數(shù)字圖像處理課程設(shè)計(圖像去霧)

《數(shù)字圖像處理課程設(shè)計(圖像去霧)》由會員分享，可在線閱讀，更多相關(guān)《數(shù)字圖像處理課程設(shè)計(圖像去霧)（12頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、 數(shù)字圖像處理 課設(shè)題目： 圖像去霧 學(xué) 院： 信息與電氣工程學(xué)院 專 業(yè)： 電子信息工程 班 級： 姓 名： 學(xué) 號： 指導(dǎo)教師： 哈爾濱工業(yè)大學(xué)（威海） 年 月 日 目 錄 一. 課程設(shè)計任務(wù) 1 二. 課程設(shè)計原理及設(shè)計方案 2 三. 課程設(shè)計的步驟和結(jié)果 3 四. 課程設(shè)計總結(jié) 4 五. 設(shè)計體會 5 六. 參考文獻(xiàn) 6

2、 一. 課程設(shè)計任務(wù) 由于大氣的散射作用，霧天的大氣退化圖像具有對比度低、景物不清晰的特點，給交通系統(tǒng)及戶外視覺系統(tǒng)的應(yīng)用帶來嚴(yán)重的影響。但由于成像系統(tǒng)聚焦模糊、拍攝場景存在相對運動以及霧天等不利環(huán)境，使得最終獲取的圖像往往無法使用。為了解決這一問題，設(shè)計圖像復(fù)原處理軟件。 要求完成功能： 1、 采用直方圖均衡化方法增強霧天模糊圖像，并比較增強前后的圖像和直方圖； 2、 查閱文獻(xiàn)，分析霧天圖像退化因素，設(shè)計一種圖像復(fù)原方法，對比該復(fù)原圖像與原始圖像以及直方圖均衡化后的圖像； 3、 設(shè)計軟件界面 二. 課程設(shè)計原理及設(shè)計方案 2.1 設(shè)計原

3、理 在霧、霾等天氣條件下, 大氣中懸浮的大量微小水滴、氣溶膠的散射作用導(dǎo)致捕獲的圖像嚴(yán)重降質(zhì),隨著物體到成像設(shè)備的距離增大, 大氣粒子的散射作用對成像的影響逐漸增加. 這種影響主要由兩個散射過程造成: 1) 物體表面的反射光在到達(dá)成像設(shè)備的過程中, 由于大氣粒子的散射而發(fā)生衰減;2) 自然光因大氣粒子散射而進(jìn)入成像設(shè)備參與成像. 它們的共同作用造成捕獲的圖像對比度、飽和度降低, 以及色調(diào)偏移, 不僅影響圖像的視覺效果, 而且影響圖像分析和理解的性能. 在計算機視覺領(lǐng)域中, 常用大氣散射模型來描述霧、霾天氣條件下場景的成像過程.Narasimhan 等給出霧、霾天氣條件下單色大

4、氣散射模型(Monochrome atmospheric scat-tering model), 即窄波段攝像機所拍攝的圖像灰度值可表示為 （1） 式中, x 為空間坐標(biāo), A 表示天空亮度(Skylight), ρ為場景反照率, d 為場景的景深, β為大氣反射系數(shù)。圖像去霧的過程就是根據(jù)獲得的有降質(zhì)的圖像，即 I（x）來推算出ρ的過程。 但由于該物理模型包含3 個未知參數(shù), 從本質(zhì)上講, 這是一個病態(tài)反問題. 在只有單幅圖像的條件下，我們可以考慮用假設(shè)以及推算的方式使其中的幾個量固定，然后求解。 2.2 設(shè)計方案 2.

5、2.1 白平衡 WP (White point) 算法, 也稱為Max-RGB 算法, 利用R、G、B 顏色分量的最大值來估計光照的顏色。我們用天空亮度A來取代最大值。對于A，如果直接用圖像中最亮的灰度估計的話會受到高亮噪聲或白色物體的干擾，因此我們首先對圖像顏色分量進(jìn)行最小濾波，然后選擇閥值為0.99，大于此值的認(rèn)定為天空區(qū)域，然后取平均值為我們估計的天空亮度A。然后方程（1）變?yōu)? （2） 2.2.2 估計大氣耗散函數(shù) 為了簡化（2），我們設(shè)則 （2）變?yōu)? （3） V（x）稱為

