基于暗通道的图像去雾处理方法

摘 要：随着信息技术的发展，运用图像传输信息的方式也越来越普遍。对于传统的图像来说，传输已经不是问题。但是近些年的雾天出现增多，给室外的雾天图像中包含的信息的有效获取带来很大的困扰。本文主要是以暗通道优先法为原理，讨论实现图像的有效去雾算法。

关键词：图像处理；去雾；暗通道优先法

DOI：10.16640/j.cnki.37-1222/t.2017.20.139

1 研究背景

相对湿度达到百分之百、水汽充足且大气层稳定时，视野模糊和能见度降低的天气现象，被称为雾。在人口较为密集的地区，大雾的出现对当地的人们出行和当天的经济生产造成了巨大的影响。因此，对雾天图像的处理是不可或缺的。

在数字图像处理大雾天气下的图像中，可以分为两大类，一种为图像增强（image enhancement）技术，另一类是图像修复技术（image restoration）。图像增强是一个相对主观的判断，其最大的标准就是将图片中的图像增强到符合人眼对真实实物的认知。在这一过程中，可能会出现部分细节的丢失。但最终还是能大大的提高图像主体的辨识度。图像复原是需要对已得到的退化图像进行抽象，通过已有的经验建立其退化过程的模型，依照此模型将图像复原到未退化之前。

2 基本原理

2.1 图像的定义

图像是客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中最常用的信息载体。或者说，图像是客观对象的一种表示，它包含了被描述对象的有关信息。图像是写实的，能够很清晰的表达出客观对象的。

2.2 数字图像概念

图像可以分为模拟图像和数字图像。模拟图像是对真实的情况的记录，其可根据某种物理量的强弱变换来记录图像的具体信息，一般情况下比数字图像的记录更加精确；数字图像是运用在电子产品中的存储方式和模拟图像不一样的图像，其将一副图像看成一个二维数组，记录下每一个点的像素信息。

从数学方面解释数字图像，图像可以用一个二维函数f（x，y）来表示。x代表其横坐标，y代表纵坐标。函数整体的幅值用f定义，有时可以将f认为是灰度值。在数字图像中，图像都是从连续图像（如模拟图像中）采样后得到的。其中的每一个点在本质上是不连续的，离散的。每一點都是通过采样和量化之后得到，因此，数字图像只是连续图像的一种近似结果。经过数字化之后的图像就从原来的二维函数具体化成了一个具体的矩阵。可以写为：

其中每一点都为一个像素点，即是构成图像的最小基本单位。每一个像素点都表现出这一点的位置和灰度值信息。

2.3 数字图像处理

一幅原始图像往往是不能很好的满足人们对其的要求的。例如，在有雾的图像中需要得到具体的细节信息，在较暗的情况下需要得到图中人物的脸部信息，或者是在一幅混合了自然景物和人物的图像中只需要具体的人物信息。这些图像都需要进行再次处理。

数字图像处理（Digital Image Processing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。由于处理过程中需要使用到计算机和实时硬件，也称为计算机图像处理（Computer Image Processing），数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展，二是数学的发展（特别是离散数学理论的创立和完善），三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

2.4 数字图像处理的发展

当计算机刚出现时，由于制造成本的限制，使得那时的计算机只是世界上少部分人可接触到的东西；后来随着可视化界面以及互联网的出现，计算机得到了极大的推广。它不再是那个大多数人都不可见不可知的神秘事物，而是一个可以通过计算机和互联网看到整个世界的工具。

在上世纪20年代，数字图像处理开始出现。当第一根从英国伦敦连接到美国纽约的海底电缆建立时，数字图像处理开始发展。由于图片的信息量大，需要传输的数据多，在当年如果需要传输一幅图像得需要好几天，因此图像的处理显得尤为关键。在那个年代，就出现了数字图像处理之后将传输时间缩短为几个小时的实例。

