摘要：針對已有的基于DSP的實(shí)時去霧算法出現(xiàn)的問題進(jìn)行優(yōu)化和改進(jìn)。在降采樣倍數(shù)過大時，去霧效果會出現(xiàn)一些副作用，包括紋理細(xì)節(jié)丟失、塊效應(yīng)和亮度偏暗。針對這三個問題，本文采用均值降采樣、雙線性插值升采樣、透射率補(bǔ)償?shù)确绞竭M(jìn)行優(yōu)化。最終針對實(shí)際YUV圖像進(jìn)行了優(yōu)化方法的實(shí)驗(yàn)，表明可以達(dá)到較好的去霧效果。

　　關(guān)鍵詞：去霧；優(yōu)化；降采樣；升采樣

0引言

　　近幾年，隨著空氣污染的日益嚴(yán)重，霧霾給人們的生活與生產(chǎn)帶來了極大的影響。尤其在各大城市，霧霾造成的能見度降低嚴(yán)重影響了道路交通和交通監(jiān)控的性能，所以實(shí)時圖像去霧的需求也越來越迫切。目前圖像去霧方法主要分為圖像增強(qiáng)法和基于物理模型的復(fù)原方法。在眾多去霧算法中，何凱明博士在2009年提出的基于暗原色先驗(yàn)的去霧算法由于其去霧效果穩(wěn)定且自然而被廣泛采用［1］。

　　雖然基于暗原色先驗(yàn)的去霧算法計(jì)算去霧效果非常出色，但由于其復(fù)雜度高，計(jì)算時間比較長，而且大部分時間集中在導(dǎo)向?yàn)V波求精細(xì)透射率處［2］。為了滿足實(shí)時處理的要求，已有的實(shí)時去霧算法中一般采用降采樣的方法［3］。通過降采樣得到小圖，再對小圖進(jìn)行去霧處理，最終采用小圖的透射率對大圖進(jìn)行去霧處理。這樣處理可以極大地縮短計(jì)算時間。此方法在降采樣倍數(shù)較低時，對去霧效果并沒有太大影響，但當(dāng)降采樣倍數(shù)較高時，去霧效果則會明顯下降。本文針對采用降采樣的實(shí)時圖像去霧算法進(jìn)行優(yōu)化與改進(jìn)，通過加入均值降采樣、升采樣等方法進(jìn)行優(yōu)化，最終得到比較好的處理結(jié)果。

1均值降采樣

　　降采樣倍數(shù)過高時，圖像在部分明暗相接處的暗處會出現(xiàn)一些紋理細(xì)節(jié)丟失的情況，主要表現(xiàn)為由原來較暗的圖像變?yōu)楹谏?。?jīng)分析，這種現(xiàn)象由降采樣的取值方式導(dǎo)致。

　　臨近點(diǎn)降采樣方法是分別在圖像的行和列兩個方向上每隔M個點(diǎn)抽取一個采樣點(diǎn)，其中M為降采樣倍數(shù)。采用這種方式進(jìn)行降采樣的結(jié)果等效為將大圖細(xì)分為若干個M×M的小圖，抽取每個小圖左上角的值湊成降采樣圖。這種方法用一個點(diǎn)代替整個小圖的圖像數(shù)據(jù)，在部分情況下會有較大影響。如圖1所示。

　　如圖1所示，10×10的大圖經(jīng)過5倍降采樣后變?yōu)楹诎赘靼氲男D。由文獻(xiàn)［1］可知，白色像素的暗通道值Idark比較高。通過暗通道求透射率t為：

