【正文】 方面，同態(tài)濾波方法細(xì)節(jié)銳化程度比在原圖光照明亮的地方所加強(qiáng)的細(xì)節(jié)比暗通道明顯。 改進(jìn) 紅外處理 紅外成像的目標(biāo)和背景的紅外輻射需經(jīng)過(guò)大氣傳輸、光學(xué)成像、光電轉(zhuǎn)換和電子處理等過(guò)程，才被轉(zhuǎn)換成為紅外圖像。此方案解決了同態(tài)濾波所存在的缺陷，最終提高了圖像的分辨率和對(duì)比度，并通過(guò)仿真驗(yàn)證得到非常好的增強(qiáng)效果。若要使圖片達(dá)到更好的清晰度，需結(jié)合多種算法，疊加運(yùn)行。 朱喜玲學(xué)姐在同態(tài)濾波代碼修改中，擠出自己的時(shí)間來(lái)無(wú)私的幫助我改正代碼。img=rgb2gray(img)。k2=8。 %高斯函數(shù) endendgauss = h/sum(sum(h))。%取指數(shù) % K2=uint8(K2)。%傅里葉變換Fimg2=fft(S)。%同態(tài)濾波參數(shù)設(shè)置D0=3。%% 傅里葉逆變換Q1=ifft(Y1)。[SD,ENTR,AVEGRAD]=Sd(J1) 彩色版clc。)。% alf=161。)。)。% imshow(uint8(abs(P)),[]),title(39。Hl=。%%Q=Q1+Q2。)。)。 tmp=0。 grayPic=sourcePic(:,:,2)。 S1(i)=tmp。 %計(jì)算各灰度出現(xiàn)的概率 for i=1:256 gp(i)=length(find(grayPic==(i1)))/(m*n)。 end for i=1:256 newGp(i)=sum(gp(find(S2==i)))。)。 定義灰度直方圖是灰度級(jí)的函數(shù)，描述的是圖像中具有該灰度級(jí)的像素的個(gè)數(shù)：其橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是該灰度出現(xiàn)的頻率（像素的個(gè)數(shù)），圖11為一示例。圖12 一幅圖像的輪廓線將一幅連續(xù)圖像中被具有灰度級(jí)D的所有輪廓線所包圍的面積，稱(chēng)為它的閾值面積函數(shù)。圖像在白光（a），并借助濾光片在紅光（b）和藍(lán)光（c）下進(jìn)行數(shù)字化，右下圖是從后兩幅圖得到的紅—藍(lán)直方圖。紅血球呈現(xiàn)粉紅色，而白血球則呈現(xiàn)灰色并有一個(gè)經(jīng)染色處理而顯示深藍(lán)色的核。盡管如此，直方圖仍確實(shí)有一些有用的信息。一般一幅數(shù)字圖像應(yīng)該利用全部或幾乎全部可能的灰度級(jí)，如圖11。用最合適的技術(shù)來(lái)選擇灰度閾值是圖像處理中討論得很多的一個(gè)課題。在谷底的附近，直方圖的值相對(duì)較小，意味著面積函數(shù)閾值灰度級(jí)的變化很緩慢。則等式（8）可被寫(xiě)成 (9)顯然，該式是將一幅圖像內(nèi)所有像素的灰度級(jí)加起來(lái)。 在此，“面積”實(shí)際上是指長(zhǎng)度，但它可用來(lái)說(shuō)明圖像與其直方圖之間的關(guān)系。 在下述方法中利用了圓的對(duì)稱(chēng)性，假定圖像時(shí)中心在原點(diǎn)的圓對(duì)稱(chēng)高斯脈沖（如圖17）圖像函數(shù)的極坐標(biāo)表示如下 ， (18) 圖17 圓形高斯點(diǎn)灰度級(jí)為常數(shù)P的輪廓線是半徑為的圖 (19)該輪廓線所包圍的面積為 (20)公式（20）所表示的面積函數(shù)可被微分，從而得到直方圖[1] (21)如圖18 ，注意雖然原點(diǎn)處斜率為0 ，但它不夠強(qiáng)，不能像在一維情形時(shí)那樣在處產(chǎn)生尖峰。 