opencv-视频处理--dark channel -实现暗通道去雾详解

暗通道算法是由何恺明在CVPR论文《Single ImageHaze Removalusing Dark Channel Prior》中提出的。

图像去雾的模型：



我们分析以上模型：
【已知条件】

：observerd intensity，即输入图像（待去雾的图像）【未知条件】

scene radiance，即还原图像（去雾以后的图像）

medium transmission

global atmospheric light【目标】求出这三个未知条件

、

、

，而根据去雾模型，我们只需要计算出其中两个未知条件，就可以求出第三个。文中先通过求出

、

，然后通过去雾模型的转换计算


【问题】怎么只通过

，来计算出

和

呢？【问题的解决办法】


也就是我们先求出darkChannel.darkChannel的定义：


代码如下:

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace cv;
int main(int argc,char*argv[])
{
Mat image=imread(argv[1],1);
CV_Assert(!image.empty() && image.channels() == 3);
//图片的归一化
Mat fImage;
image.convertTo(fImage,CV_32FC3,1.0/255,0);
//规定patch的大小,且均为奇数
int hPatch = 15;
int vPatch = 15;
//给归一化的图片添加边界
Mat fImageBorder;
copyMakeBorder(fImage,fImageBorder,vPatch/2,vPatch/2,hPatch/2,hPatch/2,BORDER_REPLICATE);
//分离通道
vector<Mat> fImageBorderVector(3);
split(fImageBorder,fImageBorderVector);
//创建darkChannel
Mat darkChannel(image.rows,image.cols,CV_32FC1);
double minTemp ,minPixel;
//根据darkChannel的定义
for(unsigned int r = 0;r < darkChannel.rows;r++)
{
for(unsigned int c = 0;c < darkChannel.cols;c++)
{
minPixel = 1.0;
for(vector<Mat>::iterator it = fImageBorderVector.begin() ;it != fImageBorderVector.end();it++)
{
Mat roi(*it,Rect(c,r,hPatch,vPatch));
minMaxLoc(roi,&minTemp);
minPixel = min(minPixel,minTemp);
}
darkChannel.at<float>(r,c) = float(minPixel);
}
}
namedWindow("darkChannel",1);
imshow("darkChannel",darkChannel);
Mat darkChannel8U;
darkChannel.convertTo(darkChannel8U,CV_8UC1,255,0);
imwrite("darkChannel.jpg",darkChannel8U);
return 0;
}

先给出一些运行结果：












第二步：通过暗通道来实现A的过程,

/*第2步：求出 A(global atmospheric light)*/
//2.1 计算出darkChannel中,前top个亮的值,论文中取值为0.1%
float top = 0.001;
float numberTop = top*darkChannel.rows*darkChannel.cols;
Mat darkChannelVector;
darkChannelVector = darkChannel.reshape(1,1);
Mat_<int> darkChannelVectorIndex;
sortIdx(darkChannelVector,darkChannelVectorIndex,CV_SORT_EVERY_ROW + CV_SORT_DESCENDING);
//制作掩码
Mat mask(darkChannelVectorIndex.rows,darkChannelVectorIndex.cols,CV_8UC1);//注意mask的类型必须是CV_8UC1
for(unsigned int r = 0;r < darkChannelVectorIndex.rows;r++)
{
for(unsigned int c = 0;c < darkChannelVectorIndex.cols;c++)
{
if(darkChannelVectorIndex.at<int>(r,c) <= numberTop)
mask.at<uchar>(r,c) = 1;
else
mask.at<uchar>(r,c) = 0;
}
}
Mat darkChannelIndex = mask.reshape(1,darkChannel.rows);
vector<double> A(3);//分别存取A_b,A_g,A_r
vector<double>::iterator itA = A.begin();
vector<Mat>::iterator it = fImageBorderVector.begin();
//2.2在求第三步的t(x)时，会用到以下的矩阵，这里可以提前求出
vector<Mat> fImageBorderVectorA(3);
vector<Mat>::iterator itAA = fImageBorderVectorA.begin();
for( ;it != fImageBorderVector.end() && itA != A.end() && itAA != fImageBorderVectorA.end();it++,itA++,itAA++)
{
Mat roi(*it,Rect(hPatch/2,vPatch/2,darkChannel.cols,darkChannel.rows));
minMaxLoc(roi,0,&(*itA),0,0,darkChannelIndex);//
(*itAA) = (*it)/(*itA); //[注意：这个地方有除号，但是没有判断是否等于0]
}

第三步：通过暗通道来实现t(x)的过程：

/*第三步：求t(x)*/
Mat darkChannelA(darkChannel.rows,darkChannel.cols,CV_32FC1);
float omega = 0.95;//0<w<=1,论文中取值为0.95
//代码和求darkChannel的时候,代码差不多
for(unsigned int r = 0;r < darkChannel.rows;r++)
{
for(unsigned int c = 0;c < darkChannel.cols;c++)
{
minPixel = 1.0;
for(itAA = fImageBorderVectorA.begin() ;itAA != fImageBorderVectorA.end();itAA++)
{
Mat roi(*itAA,Rect(c,r,hPatch,vPatch));
minMaxLoc(roi,&minTemp);
minPixel = min(minPixel,minTemp);
}
darkChannelA.at<float>(r,c) = float(minPixel);
}
}
Mat tx = 1.0 - omega*darkChannelA;

文中，给出了一个tx的优化，我们后面使用guiderFilter进行优化。
第四步：既然A和t(x)已经求出，就可以求j(x);

/*第四步：我们可以求J(x)*/
float t0  = 0.1;//论文中取t0 = 0.1
Mat jx(image.rows,image.cols,CV_32FC3);
for(size_t r = 0;r < jx.rows;r++)
{
for(size_t c =0;c<jx.cols;c++)
{
jx.at<Vec3f>(r,c) = Vec3f((fImage.at<Vec3f>(r,c)[0] - A[0])/max(tx.at<float>(r,c),t0)+A[0],(fImage.at<Vec3f>(r,c)[1] - A[1])/max(tx.at<float>(r,c),t0)+A[1],(fImage.at<Vec3f>(r,c)[2] - A[2])/max(tx.at<float>(r,c),t0)+A[2]);
}
}
namedWindow("jx",1);
imshow("jx",jx);
Mat jx8U;
jx.convertTo(jx8U,CV_8UC3,255,0);
imwrite("jx.jpg",jx8U);

结果：












文中的代码还没有优化，代码重复率比较高