高级图像去雾算法的快速实现
FROM：http://blog.csdn.net/occupy8/article/details/40322683
最新的效果見 ：http://video.sina.com.cn/v/b/124538950-1254492273.html ?
? ? ?可處理視頻的示例：視頻去霧效果
? ? 在圖像去霧這個(gè)領(lǐng)域，幾乎沒有人不知道《Single Image Haze Removal Using Dark Channel Prior》這篇文章，該文是2009年CVPR最佳論文。作者何凱明博士，2007年清華大學(xué)畢業(yè)，2011年香港中文大學(xué)博士畢業(yè)，可謂是功力深厚，感嘆于國內(nèi)一些所謂博士的水平，何這樣的博士才可以真正叫做Doctor。
???? 關(guān)于何博士的一些資料和論文，大家可以訪問這里：http://research.microsoft.com/en-us/um/people/kahe/
???? 最開始接觸何的這篇論文是在2011年，說實(shí)在的那個(gè)時(shí)候，只是隨便瀏覽了下，看到里面的soft matting過程比較復(fù)雜，并且執(zhí)行速度非常慢，就沒有什么大的興趣。最近又偶爾拾起，仔細(xì)研讀，覺得論文的推理步驟特別清晰，講解很到位。恰好適逢瀏覽到其另外一篇文章《Guided Image Filtering》?，其中提到了可以用導(dǎo)向?yàn)V波來代替soft matting的過程，且速度很快，因此，我對去霧的興趣算法又大大提高了。 ?
???? 本文主要上是對《Single Image Haze Removal Using Dark Channel Prior》的翻譯、整理、及部分解釋。如果您的英文水平好，建議看原文可能來的更爽些。
????一、論文思想的簡單描述?
?????首先看看暗通道先驗(yàn)是什么：
? ?? 在絕大多數(shù)非天空的局部區(qū)域里，某一些像素總會(huì)有至少一個(gè)顏色通道具有很低的值。換言之，該區(qū)域光強(qiáng)度的最小值是個(gè)很小的數(shù)。
我們給暗通道一個(gè)數(shù)學(xué)定義，對于任意的輸入圖像J，其暗通道可以用下式表達(dá)：
????????????????????????????????????
??????式中Jc表示彩色圖像的每個(gè)通道?，Ω(x)表示以像素X為中心的一個(gè)窗口。?
?? 式（5）的意義用代碼表達(dá)也很簡單，首先求出每個(gè)像素RGB分量中的最小值，存入一副和原始圖像大小相同的灰度圖中，然后再對這幅灰度圖進(jìn)行最小值濾波，濾波的半徑由窗口大小決定，一般有WindowSize = 2?*?Radius + 1;??????????
??????暗通道先驗(yàn)的理論指出：
????????????????????????????????????????????????????????? ?????????????
?????實(shí)際生活中造成暗原色中低通道值主要有三個(gè)因素：a)汽車、建筑物和城市中玻璃窗戶的陰影，或者是樹葉、樹與巖石等自然景觀的投影；b)色彩鮮艷的物體或表面，在RGB的三個(gè)通道中有些通道的值很低（比如綠色的草地／樹／植物，紅色或黃色的花朵／葉子，或者藍(lán)色的水面）；c)顏色較暗的物體或者表面，例如灰暗色的樹干和石頭。總之，自然景物中到處都是陰影或者彩色，這些景物的圖像的暗原色總是很灰暗的。
????? 我們拋開論文中列舉的那些例子，自己從網(wǎng)上找?guī)追鶝]有霧的風(fēng)景照，看看結(jié)果如下：
???
???
???
???????????? ???? 一些無霧的圖片??????????????????????????????????????????????????????????????????????????????? ? 其暗通道
在看看一些有霧的圖的暗通道：
???
???
一些有霧的圖片?????????????????????????????????????????????????????????????????????????????? ???其暗通道
上述暗通道圖像均使用的窗口大小為15*15，即最小值濾波的半徑為7像素。
????? 由上述幾幅圖像，可以明顯的看到暗通道先驗(yàn)理論的普遍性。在作者的論文中，統(tǒng)計(jì)了5000多副圖像的特征，也都基本符合這個(gè)先驗(yàn)，因此，我們可以認(rèn)為其實(shí)一條定理。
????? 有了這個(gè)先驗(yàn)，接著就需要進(jìn)行一些數(shù)學(xué)方面的推導(dǎo)來最終解決問題。
首先，在計(jì)算機(jī)視覺和計(jì)算機(jī)圖形中，下述方程所描述的霧圖形成模型被廣泛使用：
???????????????????????????????????????????????? ??
