基于移动模板的图像去雾方法研究

曲艺

中国科学院空间科学与应用总体部，北京 100094

基于移动模板的图像去雾方法研究

曲艺

中国科学院空间科学与应用总体部，北京 100094

1 引言

雾是一种常见的天气现象，有雾天气下获得的图像严重退化，灰度集中，对比度差，限制了图像的使用范围，降低了图像的应用价值，为此，消除或减轻雾的影响具有重要意义。

目前，国内外对于图像去雾的方法主要分为两大类，一类是基于大气退化物理模型的方法[1-4]，即从物理成因的角度对大气散射作用进行建模分析，进而得到场景深度模型，实现场景复原，这类方法一般需要复杂的建模过程，有些甚至还需要额外的特殊设备，或者需要无雾的图像作为参考，实现过程比较困难。另一类是基于图像增强的方法[5-8]，也就是单纯从图像的角度考虑，无须借助其他设备或者参考图像等辅助信息，直接利用图像增强方法改善图像质量，达到降低雾影响的目的。在众多的图像增强算法中，直方图均衡化方法以其较好的增强效果以及易于实现等优点，得到了广泛的应用。

2 全局直方图均衡化

图像直方图是数字图像处理的基本工具之一，对于图像的分析处理具有重要意义。具体来讲，直方图描述了图像中各灰度级的像素数量或各个灰度级像素出现的频率，直观反映了图像的灰度分布情况。

直方图均衡化使用累积函数对图像的灰度值进行调整，根据各灰度级的像素数量重新进行灰度映射，把给定图像的直方图分布改变成均匀分布的直方图，进而达到增强图像对比度的目的。

图1和图3列举了两幅雾天拍摄的照片及其直方图，图2和图4分别是对图1和图3进行全局均衡化处理后的图像及其直方图。从图2和图4可以看到，虽然全局均衡化后的图像对比度有所改善，但是场景深处的景物依然模糊，高灰度级像素依然比较集中。

可见，直接对图像进行全局直方图均衡化处理的效果并不理想，究其原因，有雾图像的退化主要是由大气散射现象引起的，随着景物距离的增加，入射光衰减程度不断增高，掺入的环境光不断增多，图像退化的程度也就随之增加。而全局直方图均衡化方法没有考虑场景深度的问题，直接对整幅图像进行均衡化处理，导致其增强效果有限。

图1 原始图像1及其直方图

图2 全局均衡化处理后的图像1及其直方图

图3 原始图像2及其直方图

图4 全局均衡化处理后的图像2及其直方图

3 局部重叠直方图均衡化方法

针对全局直方图均衡化方法的弊端，本文提出了一种改进方法，即定义一个移动的模板，假设模板内的景物处于场景同一深度，对每个模板进行直方图均衡化方法处理，实现不同深度的目标对比度增强。同时，为了减少运算量，提高处理速度，模板并不是对每个像素都作处理，而是以一定的步长进行移动，最后对每个模板处理后的结果进行加权平均。具体描述如下：

（1）假设原始图像originImg大小为M×N，定义与原始图像大小相同的结果图像finalImg、中间结果累加矩阵sumImg、均衡化次数累加矩阵CNT，均初始化为0。

（2）设置模板大小m×n，移动步长hstep和vstep。

（3）定义循环变量k和l，k表示模板在水平方向上的位置，l表示模板在垂直方向上的位置，二者均初始化为0。

（4）从originImg的（k，l）位置取出子图像segment，并对segment进行均衡化处理。

（5）将segment均衡化的结果累加到sumImg的（k，l）位置处。

（6）将各点被均衡化的次数累加到CNT中对应位置。上述算法可以用图5所示的流程表示。

用上述算法对图像1和图像2进行处理，其结果分别如图6和图7所示，与图2和图4相比，图6和图7中的景物更加清晰，场景深处的景物对比更加明显，如图6中远处的建筑，图7中远处的电线塔等。从图像直方图上看，像素分布更加趋近正态分布，高灰度像素数量不再占据图像的大多数。

表1以常用的图像熵值作为评价指标，列举了图像1和图像2的原始图像熵值、全局直方图均衡化处理后图像熵值以及本文所述方法处理后图像熵值，可以看到本文所述方法可以大幅提升图像熵值，改善图像质量。

图5 算法流程图

图6 上述算法处理后的图像1及其直方图（图像大小1 024×768，模板大小64×64，移动步长8×8）

图7 上述算法处理后的图像2及其直方图（图像大小1 024×768，模板大小64×64，移动步长8×8）

图8 使用不同大小的模板对图像1进行处理

图9 使用不同大小的模板对图像2进行处理

表1 图像处理前后熵值

4 模板大小与移动步长的选择

模板大小与移动步长的选择与图像处理结果的清晰程度、平滑程度及算法的复杂程度密切相关。

如果模板选择过大，很可能将场景深度不同的景物包含到一个模板中，导致对比度拉伸程度降低，清晰化效果不理想；反之，如果模板选择过小，则容易造成过度拉伸，噪声增强，影响视觉效果。因此，需要通过对图像具体分析来确定合适的模板大小。图8和图9是使用不同大小的模板对图像1和图像2进行处理的结果，两幅图像大小都是1 024×768，从左至右模板大小依次是16×16、32×32、64× 64和128×128，移动步长是模板大小的1/4。可以看到，选择16×16的模板，图像细节比较清晰，但噪声也比较强，选择128×128的模板，整体较为平滑，但细节拉伸有限，而且产生了明显的块效应，选用32×32和64×64的模板，在细节表现和噪声抑制上相对较为均衡。