light separation model。5. 具有特定函數(shù)形式的圖像的直方圖可以通過(guò)面積函數(shù)來(lái)求得。圖16 高斯脈沖的直方圖 二維 通過(guò)對(duì)圖像的對(duì)稱(chēng)性的巧妙利用，同樣處理過(guò)程可被推廣到二維情形。有時(shí)，通過(guò)觀測(cè)就可以達(dá)到此目的。如果在灰度級(jí)為0的背景上有深色的物體，則IOD反映了物體的面積和密度的組合。圖54 雙峰直方圖在某種意義上來(lái)說(shuō)，對(duì)應(yīng)于兩峰之間的最低點(diǎn)的灰度級(jí)作為閾值來(lái)確定邊界是最適宜的。 邊界閾值選擇如前所述，輪廓線提供了一個(gè)確立圖像中簡(jiǎn)單物體的邊界的有效的方法。顯然，該結(jié)論可推廣到任何數(shù)目的不連接區(qū)域的情形。因此，任一特定的圖像有唯一的直方圖，但反之并不成立——極不同的圖像可以有著相同的直方圖。如果每個(gè)像素（對(duì)）中紅分量大于藍(lán)分量，或者反之，直方圖的分布將分別在斜線之上或之下。特別是對(duì)于研究彩色圖像。在更高的灰度級(jí)處還畫(huà)有第二條輪廓線。任何一幅圖像的直方圖都包括了可觀的信息，某些類(lèi)型的圖像還可以由其直方圖完全描述。 title(39。 S1(i)=tmp。 grayPic=sourcePic(:,:,3)。 tmp=0。 %填充各像素點(diǎn)新的灰度值 for i=1:256 newGrayPic(find(grayPic==(i1)))=S2(i)。 %計(jì)算新的各灰度出現(xiàn)的概率 S1=zeros(1,256)。 title(39。title(39。%% 傅里葉逆變換Q1=ifft(Y1)。c=。%傅里葉變換%%[M,N]=size(Fimg1)。% figure,imshow(K2)%% V變換% V1=load(39。%R=conv2(img1,gauss,39。r=161。 imshow(img),title(39。去霧后的圖片39。%同態(tài)濾波器函數(shù)end endY1=Fimg1.*H。%繪制源圖像的頻譜的幅度譜x0=floor(M/2)。% Fimg2=V1*S*V139。% T=S+R。 % nn=81為尺度C，取80最合適for i=1:r %從1循環(huán)到81 for j=1:r% h(i,j) =exp(((inn)^2+(jnn)^2)/(k1*alf))/(k2*pi*alf*10000)。img=im2double(img)。E:\Matlab\R2008a\abc\39。在論文撰寫(xiě)和程序設(shè)計(jì)方面，老師非常仔細(xì)，我們每個(gè)人的論文都是老師一字一句認(rèn)真仔細(xì)的閱讀并幫助我們標(biāo)注出不恰當(dāng)?shù)牡胤剑笇?dǎo)我們做出修改，幫助我們精益求精。 原圖 同態(tài)濾波 直方圖 暗通道 紅外 紅外+同態(tài)濾波 觀察圖片，可知這個(gè)去霧算法的效果優(yōu)劣。利用了同態(tài)濾波的優(yōu)勢(shì)，增強(qiáng)了紅外圖像細(xì)節(jié)特征。在細(xì)節(jié)處理方面，同態(tài)濾波方法在原圖光照明亮的地方所加強(qiáng)的細(xì)節(jié)比暗通道明顯。 直方圖 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 比較結(jié)論：直方圖去霧使得色彩失真，冷色系的顏色突變?yōu)榕殿伾?xì)節(jié)銳化程度總體不如同態(tài)濾波明顯。為找到最優(yōu)配比度，進(jìn)行了修改相關(guān)系數(shù)操作，但改進(jìn)過(guò)后的算法的深色圖像去霧效果，依舊無(wú)太大改善。 