[发明专利]一种图像及视频去雾霾方法、计算机装置及存储介质

说明书

本发明涉及一种图像及视频去雾霾方法、计算机装置及存储介质，所述图像去雾霾方法中包括以下步骤：对有雾霾图像划分为若干大小相等的矩形子块，引入适应度因子和邻域暗通道池化操作，计算出透射率，各个子块透射率的计算采用多线程进行，从而提高算法的实时性；采用基数排序法估计有雾图像的大气光值，获取前百分之0.1的高亮度像素值，作为大气光值的估计；根据前述透射率和大气光值，对图像进行去雾霾处理。本发明通过结合多线程处理、局部透射率计算和基数排序等处理方案，有效地提高了图像和视频的去雾霾处理速度，满足了去雾霾处理的实时性需求。

技术领域

本发明涉及图像处理领域，尤其涉及一种图像及视频去雾霾方法、计算机装置及存储介质。

背景技术

雨雾天气或者雾霾天气造成拍摄的图片和视频图像质量差，清晰度低的问题，影响了图片和视频的视觉效果。在智能监控与模式识别领域，雾霾图片或视频往往严重降低了识别的精度，针对雾霾图片的去雾霾预处理成为识别系统必不可少的环节，去雾霾算法对于智能系统识别精度的提高具有重大的作用和意义。而且，对有雾霾图像的去雾霾处理具有广阔的应用前景，可应用于水下拍摄、航拍、遥感、户外监控、智能交通甚至是医学图像等，经过去雾霾处理的图像和视频更具有价值，有利于许多图像理解和计算机视觉应用，图像分类，图像/视频检索，遥感和视频分析和识别，给人们的生活带来很多的便利。

目前，何凯明博士提出的基于暗通道先验的图像去雾方法在实践中取得了很好的效果。暗通道先验是通过对户外无雾图像数据库进行统计得出的，即除天空之外的大多数户外无雾霾图像的每个局部区域中都存在这样的像素，该像素的至少一个颜色通道的灰度值很低。利用暗通道先验建立的去雾霾模型可直接估算雾霾的浓度并且可将有雾霾图像复原为高质量的去除雾霾干扰后的图像。但该方法在图像分辨率高时，所需运算量大，无法做到高分辨率视频的实时去雾霾，限制了其应用范围。因此，亟需一种可实时处理的图像与视频去雾霾方法。

发明内容

针对上述问题，本发明旨在提供一种图像及视频去雾霾方法、计算机装置及存储介质，提高图像及视频去雾霾的计算速度和计算效率。具体方案如下：

一种图像去雾霾方法，包括以下步骤：

S110：采集图像I(x)，将该图像I(x)划分为大小相同的矩形的子块I_s(x)，其中x为像素点，下标s为子块序号，以下步骤中对子块的处理均采用多线程方式；

S120：分别计算每个子块的透射率t_s(x)，其中下标s为对应的子块I_s(x)的子块序号；

所述透射率t_s(x)的计算方法如步骤S121-S126所示：

S121：根据公式计算子块中每个像素点的暗通道值，得到该子块的暗通道图像，其中为x像素点的暗通道值，为x像素点在c∈{R,G,B}通道的值；

S122：将暗通道图像进行边缘补零；

S123：计算子块中每个像素点在边缘补零后的暗通道图像中的邻域最小值，所述邻域最小值为像素点x在Ω(x)的邻域中暗通道值的最小值，其中Ω(x)表示以像素点x为中心的方形邻域，其计算公式为：

其中，x_j表示以像素点x为中心的方形邻域中的元素；

S124：利用公式计算每个像素点的池化值d_s(x)，根据池化值将暗通道图像转换为池化图像d_s；

S125：根据公式计算池化图像中每个像素点的均值，其中|Ω(x)|为x像素点的邻域个数，x_i表示x像素点的周围邻域像素点，r_s(x)表示x像素点的均值；