基于移動模板的圖像去霧方法研究

曲藝

中國科學院空間科學與應用總體部，北京 100094

基于移動模板的圖像去霧方法研究

曲藝

中國科學院空間科學與應用總體部，北京 100094

1 引言

霧是一種常見的天氣現(xiàn)象，有霧天氣下獲得的圖像嚴重退化，灰度集中，對比度差，限制了圖像的使用范圍，降低了圖像的應用價值，為此，消除或減輕霧的影響具有重要意義。

目前，國內外對于圖像去霧的方法主要分為兩大類，一類是基于大氣退化物理模型的方法[1-4]，即從物理成因的角度對大氣散射作用進行建模分析，進而得到場景深度模型，實現(xiàn)場景復原，這類方法一般需要復雜的建模過程，有些甚至還需要額外的特殊設備，或者需要無霧的圖像作為參考，實現(xiàn)過程比較困難。另一類是基于圖像增強的方法[5-8]，也就是單純從圖像的角度考慮，無須借助其他設備或者參考圖像等輔助信息，直接利用圖像增強方法改善圖像質量，達到降低霧影響的目的。在眾多的圖像增強算法中，直方圖均衡化方法以其較好的增強效果以及易于實現(xiàn)等優(yōu)點，得到了廣泛的應用。

2 全局直方圖均衡化

圖像直方圖是數(shù)字圖像處理的基本工具之一，對于圖像的分析處理具有重要意義。具體來講，直方圖描述了圖像中各灰度級的像素數(shù)量或各個灰度級像素出現(xiàn)的頻率，直觀反映了圖像的灰度分布情況。

直方圖均衡化使用累積函數(shù)對圖像的灰度值進行調整，根據(jù)各灰度級的像素數(shù)量重新進行灰度映射，把給定圖像的直方圖分布改變成均勻分布的直方圖，進而達到增強圖像對比度的目的。

圖1和圖3列舉了兩幅霧天拍攝的照片及其直方圖，圖2和圖4分別是對圖1和圖3進行全局均衡化處理后的圖像及其直方圖。從圖2和圖4可以看到，雖然全局均衡化后的圖像對比度有所改善，但是場景深處的景物依然模糊，高灰度級像素依然比較集中。

可見，直接對圖像進行全局直方圖均衡化處理的效果并不理想，究其原因，有霧圖像的退化主要是由大氣散射現(xiàn)象引起的，隨著景物距離的增加，入射光衰減程度不斷增高，摻入的環(huán)境光不斷增多，圖像退化的程度也就隨之增加。而全局直方圖均衡化方法沒有考慮場景深度的問題，直接對整幅圖像進行均衡化處理，導致其增強效果有限。

圖1 原始圖像1及其直方圖

圖2 全局均衡化處理后的圖像1及其直方圖

圖3 原始圖像2及其直方圖

圖4 全局均衡化處理后的圖像2及其直方圖

3 局部重疊直方圖均衡化方法

針對全局直方圖均衡化方法的弊端，本文提出了一種改進方法，即定義一個移動的模板，假設模板內的景物處于場景同一深度，對每個模板進行直方圖均衡化方法處理，實現(xiàn)不同深度的目標對比度增強。同時，為了減少運算量，提高處理速度，模板并不是對每個像素都作處理，而是以一定的步長進行移動，最后對每個模板處理后的結果進行加權平均。具體描述如下：

（1）假設原始圖像originImg大小為M×N，定義與原始圖像大小相同的結果圖像finalImg、中間結果累加矩陣sumImg、均衡化次數(shù)累加矩陣CNT，均初始化為0。