? 其中，I(X)就是我們現(xiàn)在已經(jīng)有的圖像（待去霧的圖像），J(x)是我們要恢復(fù)的無霧的圖像，A是全球大氣光成分， t(x)為透射率。現(xiàn)在的已知條件就是I(X)，要求目標(biāo)值J(x),顯然，這是個(gè)有無數(shù)解的方程，因此，就需要一些先驗(yàn)了。
將式（1）稍作處理，變形為下式：
????????????????????????????????????????????????? ??
??? 如上所述，上標(biāo)C表示R/G/B三個(gè)通道的意思。
??? 首先假設(shè)在每一個(gè)窗口內(nèi)透射率t(x)為常數(shù)，定義他為，并且A值已經(jīng)給定，然后對式（7）兩邊求兩次最小值運(yùn)算，得到下式：
??????????????????????????????? ??
??? 上式中，J是待求的無霧的圖像，根據(jù)前述的暗原色先驗(yàn)理論有：
???????????????????????????????????????????????
???? 因此，可推導(dǎo)出：
????????????????????????????????????????????????????? ???
??? 把式（10）帶入式（8）中，得到：
?????????????????????????????????????????????????
????這就是透射率的預(yù)估值。
??? 在現(xiàn)實(shí)生活中，即使是晴天白云，空氣中也存在著一些顆粒，因此，看遠(yuǎn)處的物體還是能感覺到霧的影響，另外，霧的存在讓人類感到景深的存在，因此，有必要在去霧的時(shí)候保留一定程度的霧，這可以通過在式（11）中引入一個(gè)在[0,1] 之間的因子，則式（11）修正為：
?????????????????????????????????????????? ????
???? 本文中所有的測試結(jié)果依賴于：? ω=0.95。
???? 上述推論中都是假設(shè)全球達(dá)氣光A值時(shí)已知的，在實(shí)際中，我們可以借助于暗通道圖來從有霧圖像中獲取該值。具體步驟如下：
??? 1） 從暗通道圖中按照亮度的大小取前0.1%的像素。
????????? 2） 在這些位置中，在原始有霧圖像I中尋找對應(yīng)的具有最高亮度的點(diǎn)的值，作為A值。
???? 到這一步，我們就可以進(jìn)行無霧圖像的恢復(fù)了。由式（1）可知：??J =?( I - A)/t + A??
?????現(xiàn)在I,A,t都已經(jīng)求得了，因此，完全可以進(jìn)行J的計(jì)算。
???? 當(dāng)投射圖t 的值很小時(shí)，會(huì)導(dǎo)致J的值偏大，從而使淂圖像整體向白場過度，因此一般可設(shè)置一閾值T0，當(dāng)t值小于T0時(shí)，令t=T0，本文中所有效果圖均以T0=0.1為標(biāo)準(zhǔn)計(jì)算。
???? 因此，最終的恢復(fù)公式如下：
?????????????????????????????
???? 當(dāng)直接用上述理論進(jìn)行恢復(fù)時(shí)，去霧的效果其實(shí)也是很明顯的，比如下面一些例子：
???
???
?????? 有霧圖 ??????????????? 去霧圖
??????注意到第一幅圖的原圖兩個(gè)字的周圍明顯有一塊不協(xié)調(diào)的地方，而第二圖頂部水平方向似乎有一塊沒有進(jìn)行去霧處理，這些都是由于我們的透射率圖過于粗糙了。
????? 要獲得更為精細(xì)的透射率圖，何博士在文章中提出了了soft matting方法，能得到非常細(xì)膩的結(jié)果。但是他的一個(gè)致命的弱點(diǎn)就是速度特慢，不使用于實(shí)際使用。在2011年，何博士又除了一片論文，其中提到了導(dǎo)向?yàn)V波的方式來獲得較好的透射率圖。該方法的主要過程集中于簡單的方框模糊，而方框模糊有多重和半徑無關(guān)的快速算法。因此，算法的實(shí)用性特強(qiáng)，關(guān)于這個(gè)導(dǎo)向?yàn)V波算法大家在何博士的網(wǎng)站可以自己去研習(xí)下，除了在去霧方面外，還有著其他多方面的應(yīng)用，這部分本文不多述。
???? 使用了導(dǎo)向?yàn)V波后的去霧效果：
?????