同態(tài)濾波處理示意圖 利用對(duì)（6）式進(jìn)行濾波,可得 （6） ⑤最后對(duì)濾波結(jié)果進(jìn)行傅立葉反變換和⑥指數(shù)運(yùn)算，得到同態(tài)濾波后的輸出結(jié)果⑦． （7） （8）4 實(shí)驗(yàn)結(jié)果 灰度版 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 彩色版 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 （a） 霧前 （b） 霧后 ?。╝） 霧前 （b） 霧后 在進(jìn)行Matlab操作達(dá)到圖片去霧效果時(shí)，采用了兩種辦法，分別為灰度方法和彩色方法。同態(tài)濾波是一種在頻域中進(jìn)行的圖像對(duì)比度增強(qiáng)和壓縮圖像亮度范圍的特殊濾波方法。當(dāng)一幅圖像從物理過(guò)程產(chǎn)生時(shí)它 的值正比于物理源的輻射能量。 同態(tài)濾波的原理 將像原灰度值看作是照度和反射率兩個(gè)組份的產(chǎn)物。 3）基于局部方差的增強(qiáng)方法。因此，需要根據(jù)所關(guān)心的局部區(qū)域的特性來(lái)計(jì)算變換或轉(zhuǎn)移函數(shù)，并將這些函數(shù)用于所關(guān)心的區(qū)域，以得到所需的增強(qiáng)效果。曲波是一種在小波變換基礎(chǔ)上發(fā)展起來(lái)的新的多尺度分析方法，由于它特別適合于各向異性奇異性特征的信號(hào)處理，因此能夠很好的彌補(bǔ)小波變換在圖像的曲線邊緣增強(qiáng)方面的局限性。該算法是一種把頻率過(guò)濾和灰度變換相結(jié)合的圖像增強(qiáng)處理方法，也是一種把照明反射模型作為頻域處理的基礎(chǔ)，利用壓縮亮度范圍和增強(qiáng)對(duì)比度來(lái)改善圖像質(zhì)量的處理技術(shù)。這些“黑點(diǎn)”通常存于物體陰影、黑色物體以及具有鮮艷顏色的物體中。另一類(lèi)是用輔助信息進(jìn)行場(chǎng)景深度提取的方法。　 下圖詳細(xì)描述了這種分類(lèi)層次： 圖像去霧方法分層 基于物理模型的復(fù)原方法（1）基于偏微分方程的霧天圖像復(fù)原 由于利用大氣信息條件或場(chǎng)景深度復(fù)原霧天圖像的方法不能局部修正恢復(fù)結(jié)果，所以對(duì)于場(chǎng)景深度變化較大的圖像，部分區(qū)域的對(duì)比度仍然比較低，不能很好滿(mǎn)足應(yīng)用要求。 圖像去霧的分類(lèi) 圖像去霧技術(shù)在經(jīng)過(guò)近20年的研究發(fā)展中，經(jīng)過(guò)國(guó)內(nèi)外研究學(xué)者們的努力，已經(jīng)形成了許多可應(yīng)用于實(shí)踐的技術(shù)方法。主要介紹了圖像去霧的研究背景和意義、國(guó)內(nèi)外研究現(xiàn)狀、發(fā)展前景以及本文的主要研究?jī)?nèi)容。其他研究所和高校的相關(guān)研究工作尚處于進(jìn)一步發(fā)展中。 圖像去霧技術(shù)的研究工作開(kāi)展較晚，盡管?chē)?guó)內(nèi)外研究機(jī)構(gòu)已經(jīng)取得了一定的研究成果，然而仍有待完善。圖像去霧技術(shù)是圖像處理領(lǐng)域一個(gè)重要的研究分支。實(shí)驗(yàn)結(jié)果表明，同態(tài)濾波能較好的銳化細(xì)節(jié)，同時(shí)保持原圖概況。因此有必要對(duì)圖像進(jìn)行去霧研究。本章對(duì)圖像去霧的技術(shù)進(jìn)行介紹，并著重闡述基于同態(tài)濾波的圖像去霧方法，深入研究了基于同態(tài)濾波的圖像去霧方法，對(duì)霧天退化圖像的增強(qiáng)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。