（2）設置模板大小m×n，移動步長hstep和vstep。

（3）定義循環(huán)變量k和l，k表示模板在水平方向上的位置，l表示模板在垂直方向上的位置，二者均初始化為0。

（4）從originImg的（k，l）位置取出子圖像segment，并對segment進行均衡化處理。

（5）將segment均衡化的結果累加到sumImg的（k，l）位置處。

（6）將各點被均衡化的次數(shù)累加到CNT中對應位置。上述算法可以用圖5所示的流程表示。

用上述算法對圖像1和圖像2進行處理，其結果分別如圖6和圖7所示，與圖2和圖4相比，圖6和圖7中的景物更加清晰，場景深處的景物對比更加明顯，如圖6中遠處的建筑，圖7中遠處的電線塔等。從圖像直方圖上看，像素分布更加趨近正態(tài)分布，高灰度像素數(shù)量不再占據(jù)圖像的大多數(shù)。

表1以常用的圖像熵值作為評價指標，列舉了圖像1和圖像2的原始圖像熵值、全局直方圖均衡化處理后圖像熵值以及本文所述方法處理后圖像熵值，可以看到本文所述方法可以大幅提升圖像熵值，改善圖像質量。

圖5 算法流程圖

圖6 上述算法處理后的圖像1及其直方圖（圖像大小1 024×768，模板大小64×64，移動步長8×8）

圖7 上述算法處理后的圖像2及其直方圖（圖像大小1 024×768，模板大小64×64，移動步長8×8）

圖8 使用不同大小的模板對圖像1進行處理

圖9 使用不同大小的模板對圖像2進行處理

表1 圖像處理前后熵值

4 模板大小與移動步長的選擇

模板大小與移動步長的選擇與圖像處理結果的清晰程度、平滑程度及算法的復雜程度密切相關。

如果模板選擇過大，很可能將場景深度不同的景物包含到一個模板中，導致對比度拉伸程度降低，清晰化效果不理想；反之，如果模板選擇過小，則容易造成過度拉伸，噪聲增強，影響視覺效果。因此，需要通過對圖像具體分析來確定合適的模板大小。圖8和圖9是使用不同大小的模板對圖像1和圖像2進行處理的結果，兩幅圖像大小都是1 024×768，從左至右模板大小依次是16×16、32×32、64× 64和128×128，移動步長是模板大小的1/4?？梢钥吹剑x擇16×16的模板，圖像細節(jié)比較清晰，但噪聲也比較強，選擇128×128的模板，整體較為平滑，但細節(jié)拉伸有限，而且產(chǎn)生了明顯的塊效應，選用32×32和64×64的模板，在細節(jié)表現(xiàn)和噪聲抑制上相對較為均衡。

在移動步長的選擇上，移動步長應與模板大小、圖像大小成比例，否則會遺漏部分邊界點，影響處理效果，參見圖10中圖像右側和底部的黑色區(qū)域。

圖10 遺漏邊界點的結果圖像

此外，移動步長與塊狀效應的平滑效果及算法的計算復雜度密切相關。選用相同大小的模板時，移動步長越小，則處理效果越清晰，但運算速度越慢，增大移動步長，會增強塊間的平滑效果，提高處理速度，但圖像的細節(jié)表現(xiàn)減弱，塊效應也隨之增加。圖11和圖12使用大小相同的模板（64×64）對圖像1和圖像2進行處理，移動步長從左至右分別為4×4、8×8、16×16和32×32。

5 塊效應處理

塊狀效應是由于模板之間的灰度分布不均勻而產(chǎn)生的。具體來講，原始圖像中相鄰像素點的灰度值是連續(xù)漸變的，但經(jīng)過部分重疊直方圖均衡變換后，每個像素點的灰度值就會由各自所屬模板的直方圖均衡化函數(shù)重新映射，由于圖像的灰度分布不均勻，不同模板得到的均衡化函數(shù)通常也不相同，致使模板間的像素出現(xiàn)灰度突變現(xiàn)象，在模板邊界點上這一現(xiàn)象尤為明顯，從而導致了視覺上的塊效應。

圖11 模板大小相同，移動步長不同對圖像1進行處理

圖12 模板大小相同，移動步長不同對圖像2進行處理

為此，本文采用一種簡單的插值來減輕塊效應。具體描述如下：

根據(jù)圖像實際情況設置一個合理的閾值。

在模板移動過程中每次移動都可能帶來灰度突變，為此檢測原始圖像中移動步長兩側像素點的灰度，如果原始圖像在步長兩側的灰度差絕對值小于設定的閾值，而結果圖像在步長兩側的灰度差絕對值大于設定的閾值，則用步長兩側4個像素的均值代替中間2個像素的值，否則不進行均值濾波。

