【正文】 圖 霧后 29 比較結(jié)論：暗通道去霧效果良好。經(jīng)暗通道處理的圖像，顏色會(huì)比原圖顏色加深。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 。 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。 我們可以看出紅外圖像存在很多缺陷，對(duì)人眼來(lái)說(shuō)其最顯著的特點(diǎn)就是對(duì)比度很 低，圖像很模糊。 紅外與同態(tài)濾波結(jié)合優(yōu)化 本文提出了一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法。利用了同 30 態(tài)濾波的優(yōu)勢(shì)，增強(qiáng)了紅外圖像細(xì)節(jié)特征。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 。這些方法盡管在解決問(wèn)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。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。 32 圖 原圖 圖 同態(tài)濾波 圖 直方圖 圖 暗通道 圖 紅外 圖 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。 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。 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。從前期資料查詢準(zhǔn)備，到開(kāi)題答辯書(shū)寫修改與答辯準(zhǔn)備，到后來(lái)代碼運(yùn)行，論文成文修改，郭老師一直拽著我們前進(jìn)。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。 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。 在這一個(gè)學(xué)期的學(xué)習(xí)過(guò)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)。clear all。E:\Matlab\R2020a\abc\39。 img=rgb2gray(img)。 % figure(1)。原始圖片 39。 img=im2double(img)。 k2=8。 % alf=1600。 alf=20。 % 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) end end gauss = h/sum(sum(h))。same39。 %灰度 R=log(R)。 % T=S+R。%取指數(shù) % K2=uint8(K2)。39。 % V1=。 % Fimg2=V1*S*V139。%傅里葉變換 Fimg2=fft(S)。 % figure(2)。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)。 %同態(tài)濾波參數(shù)設(shè)置 D0=3。 Hh=。%Hh1,Hl1 for u=1:M for v=1:N D(u,v)=sqrt((ux0)^2+(vy0)^2)。%同態(tài)濾波器函數(shù) end end Y1=Fimg1.*H。 %% 傅里葉逆變換 Q1=ifft(Y1)。 %% Q=Q1+Q2。%取指數(shù) J=im2uint8(J)。去霧后的圖片 39。 [SD,ENTR,AVEGRAD]=Sd(J1) 彩色版 clc。close all img=imread(39。)。 imshow(img),title(39。)。 for ii=1:3 L=img(:,:,ii)。%將圖片 img 轉(zhuǎn)換成 double 型 k1=8。 r=161。 41 % alf=161。 nn=floor((r+1)/2)。 %高斯函數(shù) h(i,j) =exp(((inn)^2+(jnn)^2)/(2*alf^2)) 。% R=conv2(img1,gauss,39。)。 S=log(img1)R。 % K2=exp(T)。 % figure,imshow(K2) %% V變換 42 % V1=load(39。)。 % Fimg1=V1*R*V139。 %% 傅里葉變換 Fimg1=fft(R)。%傅里葉變換 %% [M,N]=size(Fimg1)。 % imshow(uint8(abs(P)),[]),title(39。)。%向下取整數(shù) y0=floor(N/2)。 c=。Hl=。 H(u,v)=(HhHl)*(1exp(c*(D(u,v)^2/D0^2)))+Hl。%巴特沃斯 end end Y1=Fimg1.*H。 %% 傅里葉逆變換 Q1=ifft(Y1)。 %% Q=Q1+Q2。%取指數(shù) J=im2uint8(J)。 end figure。title(39。)。E:\Matlab\R2020a\abc\39。 [m,n,o]=size(sourcePic)。 44 title(39。)。 grayPic=sourcePic(:,:,1)。 %計(jì)算各灰度出現(xiàn)的概率 for i=1:256 gp(i)=length(find(grayPic==(i1)))/(m*n)。 %計(jì)算新的各灰度出現(xiàn)的概率 S1=zeros(1,256)。 tmp=0。 S1(i)=tmp。 end for i=1:256 newGp(i)=sum(gp(find(S2==i)))。 %填充各像素點(diǎn)新的灰度值 for i=1:256 45 newGrayPic(find(grayPic==(i1)))=S2(i)。 grayPic=sourcePic(:,:,2)。 %計(jì)算各灰度出現(xiàn)的概率 for i=1:256 gp(i)=length(find(grayPic==(i1)))/(m*n)。 %計(jì)算新的各灰度出現(xiàn)的概率 S1=zeros(1,256)。 tmp=0。 S1(i)=tmp。 end for i=1:256 46 newGp(i)=sum(gp(find(S2==i)))。 %填充各像素點(diǎn)新的灰度值 for i=1:256 newGrayPic(find(grayPic==(i1)))=S2(i)。 grayPic=sourcePic(:,:,3)。 %計(jì)算各灰度出現(xiàn)的概率 for i=1:256 gp(i)=length(find(grayPic==(i1)))/(m*n)。 %計(jì)算新的各灰度出現(xiàn)的概率 S1=zeros(1,256)。 