　　易知白色像素計(jì)算出的透射率小于灰色像素計(jì)算出的透射率。圖像恢復(fù)公式如下：

　　通常情況下大氣光值A(chǔ)大于各個像素的值I，故當(dāng)用小圖恢復(fù)大圖時，對于大圖左上角5×5小圖中的灰色部分像素值，由于遠(yuǎn)小于大氣光值A(chǔ)，故I-A的值為負(fù)數(shù)，并且絕對值比較大，而透射率又為白色像素對應(yīng)的較小的透射率，故可能會變?yōu)?或負(fù)數(shù)，處理結(jié)果變?yōu)楹谏?。在圖像中如果存在著類似的邊界，則邊界處的暗處紋理可能會被處理為黑色，造成信息流失和不自然。

　　采用均值降采樣可以比較好地解決這種問題。均值降采樣與臨近點(diǎn)采樣的區(qū)別在于將大圖分為若干個M×M的小圖后，不再只取左上角的點(diǎn)，而是將整個小圖所有像素的值取均值，用均值代替整個小圖。采用這種方法后由于黑色占大多數(shù)，所以降采樣的結(jié)果不再是白色，而是灰色?；疑珜?yīng)的透射率較大，故不易被處理為黑色造成信息流失。但均值降采樣會帶來比較大的計(jì)算量，可采用文獻(xiàn)［4］中的盒式濾波算法。

2雙線性插值升采樣

　　經(jīng)過高倍數(shù)降采樣后，去霧后的圖像會出現(xiàn)比較明顯的塊效應(yīng)。這主要是由于降采樣后，在整幅圖像恢復(fù)時，每一小塊圖像都用同一個透射率處理，中間缺少過渡。對于圖像中較大的物體，在圖像恢復(fù)時可能會被分為若干小塊，每個小塊分別采用不同大小的透射率，因此圖像恢復(fù)后可能導(dǎo)致結(jié)果分布不均勻。

　　針對這個問題，本文采用雙線性插值升采樣方法。雙線性插值法根據(jù)所求像素點(diǎn)距參考點(diǎn)位置進(jìn)行計(jì)算，所求點(diǎn)距某個像素越近則相對應(yīng)的權(quán)值就越大，距某個像素越遠(yuǎn)則對應(yīng)的權(quán)值就越小。雙線性插值原理如圖2所示。

　　設(shè)所求像素值為dest，對應(yīng)橫坐標(biāo)為r，縱坐標(biāo)為c，圖2中四個角的值分別為value1、value2、value3和value4。則dest計(jì)算公式為：

　　dest=w1×value1+w2×value2+w3×value3+

　　w4×value4

　　其中：

　　其中，ratio為升采樣半徑。

　　采用雙線性插值升采樣處理小圖透射率，得到較平滑的大圖透射率，再通過這個透射率恢復(fù)圖像，圖像上的塊效應(yīng)得到明顯改善。

3亮度補(bǔ)償

　　經(jīng)過暗原色先驗(yàn)去霧算法處理后的圖像總會有亮度偏暗的情況，這個問題在文獻(xiàn)［3］中有敘述。其主要原因是在去霧算法中，預(yù)估的透射率表示為：

　　因?yàn)镴c(y)t(x)總是大于0，所以預(yù)估透射率比實(shí)際值偏小。又因?yàn)閳D中大部分像素的值都小于A，由圖像恢復(fù)公式可知恢復(fù)出的圖像均小于實(shí)際值，所以圖像整體偏暗。為了解決這個問題，本文采用兩種方式：透射率補(bǔ)償及亮度后處理。這兩種方法都可以起到增加圖像亮度的效果。

　　3.1透射率補(bǔ)償

　　根據(jù)文獻(xiàn)［3］中的敘述，由于近似計(jì)算，基于暗原色先驗(yàn)的去霧算法計(jì)算出的透射率偏小，由于大部分像素值小于透射率，經(jīng)去霧后，像素值相對于大氣光值的差會被放大，即變得更小，所以去霧后的圖像會偏暗。為了補(bǔ)償這個偏差，本文提出在透射率求出后加上一個補(bǔ)償值，計(jì)算公式如下：