??????
??? 使用原始的預(yù)估透射率圖 ?????????? ?使用導(dǎo)向?yàn)V波后的透射率圖
??
?? (a) 原圖 ??? (b) 去霧結(jié)果圖
??
?????? ?（c）??? 暗通道圖 （d） 導(dǎo)向圖 （原始圖像的灰度圖）
??
????????? （e)? ?預(yù)估透射率圖 (f)???使用導(dǎo)向?yàn)V波后的透射率圖
二、各參數(shù)對去霧結(jié)果的影響
?第一：窗口的大小。這個(gè)對結(jié)果來說是個(gè)關(guān)鍵的參數(shù)，窗口越大，其包含暗通道的概率越大，暗通道也就越黑。我們不去從理論角度分析，從實(shí)踐的效果來看，似乎窗口越大，去霧的效果越不明顯，如下圖所示：
???
?????????????????????????? ?(a) 原始圖像? (b) 窗口大小=11
???
?(c) 窗口大小=21 (d) 窗口大小=101?
我的建議是窗口大小在11-51之間，即半徑在5-25之間。
???? 式（12）中的ω具有著明顯的意義，其值越小，去霧效果越不明顯，舉例如下：
???
??????????????????????????????????? (a) 原始圖像? ??? ?? (b)??? ω=0.5?????????
???????
? ?????????????????????????????????????(c)??? ω=0.8?????????????????????????????????????????????????????????????????? ?? (d)??? ω=1?
????三：編碼的步驟
如果你仔細(xì)的分析了原文的細(xì)路，加上適當(dāng)?shù)膮⒖?#xff0c;編碼其實(shí)并不是很困難。
1）根據(jù)原始圖像求暗通道，參考代碼如下：
for (Y = 0, DarkPt = DarkChannel; Y < Height; Y++){ImgPt = Scan0 + Y * Stride;for (X = 0; X < Width; X++){Min = *ImgPt;if (Min > *(ImgPt + 1)) Min = *(ImgPt + 1);if (Min > *(ImgPt + 2)) Min = *(ImgPt + 2);*DarkPt = Min;ImgPt += 3;DarkPt++;}}MinFilter(DarkChannel, Width, Height, Radius);????這里需要注意的是MinFilter算法的快速實(shí)現(xiàn)，提供一篇論文供有需要的朋友學(xué)習(xí)：STREAMING MAXIMUM-MINIMUM FILTER USING NO MORE THAN THREE COMPARISONS PER ELEMENT?。這個(gè)算法的時(shí)間復(fù)雜度是O(1)的。
????? 2）按文中所描述的算法自動(dòng)獲得全球大氣光的值。
?????這里說明一點(diǎn)，原始論文中的A最終是取原始像素中的某一個(gè)點(diǎn)的像素，我實(shí)際上是取的符合條件的所有點(diǎn)的平均值作為A的值，我這樣做是因?yàn)?#xff0c;如果是取一個(gè)點(diǎn)，則各通道的A值很有可能全部很接近255，這樣的話會(huì)造成處理后的圖像偏色和出現(xiàn)大量色斑。原文作者說這個(gè)算法對天空部分不需特備處理，我實(shí)際發(fā)現(xiàn)該算法對有天空的圖像的效果一般都不好。天空會(huì)出現(xiàn)明顯的過渡區(qū)域。作為解決方案，我增加了一個(gè)參數(shù)，最大全球大氣光值，當(dāng)計(jì)算的值大于該值時(shí)，則就取該值。?
??? ???? ?
