【文章內(nèi)容簡(jiǎn)介】 （a） 原圖 （b） 紅外 （b） 同態(tài)濾波 結(jié)論 去霧方法對(duì)比分析類別子類去霧方法優(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像中局部景深的變化同態(tài)濾波⑴能去掉由光照不均所產(chǎn)生的黑斑暗影⑵能較好地保持圖像的原始而貌需耍兩次傅立葉變換，占用較大運(yùn)算空間暗通道能較好地增強(qiáng)圖像的細(xì)節(jié)光亮的地方細(xì)節(jié)處理效果一般 。這些方法盡管在解決問題的思路上存在著根本的區(qū)別,但是由于各種方法各有優(yōu)缺點(diǎn),所以在實(shí)際應(yīng)用中,根據(jù)需要多采用“累試法”進(jìn)行處理。即對(duì)于一幅有霧圖像,根據(jù)研究人員的判定來處理,如果采用增強(qiáng)方法改善灰度對(duì)比度的效果好,就釆用增強(qiáng)方法。若采用圖像復(fù)原方法可行,就依據(jù)退化模型進(jìn)行復(fù)原處理。為了直觀地考察各種算法的清晰化效果,我們對(duì)上述幾種典型的基于圖像處理的增強(qiáng)方法和最新提出的基于物理模型的圖像復(fù)原方法進(jìn)行了實(shí)驗(yàn)仿真,圖13即為各算法的清晰化效果示例。 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。，它既應(yīng)用了紅外技術(shù)，提高高頻，又應(yīng)用同態(tài)濾波，在保持圖像原貌的同時(shí)，使得圖像的細(xì)節(jié)處理更加細(xì)膩。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。 致謝 時(shí)光飛逝，大學(xué)里的最后一個(gè)學(xué)期很快過去了，經(jīng)歷了畢業(yè)設(shè)計(jì)的整個(gè)過程讓我感覺到自己在這個(gè)過程中過得很充實(shí)、很愉快。 本文是在北方工業(yè)大學(xué)理學(xué)院的郭芬紅老師的悉心指導(dǎo)和幫助下完成的。從選題到尋找相關(guān)資料、到開題答辯、中期檢查、到過程中的編程實(shí)現(xiàn)，再到最后的論文定稿以及答辯，郭老師一直都是很耐心、竭盡所能的幫助我們。從前期資料查詢準(zhǔn)備，到開題答辯書寫修改與答辯準(zhǔn)備，到后來代碼運(yùn)行，論文成文修改，郭老師一直拽著我們前進(jìn)。 郭老師總是很及時(shí)的將畢業(yè)設(shè)計(jì)相關(guān)的信息和通知第一時(shí)間的告知我們。在論文撰寫和程序設(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?，指?dǎo)我們做出修改，幫助我們精益求精。在這里真誠地感謝導(dǎo)師郭芬紅無私的付出。 朱喜玲學(xué)姐在同態(tài)濾波代碼修改中，擠出自己的時(shí)間來無私的幫助我改正代碼。對(duì)此，表以深深地感謝。 在這一個(gè)學(xué)期的學(xué)習(xí)過程中，也少不了同學(xué)之間的互相幫助，家人的支持和鼓勵(lì)，更少不了那些為了這個(gè)課題刻苦鉆研的工作者和學(xué)者們的付出，我們現(xiàn)在所做的學(xué)習(xí)和研究真的是站在巨人的肩膀上，是這些人讓我們看得更高，走的更遠(yuǎn)。 謹(jǐn)以此在本篇論文完成之際，感謝身邊每一位的幫助過我的老師、家人、同學(xué)和朋友，致謝！32參考文獻(xiàn)[1]陳春寧，[J].微計(jì)算機(jī)信息，2007，23（2）：265266．[2][J].南京曉莊學(xué)院學(xué)報(bào)，2007（6）：7071．[3]胡竇明，趙海生，李云川，[J].紅外技術(shù)，2012，34（4）：224228．[4]禹晶，徐東彬，[J].中國圖形學(xué)報(bào)，2011，16（9）：15611576．[5]范有臣，李迎春，韓意，[J].中國圖象圖形學(xué)報(bào)，2012，17（5）：635640．[6]馬龍，[J].應(yīng)用光學(xué)，2010，31（4）：584588．[7]李云紅，張龍，[J].西安工程大學(xué)學(xué)報(bào)，2010，24(4)：517520．[8]楊靖宇，張永生，鄒曉亮，速去霧[J].武漢大學(xué)學(xué)報(bào)，信息科學(xué)版，2010，35(11)：12921295．[9]史經(jīng)儉，[J].中國科學(xué)，2010，7：432434．[[D].長春：中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所，2012．[11][D].長沙：中南大學(xué)信息科學(xué)與工程學(xué)院，2012．[12][D].南京：南京理工大學(xué)，2010．[13][D].廣東：華南師范大學(xué)，2012．[14][D].哈爾濱：哈爾濱工業(yè)大學(xué)，2008．[15][：西北工業(yè)大學(xué)，2002．[16]（MATLAB版）[M]（阮秋琦譯）.北京：電子工業(yè)出版社，2014，5578．[17]Oakley J P，Satherley B image quality in poor visibility conditions using a physical model for contract degradation[J].IEEE Transactions on Image Processing，1998，7（2）：167179．[18]Narasimhan S G，Nayar S restoration of weather degraded image[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（6）：713724．[19]Ebner color constancy[J].Pattern Recognition Letters，2006，27（11）：12201229．[20]JoungYoun Kim，LeeSuP Kim，SeungHo advanced ContrastEnhaneement Using Partially Overlap Ped SubBlock Histogram Equalization[J].IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEOTECHNOLOGY，2001，11(4)：475483．[21]OAKLEY JP， of simple contrast loss in color images[J].Image Processing，2007，16(2)：511522．