在[0,1]之间，因此需乘以255，得到最终RGB值。2.Matlab程序（1）RGB-HSI转换（2）对I分量进行直方图均衡化处理7（3）HSI-RGB转换3.夜间增强效果89图2夜间增强效果对比二、去雾增强1.算法原理去雾采用“SingleImageHazeRemovalUsingDarkChannelPrior”方法，即暗原色先验图像去雾算法，具体原理见文献资料[1-3]。1.1大气散射模型大气散射模型描述了雾化图像的退化过程：（1）式中，I是观测图像的强度，J是景物光线的强度，A是无穷远处的大气光，t称为透射率。去雾的目标就是从I中复原J。方程中的第一项J(x)t(x)叫做直接衰减项，A(1−t(x))是大气光10成分。1.2暗原色先验暗原色先验是HEKai-ming等人发现的，是通过对大量户外无雾图像的统计观察得出的：在绝大多数图像的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是很小的数。对图像J，定义：（2）Jc代表J的某一个颜色通道，而Ω(x)是以x为中心的一块方形区域。经统计观察得出，Jdark的强度总是很低并且趋近于0。如果J是户外无雾图像，把Jdark称为J的暗原色，并且把以上观察得出的经验性规律称为暗原色先验。1.3通过暗原色先验去雾首先假设大气光A是给定的，进一步假定在一个局部区域的透射率恒定不变。对方程（1）使用取最小运算符，并同除以A，得到：（3）三个颜色通道中使用最小运算，有：（4）根据暗原色先验的规律，无雾自然图像的暗原色项Jdark应该接近于0：（5）由于Ac总为正数，导出：（6）把上式带入（4），可简单地估算出透射率t：（7）如果彻底地移除雾的存在，图像会看起来不真实，并且深度感会丢失。所以可以通过在方程（7）中引入一个常数ω(0ω≤1)，保留一部分覆盖遥远景物的雾：11（8）由上式估计出透射率是粗略的，为了提高精度，应用一种软抠图算法来完善透射率分布函数。记经完善后的透射率函数为t(x)，通过求解下面的稀疏线性系统得到：（9）λ是一个修正参数，L是Levin提出的抠图拉普拉斯矩阵。根据完善后的透射函数t(x)，由下式计算去雾后的图像J(x)：（10）大气光A的估计方法为：先取暗原色Jdark中0.1%亮度最大的像素，然后取这些像素对应在原图I中的最大值作为A的值。注意A不一定是整幅图像里最亮的点。对于多数户外雾化图像，上述算法能取得非常好的效果，恢复结果去雾效果明显且色彩自然真实，这是因为图像中的大部分像素点都满足暗原色先验，即Jdark(x)→0。2.Matlab程序12133.去雾效果14图3去雾效果对比参考文献[1]HEKai-ming,SUNJian,TANGXiao-ou.Singleimagehazeremovalusingdarkchannelprior[A].ProceedingsofIEEEConferenceonComputerVisionandPatternRecognition[C].Miami,2009,1956-1963.[2]嵇晓强,戴明,孙丽娜等.暗原色先验图像去雾算法研究[J].光电子·激光,2011,22(6):15926-930.[3]蒋建国,侯天峰,齐美彬.改进的基于暗原色先验的图像去雾算法[J].电路与系统学报,2011,16(2):7-12.