图像处理的真正发展开始于二十世纪六十年代，那时出现了能处理图像的计算机，凭借其在当时是世界上最快速的运算工具，很多图片的处理变得可能。图像处理这一领域随即涌现出来许多专业方面的研究。医学图像，天文图像的处理得到飞速发展。CT，电子计算机断层扫描也是基于此建立，成为了现代医学的诊断过程的重要工具。之后开始开始对图像进行更多的处理。无论是增强，压缩，分隔，或者是识别，种种新的图像处理技术都使计算机为我们打开的窗户显得更加清晰。

而随着互联网传输速度与传输大小的提升以及计算在存储，计算以及显示能力的大幅度提升。图像处理应用越来越广泛，从1964美国喷气推进实验室对航天探测器“徘徊者七号”发回的几千张月球照片进行计算机处理后得到的清晰逼真的照片。从那时起，图像处理念想便是通过对其进行一系列的计算将图像恢复成与肉眼相同的视觉效果，适应人的直观感受。

现如今，图像处理应用于方方面面。从大气天气分析到海洋水质监测、从物质频谱分析到人体健康检查、从日常人们通讯到军事导弹控制、从工厂产品加工到电子商务物品的购买等等都体现出图像处理在生活中的重要地位。

3 暗通道优先去雾算法

3.1 暗通道基本理论

暗通道理论是由何恺明等人在统计无雾图像的特点之后提出的。因为该算法何恺明等人获得的2009年CVPR最佳论文，也是因为该算法，何恺明称为了首位获得该奖项的亚洲学者。该理论提出，在大部分的非天空区域中，某一些像素点总会在至少一个颜色通道中的值很低甚至可以认为其趋近于零。可认为，此区域中的光强度的最小值是一个极其小的数。由前面的理论，对于任意的图像J，暗通道可以表达为：

（3-1）

其中，表示的是图像J中的R，G，B颜色通道，表示以像素x为中心的一个矩形窗口。

式（3-1）的具体计算步骤是：（1）求出每一个像素点中RGB分量中的最小值；（2）将此最小值存入一副和原图大小相同的灰度图；（3）对存入的灰度图进行最小值滤波。滤波的半径与矩形窗口大小有关，一般选择，。

根据式子（3-1）计算出的是一个很小的值，在此，将它认定为趋近于零，即：

将图像认为J的暗通道。

日常生活中出现图像中某一个颜色通道出现很低的值的情况很多，大致可分为3个大类：（1）投影或者是阴影区域，自然景观在水面或天空的投影、房子或广告牌的阴影部分等都会导致出现某一个颜色通道出现很低的值；（2）物体表面颜色鲜艳或者是物体存在于颜色鲜艳的背景中，红色的花、绿色的草地或者蓝色的水面附近的物体；（3）整体的颜色就是较暗的物体，灰色的石头、树木等。

3.2 建立图像恢复公式

大气光通常是取光强度最大的像素。将大气光值A设为一个已知数。在暗通道优先理论中，我们可以在图像中选择亮度最亮的0.1%的像素，然后再在原始图像中寻找到对应位置的亮度最高的点的值，取此值为全球大气光A的值。

4 总结

随着信息时代的到来，因为图像中包含的信息多，越来越多的信息需要通过图像来传输。但是雾天的来临使得户外的图像不能达到能准确表达出实时情况的。本文主要是采用了何恺明博士的基于暗通道优先的去雾方法，通过学习其中原理、推导计算步骤来讨论其去雾的有效性，并且建立起图像恢复模型，实现图像去雾处理。

参考文献：

[1]孙茂金.基于暗通道优先的单幅图像去雾算法研究[D].大连海事大学，2010.

[2]祝培.恶劣天气环境下图像的清晰化[D]，西安：西安理工大学， 2004.

[3]陈宁宁.数字图像处理技术在智能交通中的应用[J].电子设计工程，2013.

作者简介：张澳博（1999-），男，河南南阳人，学生。endprint