去霧系統(tǒng)V2包括作者新加入的多尺度Retinex去霧算法以及改進(jìn)去霧算法，以及4種評價去霧效果的客觀指標(biāo)。

00 目錄

引言
去霧系統(tǒng)新增功能
結(jié)果分析
源碼獲取
展望
參考文獻(xiàn)

01 引言

在作者前面寫過的文章中，已經(jīng)介紹過圖像去霧算法的應(yīng)用價值及研究現(xiàn)狀，并且也介紹了4種去霧算法的原理及代碼實現(xiàn)（全局直方圖均衡化、局部直方圖均衡化、暗通道先驗、Retinex理論的去霧算法），將這4種算法集成在一個GUI中。但首先該系統(tǒng)缺乏對去霧效果的評價指標(biāo)，其次4種算法對一些圖像的去霧效果欠佳，因此作者對該系統(tǒng)做了改進(jìn)，引入了4種評價指標(biāo)，增加了2種算法，其中一種也是一種簡單改進(jìn)，最后也是取得了不錯的效果。

02 去霧系統(tǒng)新增功能

2.1 去霧系統(tǒng)現(xiàn)有功能

在介紹新功能前，先介紹原去霧系統(tǒng)的功能，對于原去霧系統(tǒng)，集成4種算法。3種增強(qiáng)型去霧算法——全局/局部直方圖均衡化、Retinex理論的去霧算法，這類去霧算法沒有考慮霧圖像的成因，只是通過提高圖像對比度，改善了圖像的視覺效果，不能從根本上對圖像進(jìn)行去霧，而且容易丟失圖像信息；其次是一種復(fù)原型去霧算法——暗通道先驗算法，這類算法是基于大氣散射物理模型，通過尋找先驗知識，求解模型中的未知量，獲得清晰圖像[1]，這類算法的難點在于對于模型參數(shù)的估計能否準(zhǔn)確。下面將介紹V2.0版本的去霧系統(tǒng)新增功能。

2.2 增強(qiáng)型去霧算法——多尺度Retinex算法（Multi Scale Retinex，MSR）原理

Retinex算法最早由E.Land提出，該算法是根據(jù)人類視覺感知色彩的恒常性提出的一種大腦皮層理論，根據(jù)反射分量來估計物體的顏色，單尺度Retinex算法于1997年被Jobson[2]提出，該算法能有效的增強(qiáng)圖像，但由于尺度單一，因此提出了對于霧氣分布均勻的霧圖像具有良好效果的多尺度Retinex算法[3]。MSR算法在Retinex算法的基礎(chǔ)上從大、中、小三個尺度實行計算，小尺度的 Retinex 算法能實現(xiàn)圖像的動態(tài)范圍壓縮，大尺度Retinex 算法可使圖像的色調(diào)再現(xiàn)，中尺度的 Retinex 兼顧圖像的動態(tài)范圍壓縮與顏色保真之間的平衡性，同時按照1/3比例加權(quán)各尺度，平衡顏色保持與細(xì)節(jié)增強(qiáng)，降低圖像邊緣可能出現(xiàn)的光暈。MSR 算法可以彌補(bǔ)Retinex算法的不足，使得圖像的顏色保真度以及動態(tài)壓縮都有大幅度提高。
多尺度 Retinex算法的基本公式如下:

其中,Ri(x ,y)是輸出的圖像,i∈R,G,B表示3個顏色譜帶,Fn(x,y)是高斯濾波函數(shù),Wn表示尺度的權(quán)重因子,N表示使用尺度的個數(shù),N=3,表示彩色圖像,i∈R,G,B。N=1,表示灰度圖像。從公式中可以看出，多尺度Retinex算的特點是能產(chǎn)生包含色調(diào)再現(xiàn)和動態(tài)范圍壓縮這兩個特性的輸出圖像。

在多尺度Retinex算法的霧霾圖像清晰化過程中,圖像可能會因為增加了噪聲而造成對圖像中的局部區(qū)域色彩失真,使得物體的真正顏色效果不能很好的顯現(xiàn)出來,從而影響了整體視覺效果。為了彌補(bǔ)這個缺點,一般情況下會應(yīng)用帶色彩恢復(fù)因子C的多尺度Retinex算法來解決。帶色彩恢復(fù)因子C的多尺度Retinex算法是在多個固定尺度的基礎(chǔ)上考慮色彩不失真恢復(fù)的結(jié)果,在多尺度 Retinex算法過程中,我們通過引人一個色彩因子C來彌補(bǔ)由于圖像局部區(qū)域?qū)Ρ榷仍鰪?qiáng)而導(dǎo)致圖像顏色失真的缺陷,通常情況下所引入的色彩恢復(fù)因子C的表達(dá)式為:

其中,C表示第個通道的色彩恢復(fù)系數(shù),它的作用是用來調(diào)節(jié)3個通道顏色的比例,f(·)表示的是顏色空間的映射函數(shù)。帶色彩恢復(fù)的多尺度Retinex算法通過色彩恢復(fù)因子C這個系數(shù)來調(diào)整原始圖像中三個顏色通道之間的比例關(guān)系,**從而通過把相對有點暗的區(qū)域的信息凸顯出來,**以達(dá)到消除圖像色彩失真的缺陷。處理后的圖像局域?qū)Ρ榷忍岣?而且它的亮度與真實的場景很相似,圖像在人們視覺感知下顯得極其逼真。