??????????????????????? 原圖???????????????????????????????????????????????????????? 未對A值做限定 最大A值限定為220
?????? 3） 按式（12）計(jì)算預(yù)估的透射率圖。
在式（12）中，每個(gè)通道的數(shù)據(jù)都需要除以對應(yīng)的A值，即歸一化，這樣做，還存在一個(gè)問題，由于A的選取過程，并不能保證每個(gè)像素分量值除以A值后都小于1，從而導(dǎo)致t的值可能小于0，而這是不容許的，原文作者并沒有交代這一點(diǎn)是如何處理的。我在實(shí)際的編碼中發(fā)現(xiàn)，如果真的這樣做了，其效果也并不是很理想?，因此，我最后的辦法是在式（12）中，不考慮A的計(jì)算。
??????? 4）計(jì)算導(dǎo)向?yàn)V波圖。
這里可以直接用原始的圖像做導(dǎo)向圖，當(dāng)然也可以用其灰度圖，但是用RGB導(dǎo)向圖在下一步的計(jì)算中會(huì)占用比較大的時(shí)間。
??????? 5）按照《Guided Image Filtering》論文中的公式（5）、（6）、（8）編碼計(jì)算獲得精細(xì)的透射率圖。
網(wǎng)絡(luò)上有這個(gè)算法的 matlab代碼可下載的，這里貼部分代碼：
function q = guidedfilter(I, p, r, eps)% GUIDEDFILTER O(1) time implementation of guided filter.%% - guidance image: I (should be a gray-scale/single channel image)% - filtering input image: p (should be a gray-scale/single channel image)% - local window radius: r% - regularization parameter: eps[hei, wid] = size(I);N = boxfilter(ones(hei, wid), r); % the size of each local patch; N=(2r+1)^2 except for boundary pixels.% imwrite(uint8(N), 'N.jpg');% figure,imshow(N,[]),title('N');mean_I = boxfilter(I, r) ./ N;mean_p = boxfilter(p, r) ./ N;mean_Ip = boxfilter(I.*p, r) ./ N;cov_Ip = mean_Ip - mean_I .* mean_p; % this is the covariance of (I, p) in each local patch.mean_II = boxfilter(I.*I, r) ./ N;var_I = mean_II - mean_I .* mean_I;a = cov_Ip ./ (var_I + eps); % Eqn. (5) in the paper;b = mean_p - a .* mean_I; % Eqn. (6) in the paper;mean_a = boxfilter(a, r) ./ N;mean_b = boxfilter(b, r) ./ N;q = mean_a .* I + mean_b; % Eqn. (8) in the paper;end?????? 由上面的代碼，可見，主要的工作量在均值模糊上，而均值模糊是個(gè)很快速的算法，關(guān)于均值模糊的優(yōu)化可參考我以前的文章：彩色圖像高速模糊之懶惰算法。
??????還有一點(diǎn)就是，上述計(jì)算需要在[0,1]范圍內(nèi)進(jìn)行，也就是說導(dǎo)向圖和預(yù)估的透射率圖都必須從[0,255]先映射到[0,1]在進(jìn)行計(jì)算。
????? 關(guān)于guidedfilter中的半徑r值，因?yàn)樵谇懊孢M(jìn)行最小值后暗通道的圖像成一塊一塊的，為了使透射率圖更加精細(xì)，建議這個(gè)r的取值不小于進(jìn)行最小值濾波的半徑的4倍，如下圖所示：
?????? ??
（a)? r=最小值濾波半徑的2倍 (b) r=最小值濾波半徑的8倍
??????可以看到，當(dāng)r比較小的時(shí)候，在透射率圖中基本看不到什么細(xì)節(jié)信息，因此恢復(fù)處的圖像邊緣處不明顯。
????? 參數(shù)eps的取值也有所講究，他主要是為了防止計(jì)算中除以0的錯(cuò)誤以及為了使得某些計(jì)算結(jié)果不至于過大，一般建議取值0.001或者更小。
????? 如果使用的彩色RGB圖做導(dǎo)向圖，計(jì)算時(shí)間上會(huì)增加不少，所的到的透射率圖的邊緣會(huì)比灰度圖所處理的保留了更多的細(xì)節(jié)，效果上略微比灰度圖好，如下所示：
??????? ?
(a) 原圖??????????????????????????????????????????????????????????????????????????????? ??? (b)預(yù)估的透射率圖
?? ??????
??????????????????? ?? (c)使用灰度圖為導(dǎo)向圖得到的透射率圖 ?????? ??? (d)使用RGB圖為導(dǎo)向圖得到的透射率圖
?????????
