数字图像处理课程设计(图像去雾).doc

数字图像处理 课设题目： 图像去雾 学 院： 信息与电气工程学院 专 业： 电子信息工程 班 级： 姓 名： 学 号： 指导教师： 哈尔滨工业大学（威海） 年 月 日 目 录 一. 课程设计任务 1 二. 课程设计原理及设计方案 2 三. 课程设计的步骤和结果 3 四. 课程设计总结 4 五. 设计体会 5 六. 参考文献 6 课程设计任务 由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。为了解决这一问题，设计图像复原处理软件。 要求完成功能： 采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图； 查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像； 设计软件界面 课程设计原理及设计方案 2.1 设计原理 在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析和理解的性能. 在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为 （1） 式中, x 为空间坐标, A 表示天空亮度(Skylight), ρ为场景反照率, d 为场景的景深, β为大气反射系数。图像去雾的过程就是根据获得的有降质的图像，即 I（x）来推算出ρ的过程。 但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量固定，然后求解。 2.2 设计方案 2.2.1 白平衡 WP (White point) 算法, 也称为Max-RGB 算法, 利用R、G、B 颜色分量的最大值来估计光照的颜色。我们用天空亮度A来取代最大值。对于A，如果直接用图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域，然后取平均值为我们估计的天空亮度A。然后方程（1）变为 （2） 2.2.2 估计大气耗散函数 为了简化（2），我们设则 （2）变为 （3） V（x）称为大气耗散函数。根据（3）容易发现V（x）满足0V(x)I,如果对 I’进行最小滤波得到W（x），则V（x）也必定满足0V(x)W(x)。求V（x）的过程其实是滤波的过程，分为三步： 其中p为恢复系数，去[0,1]中的值（一般为0.9—0.95）。 2.2.3 场景反射率的恢复 通过以上步骤我们获得了A以及V（x），至此方程（1）仅含有一个未知量，即我们要求的场景反射率 2.2.4 色调映射 映射关系为其中G为求的去雾后的图像灰度最大值。 2.2.5 与直方图去雾效果对比 使用matlab中的histeq函数对图像的亮度和对比度进行直方图均衡化处理 课程设计的步骤和结果 3.1原图像与直方图 global im; global orig; [filename, pathname]=uigetfile([*.jpg],insert image); im=[pathname filename]; orig = imread(im); Q = rgb2gray(orig); figure; subplot(1, 2, 1); imshow(orig); title(原图像) subplot(1, 2, 2); imhist(Q, 64); title(原图像直方图) 3.2原图像与均衡后图像 global orig; global U; I = rgb2hsv(orig); H =