2.3 本文的去霧算法

本法是對導(dǎo)向濾波的暗通道先驗算法求得的去霧圖像經(jīng)拉伸后與進(jìn)行自適應(yīng)直方圖均衡化得到的去霧圖像線性融合到一幅圖像上，該方法類似于圖像摳圖法，該方法是將不同霧天的降質(zhì)圖像看作由前景和背景以不同比例組合產(chǎn)生的，但本文的算法是該方法的簡化版，最終取得的效果也較好,也算是有一點價值。

2.4 評價指標(biāo)

圖像去霧性能的評價包括主觀和客觀兩種，由于對于圖像去霧算法的有效性通過人的主觀直覺來進(jìn)行時，容易受到絕對主體地位的個人主觀因素的干擾，往往會影響正確的判斷，可靠性不高，所以客觀定量的評價去霧效果是必須的。本文選擇信息熵值、可見邊比、可見邊規(guī)?；荻染?、飽和黑白像素點百分比[4]作為客觀評價指標(biāo)對去霧圖像進(jìn)行評價，其中信息熵值、可見邊比、可見邊規(guī)范化梯度均值、越大，飽和黑白像素點百分比越小說明去霧后效果更好。

2.4.1 信息熵值

計算信息熵評價值的大小就是求圖像灰度值的總期望。圖像的細(xì)節(jié)信息的多少可以由信息熵的評價結(jié)果來表征，如果圖像包含的信息越多，那么信息熵的值也會越大。其計算公式：

2.4.2 可見邊比

可見邊比的計算公式為：

式中，n0為原圖像中可見邊的數(shù)目，nr為去去霧后的圖像中可見邊的數(shù)目，如果去霧效果好，去霧后的圖像會變得清晰，會有更多邊緣可見，則很好的體現(xiàn)了圖像細(xì)節(jié)對比度增強(qiáng)的效果。

2.4.3 可見邊規(guī)范化梯度均值

可見邊規(guī)范化梯度均值計算公式為：

中：r表示可見邊的相關(guān)系數(shù)，VLr 和VLo分別代表去霧圖像和原圖像中目標(biāo)的能見度水平，ΔIr和ΔIo表示去霧圖像和原圖像中可見邊上像素點的梯度值，r ?為去霧圖像中所有可見邊的集合，Pi為在可見邊上的像素點。通過加權(quán)所有位于可見邊上的像素點的Sobel梯度比值，獲得對可見邊對比度所增加強(qiáng)度的衡量。

2.4.4 飽和黑白像素點百分比

對于飽和黑色或白色像素點的百分比σ，可表示為

式中：ns為去霧后的圖像中飽和的白色或黑色像素點的數(shù)目，dimx和dimy分別表示圖像的寬和高。 σ體現(xiàn)了去霧后圖像中飽和像素點所占的比例，即圖像過增強(qiáng)的強(qiáng)度。

03 結(jié)果分析

將同一霧圖用以上方法進(jìn)行去霧，得到的結(jié)果如下

從運(yùn)行結(jié)果來看，客觀指標(biāo)上本文的去霧算法各項都較好，而主觀觀察上也能夠看出本文的去霧算法效果較之其它算法是更佳的,本文所提出的改進(jìn)方法總體上效果令人滿意。

04 源碼獲取

https://mbd.pub/o/bread/ZJmTmZdy
（保證運(yùn)行，有任何問題私信作者）

05 展望

首先，本文雖然采用4種客觀評價指標(biāo)，但實際中有時它們不能達(dá)到統(tǒng)一，出現(xiàn)度量不一致的現(xiàn)象；另一方面，當(dāng)去霧圖像出現(xiàn)過增強(qiáng)時，圖像邊緣處的對比度能得到很大的增強(qiáng)，但往往同時也會出現(xiàn)顏色失真，從而極大地影響可視性，而基于可見邊比的方法并不能反映這一現(xiàn)象，因為其評價參量都沒有考慮對顏色失真的度量。 因此，基于該方式的評價準(zhǔn)則還需要進(jìn)一步完善。

其次，本文所用算法運(yùn)行用時較之其它算法用時長，在某些去霧圖像上也存在失真和噪聲的問題，這將在后面的研究中加以改進(jìn)。

最后，如果各位同學(xué)對該去霧系統(tǒng)有其它改進(jìn)想法或有想要增加的功能可以私信作者，作者可以在此基礎(chǔ)上再進(jìn)行改進(jìn)。

06 參考文獻(xiàn)

[1]He Kaiming，Sun Jian，Tang Xiaoou.Single image haze removal using dark channel prior[C]//IEEE Conference on Computer Vision and Pattern Recognition，2009：1956-1963.】
[2] 韓濤, 張虎龍, 鄒強(qiáng). 基于二維小波變換的圖像除霧技術(shù)[J].電子設(shè)計工程,2017, 25(07): 191-193.
[3]Jobson D J, Rahman Z, Woodell G A. Properties and performance of a center surround retinex[J]. IEEE Transactions on Image Processing, 1997, 6(3): 451-462
[4] HAUTIERE N，TARELJ P，AUBERT D,et al.Blind contrast enhancement assessment by gradient ratioing at visibleedges[J]. Image Analysis and Stereology Journmal，2008，27( 2):87-95.文章來源地址http://www.zghlxwxcb.cn/news/detail-818457.html

到了這里，關(guān)于含源碼|基于MATLAB的去霧系統(tǒng)(5種去霧算法+1種本文的改進(jìn)算法)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！