???? (e)灰度圖為導(dǎo)向圖對應(yīng)的去霧效果???? ??????? （f）RGB圖導(dǎo)向圖對應(yīng)的去霧效果
???????以RGB圖為導(dǎo)向圖的計(jì)算中，涉及到3*3部分矩陣求逆的過程，如果用非matlab語言寫，可以先借助于matlab的符號(hào)計(jì)算功能，以及其中的符號(hào)計(jì)算命令simple，把計(jì)算結(jié)果算出來，然后再再其他高級語言中實(shí)現(xiàn)。
?? ?? ?(6) 按式（22）進(jìn)行無霧圖像的恢復(fù)。
?四、其他一些去霧效果圖
??????
????? ????
? ????????
????? ????
????????????????????????????? 原圖???????????????????????????????????????????????? 去霧效果圖????????????????????????????????????????????????????? 透射率圖
??????上圖中最后一副圖我連續(xù)做了兩次去霧的處理。?
????? 在原文中，有這樣一段話：
?Since the scene radiance is usually not as bright as the atmospheric light, the image after haze removal looks dim. So we increase the exposure of J(x) for
display.
?????意思就是說直接去霧后的圖像會(huì)比原始的暗，因此在處理完后需要進(jìn)行一定的曝光增強(qiáng)，但作者沒有說明其是如何增強(qiáng)的， 因此，這里的圖和他論文的效果有所不同時(shí)正常的。一般在去霧處理后再用自動(dòng)色劑之類的算法增強(qiáng)下會(huì)獲得比較滿意的結(jié)果，如下圖：
?????? ????? ?
??? 原圖 ? 去霧后 +自動(dòng)色階
????? 去霧算法目前也有著眾多其他的方式，不過我所接觸的，很多都是以這個(gè)為基礎(chǔ)，因此，先弄會(huì)這個(gè)為研究其他的去霧算法能奠定堅(jiān)實(shí)的基礎(chǔ)。
??????網(wǎng)絡(luò)上有一些比較好的暗原色先驗(yàn)去霧的matlab代碼：比如和本文基本對應(yīng)的matlab資源：http://files.cnblogs.com/Imageshop/cvpr09defog%28matlab%29.rar
后記：稍微有看了幾篇去霧的文章，基本上都是圍繞著獲得透視率圖做文章，比如一些文章講用聯(lián)合雙邊濾波方式獲得精細(xì)的透射率，從我個(gè)人淺薄的認(rèn)識(shí)中，我覺得去霧已基本上跳不出暗原色這個(gè)范疇了。
????? 我對雙邊濾波算法那也做了實(shí)驗(yàn)，發(fā)現(xiàn)這個(gè)的效果也還行，就是速度慢了很多，雙邊濾波的快速算法其實(shí)快不起來的，所以這個(gè)的實(shí)用性不高，我選擇了一些圖像做比較：
?????????
? ???????????????????????? ?? (a) 原圖?????????????????????????????????????????????????????????????? （b)?? 聯(lián)合雙邊濾波去霧圖
?????????
? ???????????????????? （c） 導(dǎo)向?yàn)V波獲得透射率圖?????????????????????????????????????????????????? (d)聯(lián)合雙邊濾波透射率圖(Sigmad=SigmaR=100)
???????上圖可以很明顯的看出聯(lián)合雙邊濾波的透射率圖沒有導(dǎo)向?yàn)V波的精細(xì)，但比原始的粗糙的透射率圖還是好很多，過渡很光滑，因此，也能獲得不錯(cuò)的視覺去霧效果。
?????? 聯(lián)合雙邊濾波器中的算法是參考了OpenCv中相關(guān)函數(shù)寫的。
?????和平常一樣，提供一個(gè)可供大家測試效果的程序：?基于暗原色先驗(yàn)的圖像去霧演示程序
????
??? 我分別用VB6和C#做了個(gè)程序，兩個(gè)程序都已經(jīng)通過各自的語言方式進(jìn)行了優(yōu)化，算法部分編碼是一樣的，C#運(yùn)行速度大約是VB6的1.8倍。
???? 在處理速度上，比 matalb的快了很多倍，在I3的筆記本電腦上，一副1024*768的圖像去霧時(shí)間大約在150ms內(nèi)（以灰度圖為導(dǎo)向圖）。
?