6、大氣耗散函數(shù)。根據(jù)（3）容易發(fā)現(xiàn)V（x）滿足0

7、方圖均衡化處理 三. 課程設(shè)計的步驟和結(jié)果 3.1原圖像與直方圖 global im; global orig; [filename, pathname]=uigetfile([*.jpg],insert image); im=[pathname filename]; orig = imread(im); Q = rgb2gray(orig); figure; subplot(1, 2, 1); imshow(orig); title(原圖像) subp

8、lot(1, 2, 2); imhist(Q, 64); title(原圖像直方圖) 3.2原圖像與均衡后圖像 global orig; global U; I = rgb2hsv(orig); H = I(:,:,1); S = I(:,:,2); V = I(:,:,3); M = histeq(S); % 對飽和度直方圖均衡化 N = histeq(V); % 對亮度直方圖均衡化 U = hsv2rgb(H, M, N); figure; subplot(2, 2, 1); imshow(orig); title(原圖像) subplot(2, 2, 2)

9、; imshow(U); title(均衡后圖像) Q = rgb2gray(orig); W = rgb2gray(U); subplot(2, 2, 3); imhist(Q, 64); title(原圖像直方圖) subplot(2, 2, 4); imhist(W, 64); title(均衡變換后的直方圖) 3.3原圖與去霧圖像對比 global im; im1=double(imread(im))/255.0; sv=2*floor(max(size(im1))/25)+1; res=visibresto1(im1,sv,0.95,-1); figure;

10、imshow([im1, res],[0,1]); 四. 課程設(shè)計總結(jié) 首先，由于本方法是基于單幅圖像輸入來進(jìn)行去霧處理，因此無法像多幅圖像條件下那樣綜合同一場景的不同降質(zhì)條件來估算天空亮度，因此難免會存在偏差。而且白平衡過程是對整幅圖像進(jìn)行的，這樣對于簡單場景（天空與景物有明顯的分界）來說誤差較小，但對于存在很多細(xì)節(jié)的圖像（如茂盛的樹木，天空也景物難以區(qū)分）以及場景中有很多白色景物時，會在邊緣出現(xiàn)模糊。 其次，本方法使用的是變形的中值濾波器來估算大氣耗散函數(shù)，而中值濾波器雖然能較好的保持邊緣，但對于直角以及線這樣的細(xì)節(jié)的處理存在固有缺陷，因此當(dāng)場景中存在這樣的景物（如高樓、車輛等

11、），處理后的圖像會在景物的邊緣出現(xiàn)明顯的模糊。 五. 設(shè)計體會 在本次課程設(shè)計過程中，收獲頗豐。 首先，這次實踐讓我又重新溫習(xí)了一遍數(shù)字圖像處理課程的相關(guān)知識，并在此過程中對所學(xué)知識進(jìn)行了一次檢驗，加深了度數(shù)字圖像處理這門課程的理解，讓我深感數(shù)字圖像處理這門課程的博大精深。 然后，通過本次課程設(shè)計的體驗，提高了綜合運用數(shù)字圖像處理各方面知識的能力，并從中發(fā)現(xiàn)了自己的許多不足之處，有待提高。 最后，通過對matlab這個工具軟件的運用，我又掌握了它的一些功能，這對我以后的學(xué)習(xí)和工作是一個莫大的幫助。 六. 參考文獻(xiàn) [1]數(shù)字圖像

12、處理（第二版） 岡薩雷斯 電子工業(yè)出版社 [2]基于物理模型的單幅圖像快速去霧方法 禹晶、李大鵬、廖慶敏 自動化學(xué)報 [3]Fast Visibility Restoration from a Single Color or Gray Level Image Jean-Philippe Tarel、Nicolas Hautiere IEEE 課程設(shè)計成績評定表 設(shè)計上機驗收成績表 姓名 學(xué)號 課題名稱

13、 序號 驗收項目 分值 得分 1 設(shè)計內(nèi)容合理、目的明確 10分 2 實現(xiàn)了課程設(shè)計的基本要求，演示結(jié)果正確 50分 3 對課程設(shè)計中所涉及的知識理解正確 10分 4 方案正確，在基本要求基礎(chǔ)上有改進(jìn)、創(chuàng)新 20分 5 界面設(shè)計合理、美觀 10分 總分 100分 課程設(shè)計總評分成績表 評 定 項 目 分值 評分成績 1 設(shè)計上機驗收成績、答辯 60% 2 設(shè)計報告的規(guī)范化、參考文獻(xiàn)充分 30% 3 平時成績 10% 總分 附：實驗用圖