在移动步长的选择上，移动步长应与模板大小、图像大小成比例，否则会遗漏部分边界点，影响处理效果，参见图10中图像右侧和底部的黑色区域。

图10 遗漏边界点的结果图像

此外，移动步长与块状效应的平滑效果及算法的计算复杂度密切相关。选用相同大小的模板时，移动步长越小，则处理效果越清晰，但运算速度越慢，增大移动步长，会增强块间的平滑效果，提高处理速度，但图像的细节表现减弱，块效应也随之增加。图11和图12使用大小相同的模板（64×64）对图像1和图像2进行处理，移动步长从左至右分别为4×4、8×8、16×16和32×32。

5 块效应处理

块状效应是由于模板之间的灰度分布不均匀而产生的。具体来讲，原始图像中相邻像素点的灰度值是连续渐变的，但经过部分重叠直方图均衡变换后，每个像素点的灰度值就会由各自所属模板的直方图均衡化函数重新映射，由于图像的灰度分布不均匀，不同模板得到的均衡化函数通常也不相同，致使模板间的像素出现灰度突变现象，在模板边界点上这一现象尤为明显，从而导致了视觉上的块效应。

图11 模板大小相同，移动步长不同对图像1进行处理

图12 模板大小相同，移动步长不同对图像2进行处理

为此，本文采用一种简单的插值来减轻块效应。具体描述如下：

根据图像实际情况设置一个合理的阈值。

在模板移动过程中每次移动都可能带来灰度突变，为此检测原始图像中移动步长两侧像素点的灰度，如果原始图像在步长两侧的灰度差绝对值小于设定的阈值，而结果图像在步长两侧的灰度差绝对值大于设定的阈值，则用步长两侧4个像素的均值代替中间2个像素的值，否则不进行均值滤波。

图13和图14是对图8和图9中64×64模板的图像进行平滑前后的对比，表2列举了图像插值前后的熵值。

图13 插值算法前后的图像1

图14 插值算法前后的图像2

表2 图像插值前后熵值

可见，采用上述的插值算法能够在一定程度上减轻块效应，有助于改善图像视觉效果，但是图像熵值略有下降。

6 结论

本文以图像直方图均衡化方法为基础，研究了一种图像增强去雾方法。针对全局直方图均衡化方法忽略了图像场景深度这一缺点，提出了移动模板的概念，假设模板内的场景处于场景同一深度，进行局部直方图均衡化处理。为了兼顾运行效率和处理效果，本文仔细探讨了模板大小的选择和移动步长的选择，最后对处理过程中可能出现的块效应进行了简单的插值平滑。实验证明，本文方法能够有效增强图像，达到良好的去雾效果，且执行效率较高。

[1]Oakley J P，Satheley B L.Improving image quality in poor visibilityconditionsusingaphysicalmodelforcontrast degradation[J].IEEE Transactions on Image Processing，1998，7（2）.

[2]Narasimhan S G，Nayar S K.Removing weather effects from monochrome images[C]//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE Computer Society，2001：186-193.

[3]Schechner Y Y，Narasimhan S G，Nayar S K.Instant dehazing of images using polarization[J].Computer Vision&Pattern Recognition，2001，1：325-332.

[4]Narasimhan S G，Nayar S K.Contrast restoration of weather degraded images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，5（6）.

[5]芮义斌，李鹏，孙锦涛.一种图像去薄雾方法[J].计算机应用，2006，26（1）.

[6]周旋，周树道，黄峰，等.卫星图像的去雾研究[J].计算机应用与软件，2005，22（12）.

[7]祝培，朱虹，钱学明，等.一种有雾天气图像景物影像的清晰化方法[J].中国图象图形学报，2004，9（1）.

[8]翟艺书，柳晓鸣，涂雅瑗，等.一种改进的雾天降质图像的清晰化算法[J].大连海事大学学报，2007，33（3）.

QU Yi

General Establishment of Space Science and Application,Chinese Academy of Sciences,Beijing 100094,China

Fog degrades images greatly,and many methods have been used to enhance foggy images.This paper analyzes the defect of global histogram equalization,presents an improved local equalization method based on moving mask,discusses the selection of mask size and its moving step,and provides a solution to potential block effect.It is proven that this method can enhance foggy images effectively,and it is easy to implement.

image enhancement;remove fog effect from images;histogram equalization;contrast

雾使图像退化严重，已有多种方法应用于图像去雾。分析了直方图均衡化方法在图像去雾方面的缺点，提出了一种改进的基于移动模板的局部重叠直方图均衡化去雾方法，分析了模板大小和移动步长对实验效果的影响，对可能出现的块效应提出了简单的滤波平滑算法。实验证明，该方法能够在增强图像的同时有效去雾，降低对图像的影响，且实现简单。

图像增强；图像去雾；直方图均衡化；对比度

A

TP391.41

10.3778/j.issn.1002-8331.1202-0364

QU Yi.Study of removing fog from images based on moving mask.Computer Engineering and Applications,2013,49（24）：186-190.

曲艺（1980—），女，工程师，主要从事数据处理与仿真研究。E-mail：quyi_1980@hotmail.com

2012-02-21

2012-05-28

1002-8331（2013）24-0186-05

CNKI出版日期：2012-07-16http://www.cnki.net/kcms/detail/11.2127.TP.20120716.1531.051.html