?五、算法的局限性
?
????? 暗原色先驗(yàn)是一種統(tǒng)計(jì)的結(jié)果，是對大量戶外無霧照片(outdoor haze-free images)的統(tǒng)計(jì)結(jié)果，如果目標(biāo)場景內(nèi)在的就和大氣光類似，比如雪地、白色背景墻、大海等，則由于前提條件就不正確，因此一般無法獲得滿意的效果，而對于一般的風(fēng)景照片這個(gè)算法能處理的不錯(cuò)。
????
?
????2013.8.23 后記補(bǔ)充修正：
?????在后續(xù)對該算法的關(guān)注中，發(fā)現(xiàn)自己在前面做出了一個(gè)錯(cuò)誤的判斷，就是關(guān)于式（11）中/A的操作。我在前面說這個(gè)除法會(huì)引起一些問題，因此，去除了這一步。但是后來的實(shí)踐證明正是有了這一步，對于對比度低的圖像才可以獲得很好的去霧高對比度圖。
????前面說的/A操作可能會(huì)導(dǎo)致t的值小于0，這種情況就可以把t的值直接設(shè)置為0來解決。
??? 還有一個(gè)事情就是式（11）嚴(yán)格的來說是要對原始圖像的每個(gè)通道進(jìn)行歸一化后，再取每個(gè)通道R/G/B值的最小值得到中間圖，然后對這個(gè)中間圖進(jìn)行指定半徑的最小值濾波后，通過11式得到粗糙的透射率圖，那么這樣就需要多不少計(jì)算，我在實(shí)際中發(fā)現(xiàn)如果直接用前面的暗通道圖/A進(jìn)行操作，兩者的效果區(qū)別不明顯，因此，可用這種簡便的方式。
???
?上圖是一副經(jīng)典的測試圖，雖然取得了比較好的效果，不過似乎馬路那一塊的效果不如一些其他人公開的成果那么好。
???
?????這也是一副比較常見的測試圖，該圖也是緊用去霧獲得結(jié)果，未做任何的后處理，同CSDN一個(gè)的案例庫：圖像去霧的算法研究中的效果相比，在整幅圖像的對比和和協(xié)調(diào)性上都要好一個(gè)檔次。
???? 再如下圖，也比CSDN那個(gè)案例庫中的效果要好很多。
?????
???? 還有：
??
??
???
???總結(jié)：我對這種去霧算法的效果還是很滿意的，?效果和速度都還比較合適。
???附件的測試程序已經(jīng)同步更新。
???2013.10,10 后記補(bǔ)充:
????一直聽說C的效率很高，于是用C實(shí)現(xiàn)了該算法，并且編制了一個(gè)可供其他語言調(diào)用的dll文件，然后對最小值濾波算法又進(jìn)行了特殊的優(yōu)化，算法速度有了很大的提高，特別是在用VS2010時(shí)，編寫C的代碼可以勾選下圖中的SSE選項(xiàng)和快速（fp:fast），程序會(huì)調(diào)用SSE一些函數(shù)，實(shí)現(xiàn)指令級別的并行。而這些C#的編譯器是無法實(shí)現(xiàn)的。
?????同樣的算法，相對于原始的C#程序，程序的速度能提高一倍左右，對于800*600的圖像，在我的I3的CPU上平均能能達(dá)到20fps的速度（只占用了一個(gè)核的CPU資源），因此可以適用于不大于該范圍內(nèi)的實(shí)時(shí)圖像處理。
???? 同樣我增加了3個(gè)內(nèi)部可調(diào)的參數(shù)供大家測試。
???? 相應(yīng)的DLL函數(shù)聲明如下：
???? c風(fēng)格：
void HazeRemovalUseDarkChannelPrior(unsigned char * Src,unsigned char * Dest,int Width,int Height,int Stride, int Radius ,int GuideRadius, int MaxAtom, float Omega,float Epsilon,float T0 )??? c#調(diào)用：
[DllImport("HazeRemoval.dll", CallingConvention = CallingConvention.StdCall, CharSet = CharSet.Unicode, ExactSpelling = true)]private static extern void HazeRemovalUseDarkChannelPrior(byte* Src, byte* Dest, int Width, int Height, int Stride, int Radius,int GuideRadius, int MaxAtom, float Omega, float Epsilon, float T0);????VB6調(diào)用：
Private Declare Sub HazeRemovalUseDarkChannelPrior Lib "HazeRemoval.dll" (ByVal Src As Long, ByVal dest As Long, ByVal Width As Long, ByVal Height As Long, ByVal Stride As Long, ByVal Radius As Long, ByVal GuideRadius As Long, ByVal MaxAtom As Long, ByVal Omega As Single, ByVal Epsilon As Single, ByVal T0 As Single)?????
