暗通道先验最小值滤波法,为什么去雾图亮边问题
时间: 2023-06-17 21:06:28 浏览: 48
暗通道先验最小值滤波法是一种常用的去雾算法,其主要思想是利用图像的暗通道先验来估计场景中的大气光照,并通过最小值滤波来去除雾霾。然而,这种方法在去除雾霾的同时也可能会引起亮边问题。
亮边问题是因为在进行最小值滤波时,会将图像中较亮的像素值替换成较暗的像素值,导致亮度减小,从而出现亮边的现象。这种现象尤其在图像边缘处更为明显。
为了解决亮边问题,可以采用一些较为复杂的算法,如快速暗通道先验滤波、雾霾密度图加权最小值滤波等方法,来平衡图像的亮度和对比度,从而获得更好的去雾效果。
相关问题
基于暗通道先验和双边滤波的去雾算法 opencv api
OpenCV提供了基于暗通道先验和双边滤波的去雾算法的API。该算法的基本思想是先估计图像中的全局大气光照,然后通过双边滤波进行图像去雾。
下面是一个基本的示例代码:
```python
import cv2
def dehaze(image, w=0.95, t0=0.1, p=15):
# 估计全局大气光照
dark_channel = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
dark_channel = cv2.min(dark_channel, cv2.blur(dark_channel, (15, 15)))
hist = cv2.calcHist([dark_channel], [0], None, [256], [0, 256])
hist_cum = hist.cumsum()
percentile = (1 - w) * hist_cum[-1]
atmospheric_light = 255 - np.argmax(hist_cum > percentile)
# 估计透射率
normalized_image = image / atmospheric_light
dark_channel = cv2.min(cv2.cvtColor(normalized_image, cv2.COLOR_BGR2GRAY), cv2.blur(dark_channel, (15, 15)))
transmission = 1 - t0 * dark_channel
# 双边滤波
guide = cv2.GaussianBlur(image, (0, 0), p)
dehazed_image = np.zeros_like(image)
for i in range(3):
dehazed_image[:, :, i] = (image[:, :, i] - atmospheric_light) / cv2.max(transmission, 0.1) + atmospheric_light
dehazed_image = guide * transmission[:, :, np.newaxis] + dehazed_image * (1 - transmission[:, :, np.newaxis])
return dehazed_image.astype(np.uint8)
```
这个函数接受一个输入图像和三个参数:w、t0和p。其中,w是一个控制全局大气光照估计的参数,通常取0.95;t0是一个控制透射率估计的参数,通常取0.1;p是双边滤波的半径,通常取15。
该函数的输出是一个去雾后的图像。
示例用法:
```python
import cv2
# 读取输入图像
image = cv2.imread('input.jpg')
# 进行去雾处理
dehazed_image = dehaze(image)
# 显示结果
cv2.imshow('Input', image)
cv2.imshow('Dehazed', dehazed_image)
cv2.waitKey()
cv2.destroyAllWindows()
```
注意:该算法对于一些特殊情况,如图像中存在过于明亮或过于暗淡的区域,可能会产生较差的效果。在实际应用中,可能需要根据具体情况进行调整。
基于暗通道先验和双边滤波的去雾算法 opencv c++ api
基于暗通道先验和双边滤波的去雾算法是一种比较常用的去雾算法,OpenCV中也提供了相应的API支持。下面我将给出一个基于OpenCV C++ API实现的去雾算法的示例代码。
```cpp
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
// 读取输入图像
Mat image = imread(argv[1], IMREAD_COLOR);
if (image.empty())
{
cerr << "Failed to read image: " << argv[1] << endl;
return -1;
}
// 转换为浮点类型
Mat img_float;
image.convertTo(img_float, CV_32FC3, 1.0 / 255.0);
// 计算暗通道图像
Mat dark_channel;
cvtColor(img_float, dark_channel, COLOR_BGR2GRAY);
int patch_size = 15;
for (int i = 0; i < dark_channel.rows; i++)
{
for (int j = 0; j < dark_channel.cols; j++)
{
int x1 = max(j - patch_size / 2, 0);
int y1 = max(i - patch_size / 2, 0);
int x2 = min(j + patch_size / 2, dark_channel.cols - 1);
int y2 = min(i + patch_size / 2, dark_channel.rows - 1);
Scalar minVal;
minMaxLoc(dark_channel(Rect(x1, y1, x2 - x1 + 1, y2 - y1 + 1)), &minVal);
dark_channel.at<float>(i, j) = minVal[0];
}
}
// 计算大气光
Scalar airlight = mean(img_float.reshape(3), dark_channel > 0.1);
// 计算透射率
double omega = 0.95;
Mat transmission = 1 - omega * dark_channel / airlight[0];
// 双边滤波
int filter_size = 15;
Mat img_filtered;
bilateralFilter(img_float, img_filtered, filter_size, 0.1, 10.0);
// 恢复原始图像
Mat img_dehazed = (img_filtered - airlight[0]) / max(transmission, 0.1) + airlight[0];
img_dehazed.convertTo(img_dehazed, CV_8UC3, 255.0);
// 显示结果
imshow("Input Image", image);
imshow("Dehazed Image", img_dehazed);
waitKey(0);
return 0;
}
```
上述代码中,首先读入输入图像并将其转换为浮点类型。然后计算暗通道图像,并根据暗通道图像估计大气光。接着计算透射率,并使用双边滤波进行图像去噪。最后根据透射率和大气光恢复原始图像,并将其转换为8位无符号整型格式。最后显示输入图像和去雾后的图像。
需要注意的是,该算法的具体参数需要根据实际情况进行调整,以获得最佳效果。
相关推荐
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)