　　通過加入補(bǔ)償值p，可以適當(dāng)增大預(yù)估透射率的值。但這個值通常不能取太大，一般取值范圍為008~025。經(jīng)過試驗(yàn)這種方法可以極大地改善去霧后圖片偏暗的情況。

　　3.2亮度后處理

　　由于本文針對的是YUV格式的圖像，這種圖像每個像素點(diǎn)對應(yīng)三個分量，分別是：亮度分量Y和兩個色差分量U、V。所以若圖像偏暗，可以通過調(diào)節(jié)三個分量中的Y分量進(jìn)行補(bǔ)償。

　　本文采用圖像增強(qiáng)算法中的對比度拉伸法，詳見文獻(xiàn)［5］。這種算法計(jì)算復(fù)雜度比較低，實(shí)現(xiàn)簡單。主要實(shí)現(xiàn)方法為：在圖像去霧后，對圖像的Y通道進(jìn)行對比度拉伸，使圖像中大部分的亮度得到提升。拉伸曲線設(shè)計(jì)見圖3?！?/p>

4處理結(jié)果及分析

　　經(jīng)過上述優(yōu)化和改進(jìn)，將優(yōu)化前與優(yōu)化后結(jié)果進(jìn)行對比。

　　采用均值降采樣后，處理結(jié)果如圖4~圖6所示。

　　從圖5、6中可見，在圓圈標(biāo)注的明暗交界處，臨近點(diǎn)降采樣處理后，樓頂處的紋理細(xì)節(jié)消失，而經(jīng)過優(yōu)化后，樓頂細(xì)節(jié)保持完好。

　　采用雙線性插值法進(jìn)行優(yōu)化后，處理結(jié)果如圖7~圖9所示。

　　可以看到，未加雙線性升采樣之前，在飛機(jī)發(fā)動機(jī)處有明顯的塊效應(yīng)，在加入升采樣后，該處不自然的塊已有明顯的改善。

　　經(jīng)過亮度補(bǔ)償后的處理結(jié)果如圖10~圖12所示。

　　從圖中可以明顯看到，未加補(bǔ)償時，去霧后的圖像偏黑，看起來很不自然。加入補(bǔ)償后，圖像依舊有去霧效果，且圖中暗處依舊能看到，而且更加自然。

5結(jié)論

　　本文針對基于暗原色先驗(yàn)的實(shí)時去霧算法所出現(xiàn)的三大問題：部分細(xì)節(jié)丟失、塊效應(yīng)和亮度偏暗問題，進(jìn)行針對性的優(yōu)化和改進(jìn)。經(jīng)過對比試驗(yàn)，采用均值降采樣、雙線性升采樣和亮度補(bǔ)償?shù)确椒ê?，可以比較好地對結(jié)果進(jìn)行修正，從而得到更自然的結(jié)果。并且經(jīng)過相應(yīng)的優(yōu)化后，能達(dá)到實(shí)時去霧的效果。但由于在原算法中加入了均值濾波等步驟，計(jì)算時間相較于之前算法略有增加，所以在今后的工作中需要進(jìn)一步優(yōu)化，縮短計(jì)算時間。

　　參考文獻(xiàn)

　?。?］ HE K, SUN J, TANG X. Single image haze removal using dark channel prior［J］. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2011, 33(12): 2341-2353.

　?。?］ HE K, SUN J, TANG X. Guided image filtering［J］. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2013, 35(6): 1397-1409.

　　［3］ XU H, GUO J, LIU Q, et al. Fast image dehazing using improved dark channel prior［C］.Information Science and Technology (ICIST), 2012 International Conference on. IEEE, 2012: 663-667.

　?。?］ MCDONNELL M J. Boxfiltering techniques［J］. Computer Graphics and Image Processing, 1981, 17(1): 65-70.

　?。?］ GONZALEZ R C， EDDINS S L. 數(shù)字圖像處理［M］.阮秋琦，譯.北京：電子工業(yè)出版社, 2007.