???? 調(diào)用實(shí)例源代碼下載：http://files.cnblogs.com/Imageshop/HazeRemovalTest.rar
?2013.11,22修正：?
通過聯(lián)合雙邊濾波求透射率圖的效果上面的不正確的，進(jìn)最新的研究結(jié)果表明，雙邊濾波確實(shí)也能獲得精細(xì)的投射圖，比如依舊那上面的測試圖像，不同的SigmaS和SigmaR下獲得透射率效果如下：
?????? ?
SigmaS=50,SigmaR=30 ??? SigmaS=100,SigmaR=30
?
?2014.1.12 重大更新（可實(shí)現(xiàn)實(shí)時(shí)效果）：
? ? ?何的算法效果以及普遍的實(shí)用性都比其他的去霧算法要好，而主要的問題就是其速度還是不夠快，有著太多的浮點(diǎn)計(jì)算。鑒于此，作者也多次試著對代碼進(jìn)行深層次的優(yōu)化，包括SSE處理、并行運(yùn)行等，但由于算法本身的順序執(zhí)行，無法全程并行，偶爾一個(gè)小函數(shù)可以并行，但由于其本身執(zhí)行就特別快，比如不要5ms，你去用并行算法可能耗時(shí)還會(huì)大一些。因此，一直沒有什么大的進(jìn)步，對于一副1024*768的彩圖進(jìn)行去霧需要90ms，這肯定無法滿足需求。
? ? ?最近，在思考，既然暗通道去霧的透射率圖比其他的算法都來的精細(xì)，如果適當(dāng)?shù)慕档鸵稽c(diǎn)點(diǎn)其精度，其去霧的效果理論上應(yīng)該不會(huì)有太大的區(qū)別，于是我想到了一種方式，即求取透射率的時(shí)候不是對原圖進(jìn)行求取，而是先對原圖進(jìn)行下采樣，比如縮小為原圖的1/4，計(jì)算出小圖的透射率，之后在通過插值的方式的獲取原圖大概的透射率，則應(yīng)該也可以獲得效果。經(jīng)過實(shí)踐，這種方式大大的提高了執(zhí)行速度，而且效果和原始的方案基本一致，對于1024*768的圖像大約只需要（I3CPU）30ms了，如果進(jìn)一步取1/9的縮放，則只需要大約20ms，完全可以滿足工業(yè)實(shí)時(shí)性要求高的場合。
? ? 當(dāng)然，如果你的縮小系數(shù)不是特別大的話，比如縮小為原來的0.5大小，可能兩次縮放所用的耗時(shí)還抵消了計(jì)算小圖的透射率圖所換來的盈利，因此必須合理選擇這個(gè)下采樣率。
? ? 要實(shí)現(xiàn)這樣的速度，當(dāng)然還是需要很高的優(yōu)化技巧的，這些東西還是有所保留比較好。?
? ? 我做了一個(gè)程序，集成了本博客中6種圖像去霧的算法：?圖像去霧綜合版本
用暗通道的算法對一段視頻進(jìn)行了處理，大家可以在這里看到效果： http://video.sina.com.cn/v/b/124538950-1254492273.html
*****************************基本上我不提供源代碼，但是我會(huì)盡量用文字把對應(yīng)的算法描述清楚或提供參考文檔*********************
*************************************因?yàn)榭孔约旱呐蛯?shí)踐寫出來的效果才真正是自己的東西，人一定要靠自己****************************
****************************作者： laviewpbt ? 時(shí)間： 2013.8.23????聯(lián)系QQ: ?33184777??轉(zhuǎn)載請保留本行信息********************
總結(jié)
以上是生活随笔為你收集整理的高级图像去雾算法的快速实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 深度学习教程
- 下一篇： 暗通道优先的图像去雾算法（下）