暗通道图像去雾

举报
白发渔樵 发表于 2020/10/17 16:50:54 2020/10/17
【摘要】 暗通道图像去雾图像去雾是计算机视觉中的一个常见任务,在自动驾驶等交通领域有着较为广泛的需求。目前,图像去雾主要采用图像重建生成对应的无雾图片,但传统方法依旧尤其独特的优势和借鉴意义。本文将介绍何凯明在CVPR2009提出的暗通道图像去雾方法。暗通道先验作者通过大量实验发现:在无雾自然环境中,除天空外,整幅RGB图像的某个通道的最低值总会接近于0。这是因为 阴影:如树叶和石头的阴影彩色物体:彩...

暗通道图像去雾

图像去雾是计算机视觉中的一个常见任务,在自动驾驶等交通领域有着较为广泛的需求。目前,图像去雾主要采用图像重建生成对应的无雾图片,但传统方法依旧尤其独特的优势和借鉴意义。本文将介绍何凯明在CVPR2009提出的暗通道图像去雾方法。

暗通道先验

作者通过大量实验发现:在无雾自然环境中,除天空外,整幅RGB图像的某个通道的最低值总会接近于0。这是因为

  1. 阴影:如树叶和石头的阴影

  2. 彩色物体:彩色物体,如树叶,在G通道的值很高,而在其他两个通道上的值接近于0

  3. 一些黑色的物体:如岩石

从上右图也可以看出,自然物体确实符合暗通道先验。

雾天图像模型

雾天图像模型可以用下面的公式表示:

image.png

其中I是有雾图像;J是无雾图像,代表环境辐射;A是全局光照,不受在图像中的位置影响;t是透过率,雾越浓,透过率t越小。

t也可以用一下公式表示:

image.png

其中β为大气衰减率,雾越浓,衰减率越大;d则是图像某个位置对应的实际点和相机距离,距离越大,透过率越低。

根据暗通道先验,有

image.png

上面公式表示的是在某个图像patch中,rgb三通道中的最低值即为暗通道的值。

将暗通道先验赋予雾天图像模型,则可以计算得到:

image.png

对于天空,因为距离无穷大,可以假设透过率接近于0,其暗通道的值可以认为就是全局亮度:

image.png

在知道I和A的情况下,就可以推导出透过率t:

image.png

故而最终可以通过雾天图像模型计算出去雾图像。

总结

从结果图也可以看出,暗通道去雾对自然图像(图中的草地和树木)有较好效果,这是因为这些场景有丰富的阴影,能较好满足暗通道先验。而人工建筑的路面和天空,因为不满足暗通道先验,最终计算出来的效果并不理想。另外,暗通道去雾结果整体看上去不自然,这也是因为整个模型使用了非常hard的先验和模型。从这个方面看,目前基于CNN的图像去雾方法(尤其是GAN),往往更加符合人类视觉习惯,去雾的结果也更自然。


【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。