[22]TAN R in bad weather from a single image [C].Proceedings of　Computer Society Conference on Computer Vision and Pattern Recognition 2008：18．[23]Hongbo Yang， Jiuhe Wang..Color Image Contrast Enhancement byCooccurrence Histogram Equalization and Dark Channel Prior [C].Proceedings of　IEEE Conference on 2010 3rd International Congress on Image and Signal Processing，2010，7：848851．附錄 灰色版clc。clear all。close allimg=imread(39。E:\Matlab\R2008a\abc\39。)。img=rgb2gray(img)。img=imresize(img,[256,256])。% figure(1)。 imshow(img),title(39。原始圖片39。)。img=im2double(img)。%將圖片img轉(zhuǎn)換成double型k1=8。k2=8。r=161。% alf=1600。% alf=161。alf=20。nn=floor((r+1)/2)。 % 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)。 %高斯函數(shù) h(i,j) =exp(((inn)^2+(jnn)^2)/(2*alf^2)) 。 %高斯函數(shù) endendgauss = h/sum(sum(h))。%R=conv2(img,gauss,39。same39。)。 %灰度R=log(R)。S=log(img)R。% T=S+R。% K2=exp(T)。%取指數(shù) % K2=uint8(K2)。% figure,imshow(K2)%% V變換% V1=load(39。39。)。% V1=。% Fimg1=V1*R*V139。% Fimg2=V1*S*V139。%% 傅里葉變換Fimg1=fft(R)。%傅里葉變換Fimg2=fft(S)。%傅里葉變換%%[M,N]=size(Fimg1)。% figure(2)。% imshow(uint8(abs(P)),[]),title(39。濾波前的頻譜圖像39。)。%繪制源圖像的頻譜的幅度譜x0=floor(M/2)。%向下取整數(shù)y0=floor(N/2)。%同態(tài)濾波參數(shù)設(shè)置D0=3。c=。Hh=。Hl=。%Hh1,Hl1for u=1:M for v=1:N D(u,v)=sqrt((ux0)^2+(vy0)^2)。H(u,v)=(HhHl)*(1exp(c*(D(u,v)^2/D0^2)))+Hl。%同態(tài)濾波器函數(shù)end endY1=Fimg1.*H。Y2=Fimg2.*H。%% 傅里葉逆變換Q1=ifft(Y1)。Q2=ifft(Y2)。%%Q=Q1+Q2。J=exp(Q)。%取指數(shù) J=im2uint8(J)。figure,imshow(J),title(39。去霧后的圖片39。)J1=double(J)。[SD,ENTR,AVEGRAD]=Sd(J1) 彩色版clc。clear all。close allimg=imread(39。E:\Matlab\R2008a\aaa\39。)。img=imresize(img,[256,256])。 imshow(img),title(39。原始圖片39。)。 Y=zeros(256,256,3)。for ii=1:3 L=img(:,:,ii)。img1=im2double(L)。%將圖片img轉(zhuǎn)換成double型k1=8。k2=8。r=161。% alf=1600。% alf=161。alf=20。nn=floor((r+1)/2)。 % 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)。 %高斯函數(shù) h(i,j) =exp(((inn)^2+(jnn)^2)/(2*alf^2)) 。 %高斯函數(shù) endendgauss = h/sum(sum(h))。%R=conv2(img1,gauss,39。same39。)。 %灰度R=log(R)。S=log(img1)R。% T=S+R。% K2=exp(T)。%取指數(shù) % K2=uint8(K2)。% figure,imshow(K2)%% V變換% V1=load(39。39。)。% V1=。% Fimg1=V1*R*V139。% Fimg2=V1*S*V139。%% 傅里葉變換Fimg1=fft(R)。%傅里葉變換Fimg2=fft(S)。%傅里葉變換%%[M,N]=size(Fimg1)。% figure(2)。% imshow(uint8(abs(P)),[]),title(39。濾波前的頻譜圖像39。)。%繪制源圖像的頻譜的幅度譜x0=floor(M/2)。%向下取整數(shù)y0=floor(N/2)。%同態(tài)濾波參數(shù)設(shè)置D0=3。c=。Hh=。Hl=。%Hh1,Hl1for u=1:M for v=1:N D(u,v)=sqrt((ux0)^2+(vy0)^2)。 H(u,v)=(HhHl)*(1exp(c*(D(u,v)^2/D0^2)))+Hl。%同態(tài)濾波器函數(shù)% H(u,v)=(HhHl)*(1/(1+(D0/c*D(u,v))))^2+Hl。%巴特沃斯end endY1=Fimg1.*H。Y2=Fimg2.*H。%% 傅里葉逆變換Q1=ifft(Y1)。Q2=ifft(Y2)。%%Q=Q1+Q2。J=exp(Q)。%取指數(shù) J=im2uint8(J)。Y(:,:,ii)=J。endfigure。imshow(mat2gray(Y))。title(39。去霧以后的圖39。)。sourcePic=imread(39。E:\Matlab\R2008a\abc\39。)。 [m,n,o]=size(sourcePic)。 figure,imshow(sourcePic,[])。 title(39。原圖39。)。 %grayPic=rgb2gray(sourcePic)。 grayPic=sourcePic(:,:,1)。 gp=zeros(1,256)。 %計(jì)算各灰度出現(xiàn)的概率 for i=1:256 gp(i)=length(find(grayPic==(i1)))/(m*n