针对雾霾图像中含有高亮、大面积浓雾,天空区域无法清晰识别,求取出的图像偏暗、色彩失真的问题,提出了一种基于暗通道先验的自适应阈值分割和透射率补偿的去雾改进算法,通过OSTU阈值分割将图像分为前景区域和背景区域,求取亮暗通道,并通过统计函数计算出前景区域和背景区域所占的像素比例,加权求取大气光值。通过透射率补偿参数K的引进,使得求取的透射率更接近真实值,最后通过CLEAR法进行色度调整。实验结果表明,该法去雾后的图像细节信息保留完整,失真度减小,视觉上更加真实自然,信息熵平均提高7.03%,SSIM平均提高5.56%,MSE平均减小9.19%。
1
使用VS2019创建工程并添加opencv环境后,新建c++文件后,复制代码即可运行
2021-11-23 14:03:41 10KB c++ opencv 暗通道先验去雾
1
暗通道matlab代码基于图的盲图像去模糊 该代码是我们的TIP论文“从单张照片中基于图的盲图像去模糊”的升级实现。 先决条件 Matlab(> = R2015a) 运行测试 Step 1. run graph_blind_main.m Step 2. select a blurred image 参数 用户只需要调整一个参数。 在第21行,估计的内核大小k_estimate_size 。 该k_estimate_size必须比真正的内核大小(默认值为69)放大。 为了获得最佳性能,请将该值设置为接近实际内核大小,并稍大一些。 如果要关闭中间输出,可以在第22行设置show_intermediate = false 。 关于噪音 为了使噪声更强健,我们在本文之外增加了一些降噪模块。 我们嵌入了一个去噪电视,以对输入图像进行预处理。 我们为中间输出内核添加了一个小波域过滤。 我们添加了一个蒙版来过滤梯度域中的小/噪声梯度。 诸如BM3D之类的更复杂的去噪功能可以由用户预先完成。 关于非盲图像去模糊 在使用提出的算法进行内核估计之后,我们使用最新技术来进行非盲图像去模糊。 在这里,我们为用
2021-11-20 21:05:36 7.32MB 系统开源
1
参数说明: I: 已有的图像(待去雾的图像) J: 要恢复的无雾图像 A: 全球大气光成分,分r、g、b三个通道,三维向量 te: 透射率矩阵 t: 滤波平滑后的透射率矩阵 求出每个像素RGB分量 中的最小值,存入一幅和原始图像大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波,滤波的半径由窗口大小决定。暗通道先验的理论指出,J_dark会趋向于0。
2021-11-15 17:08:13 9.06MB 1、python 2、opencv 3、图像去雾
1
依据背景光的海洋光学定义, 提出了一种新的自然光照条件下的水下图像复原方法。基于合理假设及光学理论公式推导, 估计出计算背景光所需的水体光学参数(衰减系数和散射系数); 利用散射系数与波长的关系分别计算红、绿、蓝三个通道的传输函数值, 并使用导向滤波精细化传输图像; 最终通过逆求解成像模型复原水下图像。实验结果表明所提算法在恢复场景物体原始颜色及去除背景散射方面有一定的优势。
2021-11-10 16:40:24 10.74MB 海洋光学 水下图像 背景光理 暗通道先
1
基于matlab的图像去雾技术,暗通道去雾,直方图去雾等
2021-11-09 14:08:09 4.44MB 去雾 matlab 暗通道
1
针对暗通道先验在天空区域的失效问题,提出了一种基于亮度模型融合的改进暗通道先验图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域;其次,利用亮度模拟景深,重构亮度透射率,并通过与暗通道透射率的融合构成天空区域透射率,最后的透射率图经由快速引导滤波进行精细化处理;大气光值选择抗干扰能力更强的天空区域中像素强度值前0.1%的像素中值;最后,经由大气散射模型恢复出无雾图像。实验结果表明,该算法针对含雾图像能够有效地恢复出图像的细节并抑制光晕现象,明亮度适宜,颜色自然。
2021-10-26 16:41:51 6.96MB 图像处理 亮度模型 融合透射 大气散射
1
ppt共有59页,讲解的十分详细,对于何提出的暗通道先验算法去雾有了非常详细的解释,看后十分有收获。
2021-10-16 21:24:12 4.47MB 何恺明 去雾 暗通道先验
1
暗通道matlab代码使用暗通道实现除雾代码 1.演示 2.参考 个人推荐的博客文章: 3.其他除雾算法
2021-10-10 13:27:53 28KB 系统开源
1
代码运行效果图见压缩包
2021-10-08 23:10:06 281KB
1