目前雖然有新方法大量涌現(xiàn)，但幾乎每一種方法都有一定的局限性，也都處于不斷的發(fā)展中。Nayar和Narasimhan對(duì)大氣粒子的類(lèi)型、大小和濃度造成各種天氣的成因進(jìn)行了簡(jiǎn)單分析。先對(duì)原紅外圖像自適應(yīng)中值濾波，既保留了原有圖像細(xì)節(jié)，又去除噪聲。 第三部分 研究基于同態(tài)濾波的圖像去霧方法。基于物理模型的方法即是圖像復(fù)原方法，基于非物理模型的方法即是圖像復(fù)原方法。同時(shí)利用用戶(hù)提供的簡(jiǎn)單附加信息消除恢復(fù)中的不確定性，實(shí)現(xiàn)僅從一幅降質(zhì)圖像的去霧恢復(fù)。（3）基于先驗(yàn)信息的霧天圖像復(fù)原 傳統(tǒng)的去霧方法往往只能有限度地提升降質(zhì)圖像的清晰度，由于忽略了真實(shí)圖像的霧氣分布不均的事實(shí)而以整體統(tǒng)一處理的方式去霧，致使圖像某些部分顯得不夠清晰，而某些部分卻因過(guò)度處理而失真。由于霧天下場(chǎng)景的退化程度與其深度相關(guān)，而一幅圖往往包含復(fù)雜的景深信息，所以全局化的處理方法往往不能收到理想的效果，但當(dāng)霧天圖像的場(chǎng)景相對(duì)簡(jiǎn)單時(shí)，不失為一種有效的途徑。小波與多尺度分析在對(duì)比度增強(qiáng)上的應(yīng)用取得了很大進(jìn)展。當(dāng)?shù)玫较闰?yàn)信息時(shí)，通過(guò)預(yù)測(cè)公式計(jì)算出相應(yīng)的瑞流調(diào)制傳遞函數(shù)和氣溶膠調(diào)制傳遞函數(shù)，再由前兩者的乘積得到總的大氣調(diào)制傳遞函數(shù)。 2）局部對(duì)比度增強(qiáng)方法。因此，如何在增強(qiáng)細(xì)節(jié)和抑制噪聲方面找到較好的折中點(diǎn)是該方法需要進(jìn)一步研究的問(wèn)題。 同態(tài)濾波的操作的基本流程①③FFT② LOG④⑤IFFT⑦⑥EXP 同態(tài)濾波圖像去霧操作流程圖 其中，表示原始圖像，表示去霧處理后圖像。這兩個(gè)分量分別稱(chēng)為入射分量和反射分量，表示為和。減弱光照函數(shù)（入射光）就可以起到縮小圖像灰度范圍的作用；而反射光與物體的邊界特性是密切相關(guān)的，類(lèi)似于頻域中的高頻信息。 從處理效果圖的清晰度上看，這兩版去霧算法達(dá)到了圖像去霧的目的?？偨Y(jié)失敗原因是：沒(méi)有真正弄明白怎樣同時(shí)對(duì)三個(gè)色彩維度進(jìn)行定義，總在灰度圖片上打轉(zhuǎn)。相反，直方圖去霧方法在原圖光照較暗的地方所加前的細(xì)節(jié)比同態(tài)濾波明顯。所以從紅外圖像的產(chǎn)生過(guò)程分析，紅外圖像主要有以下特點(diǎn)： 1）空間相關(guān)性強(qiáng)，對(duì)比度低；2）表征對(duì)象的溫度分布，是灰度圖像，分辨率較低，圖像比較模糊；3）噪聲干擾較大，噪聲比較復(fù)雜，信噪比低；4）存在器件性的非均勻性等。 實(shí)驗(yàn)結(jié)果圖 （a） 原圖 （b） 紅外 （b） 同態(tài)濾波 （a） 原圖 （b） 紅外 （b） 同態(tài)濾波 （a） 原圖 （b） 紅外 （b） 同態(tài)濾波 結(jié)論 去霧方法對(duì)比分析類(lèi)別子類(lèi)去霧方法優(yōu)點(diǎn)缺點(diǎn)基于圖像處理的霧天圖像増強(qiáng)方法全局化增強(qiáng)全局直方圖均衡化⑴算法簡(jiǎn)單⑵對(duì)單景深圖像的復(fù)原效果好難反映景深多變的圖