圖13和圖14是對圖8和圖9中64×64模板的圖像進行平滑前后的對比，表2列舉了圖像插值前后的熵值。

圖13 插值算法前后的圖像1

圖14 插值算法前后的圖像2

表2 圖像插值前后熵值

可見，采用上述的插值算法能夠在一定程度上減輕塊效應，有助于改善圖像視覺效果，但是圖像熵值略有下降。

6 結論

本文以圖像直方圖均衡化方法為基礎，研究了一種圖像增強去霧方法。針對全局直方圖均衡化方法忽略了圖像場景深度這一缺點，提出了移動模板的概念，假設模板內的場景處于場景同一深度，進行局部直方圖均衡化處理。為了兼顧運行效率和處理效果，本文仔細探討了模板大小的選擇和移動步長的選擇，最后對處理過程中可能出現(xiàn)的塊效應進行了簡單的插值平滑。實驗證明，本文方法能夠有效增強圖像，達到良好的去霧效果，且執(zhí)行效率較高。

[1]Oakley J P，Satheley B L.Improving image quality in poor visibilityconditionsusingaphysicalmodelforcontrast degradation[J].IEEE Transactions on Image Processing，1998，7（2）.

[2]Narasimhan S G，Nayar S K.Removing weather effects from monochrome images[C]//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE Computer Society，2001：186-193.

[3]Schechner Y Y，Narasimhan S G，Nayar S K.Instant dehazing of images using polarization[J].Computer Vision&Pattern Recognition，2001，1：325-332.

[4]Narasimhan S G，Nayar S K.Contrast restoration of weather degraded images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，5（6）.

[5]芮義斌，李鵬，孫錦濤.一種圖像去薄霧方法[J].計算機應用，2006，26（1）.

[6]周旋，周樹道，黃峰，等.衛(wèi)星圖像的去霧研究[J].計算機應用與軟件，2005，22（12）.

[7]祝培，朱虹，錢學明，等.一種有霧天氣圖像景物影像的清晰化方法[J].中國圖象圖形學報，2004，9（1）.

[8]翟藝書，柳曉鳴，涂雅瑗，等.一種改進的霧天降質圖像的清晰化算法[J].大連海事大學學報，2007，33（3）.

QU Yi

General Establishment of Space Science and Application,Chinese Academy of Sciences,Beijing 100094,China

Fog degrades images greatly,and many methods have been used to enhance foggy images.This paper analyzes the defect of global histogram equalization,presents an improved local equalization method based on moving mask,discusses the selection of mask size and its moving step,and provides a solution to potential block effect.It is proven that this method can enhance foggy images effectively,and it is easy to implement.

image enhancement;remove fog effect from images;histogram equalization;contrast

霧使圖像退化嚴重，已有多種方法應用于圖像去霧。分析了直方圖均衡化方法在圖像去霧方面的缺點，提出了一種改進的基于移動模板的局部重疊直方圖均衡化去霧方法，分析了模板大小和移動步長對實驗效果的影響，對可能出現(xiàn)的塊效應提出了簡單的濾波平滑算法。實驗證明，該方法能夠在增強圖像的同時有效去霧，降低對圖像的影響，且實現(xiàn)簡單。

圖像增強；圖像去霧；直方圖均衡化；對比度

A

TP391.41

10.3778/j.issn.1002-8331.1202-0364

QU Yi.Study of removing fog from images based on moving mask.Computer Engineering and Applications,2013,49（24）：186-190.

曲藝（1980—），女，工程師，主要從事數(shù)據(jù)處理與仿真研究。E-mail：quyi_1980@hotmail.com

2012-02-21

2012-05-28

1002-8331（2013）24-0186-05

CNKI出版日期：2012-07-16http://www.cnki.net/kcms/detail/11.2127.TP.20120716.1531.051.html