tmp=0。 S1(i)=tmp。 end for i=1:256 newGp(i)=sum(gp(find(S2==i)))。 %填充各像素點(diǎn)新的灰度值 for i=1:256 newGrayPic(find(grayPic==(i1)))=S2(i)。 res=cat(3,nr,ng,nb)。 title(39。)。本文介紹了常用的霾霧的三種方法，包括基于光分離模型算法，提出了一種基于直方圖均衡化算法和基于暗原色先驗(yàn)。 關(guān)鍵詞 ：圖像去霧；光分離模型；直方圖均衡化；暗通道 引言 在數(shù)字圖像處理中，一個(gè)最簡(jiǎn)單和最有用的工具是灰度直方圖。任何一幅 圖像的直方圖都包括了可觀的信息，某些類型的圖像還可以由其直方圖完全描述。 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。假設(shè)我們 有一幅由函數(shù) ? ?yxD , 所定義的連續(xù)圖像，它平滑地從中心的高度灰度級(jí)變化到邊沿的低灰度級(jí)。所得到的輪廓線形成了包圍灰度級(jí)大于等于 1D 的區(qū)域的封閉曲線。在更高的灰度級(jí) 2D 處還畫有第二條輪廓線。 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，稱為它的閾值面積函數(shù) ? ?DA 。負(fù)號(hào)的出現(xiàn)是由于隨著 D 的增加 ? ?DA 在減小。 對(duì)于離散函數(shù)，我們固定 D△ 為 1，則等式（ 1）變?yōu)? ? ? ? ? ? ?1??? DADADH (2) 對(duì)于數(shù)字圖像，任一灰度級(jí) D 的面積函數(shù)就是大于或等于灰度值 D 的像 51 素的個(gè)數(shù)。特別是對(duì)于研究彩色圖像。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。坐標(biāo) ? ?BR DD, 處的值是指在紅光圖像中具有灰度值 RD ，同時(shí)在藍(lán)光圖像中同一位置具有灰度值 BD 的像素（對(duì)）的個(gè)數(shù)。二維直方圖表示像素值在兩種灰度級(jí)的組合中的分布情況。45 斜線位置上有值外，在其余各處值將為 0 。45 斜線之上或之下。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。同樣核在紅光下顏色更深。 52 圖 13 二維直方圖示例 （ a） 白光圖像（ b）紅光圖像（ c）藍(lán)光圖像（ d）紅 藍(lán)直方圖 直方圖的性質(zhì) 當(dāng)一幅圖像被壓縮為直方圖后，所有的空間信息都丟失了。因此，任一特定的圖像有唯一的直方圖，但反之并不 53 成立 —— 極不同的圖像可以有著相同的直方圖。盡管如此，直方圖仍確實(shí)有一些有用的信息。 如果一幅圖像包含一個(gè)灰度均勻一致的物體且背景與物體的對(duì)比度很強(qiáng)，我們規(guī)定 物體的邊界是由灰度級(jí) 1D 定義的輪廓線，則 ?? ?1 )(D dDDH 物體的面積 (6) 如果圖像包含有多個(gè)物體，并且所有輪廓線處的灰度級(jí)均為 1D ，則公式（ 6）給出了所有物體的面積之和。這些函數(shù)在對(duì)圖像進(jìn)行統(tǒng)計(jì)處理時(shí)是有用的。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。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。一旦被數(shù)學(xué)化圖像的級(jí)數(shù)少于 256，丟失的信息（除非重新數(shù)字化）將不能恢復(fù)。數(shù)字化時(shí)對(duì)直方圖進(jìn)行檢查是一個(gè)好的做法。 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。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。圖 14 為這類圖像的直方圖。物體邊界附近具有兩個(gè)峰值之間灰度級(jí)的像素?cái)?shù)目相對(duì)較少，從而產(chǎn)生了兩峰之間的谷。 55 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。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。如果我們?cè)噲D測(cè)量物體的面積，選擇谷底處閾值將使測(cè)試量對(duì)于閾值灰度變化的敏感降低到最小。另外，一種可從簡(jiǎn)單圖像的直方圖直接計(jì)算的量是綜合光密度（ IOD）。如果在灰度級(jí)為 0 的背景 56 上有深色的物體，則 IOD 反映了物體的面積和密度的組合。則等式（ 8）可被寫成 ???2550k kkNIOD (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)。這種技術(shù)也許很少被使用，而它卻可以使我們對(duì)直方圖有更深的理解。我們知道直方圖是面積函數(shù)關(guān)系等于灰度級(jí)的導(dǎo)數(shù)的負(fù)數(shù)（等式（ 1））。有時(shí)，通過(guò)觀測(cè)就可以達(dá)到此目的。 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。而且，面積是圖像函數(shù)的逆函數(shù)。其直方圖可表示為 : ? ?)ln (1)ln (2)( DDDdDdDH ????? (17) 如圖 16 所示，在 0?D 處直方圖有一尖峰，這是由于在較大處有大面積的低灰度值點(diǎn)（灰度 0?D ）。 圖 16 高斯脈沖的直方圖 59 二維 通過(guò) 對(duì)圖像的對(duì)稱性的巧妙利用，同樣處理過(guò)程可被推廣到二維情形。 在下述方法中利用了圓的對(duì)稱性，假定圖像時(shí)中心在原點(diǎn)的圓對(duì)稱高斯脈沖（如圖 17） 圖像函數(shù)的極坐標(biāo)表示如下 2)θ,( rerD ?? ???r0 ， 2πθ0 ?? (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 )(Pr 的圖 )ln()( PPr ?? (19) 該輪廓線所包圍的面積為 60 ? ?? ? ? ?Pπl(wèi)nπ)( 2 ??? PrPA (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] Pπ)()( ?? PAdPdPH (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 1?D 處