基于小波域直方图均衡化的数字图像去雾方法

摘要

本发明涉及图像处理技术领域，公开了一种基于小波域直方图均衡化的数字图像去雾方法。其中，该方法包括：对待处理图像进行整数小波变换，提取小波低频整数系数、小波中频整数系数和小波高频整数系数；基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图；对所绘制的直方图进行均衡化处理，得到均衡化后的小波低频整数系数；对所述小波中频整数系数、所述小波高频整数系数和均衡化后的小波低频整数系数进行整数小波逆变换，得到去雾后的新图像。由此，实现了一种基于小波域直方图均衡化的低失真数字图像去雾方法，能够有效保护图像的轮廓线等细节信息，避免其在“去雾”过程中受到破坏，降低图像失真度。

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于小波域直方图均衡化的数字图像去雾方法。

背景技术

雾作为一种弥漫在大气中的颗粒，其浓度较高时，会对数字图像造成清晰度下降、对比度降低等不良影响，进而可能影响数字图像识别系统的精确度。但由于数字图像即时性强，使得另择时间获取清晰图片的方法不具有可行性，因此若想获得较为清晰的图片，借助数字信号处理技术对当前有雾的图像进行增强是一种有效途径。其中的关键就是在尽可能去除“雾”对图片质量影响的前提下，最大限度保护图片中的其他信息不受影响，即将失真度降至最低。

目前常用的数字图像去雾方法之一为在空间域对图像的像素值直方图进行均衡化调整。通过该方法，可以实现对原有图像像素分布直方图的均衡化，达到“去雾”效果。该方法的优势体现在能对图像的对比度实现明显的提高，达到一定程度上的“去雾”，很大程度上降低了“雾”对图像质量的影响。但该方法的问题在于，“去雾”过程中，图像中应被保留的轮廓信息出现丢失，对于不同的图像，会造成不同程度的失真。

发明内容

本发明提供了一种基于小波域直方图均衡化的数字图像去雾方法，能够解决现有技术中图像中应被保留的轮廓信息出现丢失而造成失真的问题。

本发明提供了一种基于小波域直方图均衡化的数字图像去雾方法，其中，该方法包括：

对待处理图像进行整数小波变换，提取小波低频整数系数、小波中频整数系数和小波高频整数系数；

基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图；

对所绘制的直方图进行均衡化处理，得到均衡化后的小波低频整数系数；

对所述小波中频整数系数、所述小波高频整数系数和均衡化后的小波低频整数系数进行整数小波逆变换，得到去雾后的新图像。

优选地，对待处理图像进行整数小波变换，提取小波低频整数系数、小波中频整数系数和小波高频整数系数包括：

对于矩阵的每一行像素，依次选取相邻的两个像素计算二者之和的平均值和二者之差的平均值，并将二者之和的平均值和二者之差的平均值保存在相邻的两个像素原来的位置上得到新的矩阵；

对于新的矩阵的每一列像素，依次选取相邻的两个像素计算二者之和的平均值和二者之差的平均值，并将二者之和的平均值和二者之差的平均值保存在相邻的两个像素原来的位置上得到小波低频系数、小波中频系数和小波高频系数；

对小波低频系数、小波中频系数和小波高频系数进行取整得到小波低频整数系数、小波中频整数系数和小波高频整数系数。

优选地，基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图包括：

对所述小波低频整数系数中各个数值出现的频数进行归一化；

以所述小波低频整数系数为横坐标、归一化后的频数为纵坐标绘制小波域直方图。

优选地，对所绘制的直方图进行均衡化处理、得到均衡化后的小波低频整数系数包括：

利用累积分布函数对所绘制的直方图进行变换，得到所述小波低频整数系数中各个数值对应的新频数；

对新频数进行近似处理，更新各个数值的频数；

将更新后的各个数值的频数中相等或相近的频数合并在一起，得到均衡化后的小波低频整数系数。

优选地，整数小波变换的基函数为哈尔基函数。

通过上述技术方案，可以对待处理图像(即，含“雾”的待处理图像)进行整数小波变化，得到小波低频整数系数、小波中频整数系数和小波高频整数系数，然后可以基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图，通过对所绘制的直方图进行均衡化处理，可以得到均衡化后的小波低频整数系数，最后对所述小波中频整数系数、所述小波高频整数系数和均衡化后的小波低频整数系数进行整数小波逆变换，可以得到去雾后的新图像。由此，实现了一种基于小波域直方图均衡化的低失真数字图像去雾方法，能够有效保护图像的轮廓线等细节信息，避免其在“去雾”过程中受到破坏，降低图像失真度。

附图说明

所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本发明一种实施例的一种基于小波域直方图均衡化的数字图像去雾方法的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1示出了根据本发明一种实施例的一种基于小波域直方图均衡化的数字图像去雾方法的流程图。

如图1所示，本发明实施例提供了一种基于小波域直方图均衡化的数字图像去雾方法，其中，该方法包括：

S100，对待处理图像进行整数小波变换，提取小波低频整数系数、小波中频整数系数和小波高频整数系数；

其中，小波低频整数系数可以表征非轮廓信息，包含了“去雾”的主要对象；小波中频整数系数和小波高频整数系数可以表征轮廓等细节信息。

通过整数小波变换得到整数小波系数，使得数字图像处理工具可以将离散的整数小波系数绘制成直方图。

S102，基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图；

S104，对所绘制的直方图进行均衡化处理，得到均衡化后的小波低频整数系数；

S106，对所述小波中频整数系数、所述小波高频整数系数和均衡化后的小波低频整数系数进行整数小波逆变换，得到去雾后的新图像。

也就是，将未经处理的小波中频整数系数和小波高频整数系数与均衡化处理后的小波低频整数系数进行融合恢复成去雾后的新图像。

通过上述技术方案，可以对待处理图像(即，含“雾”的待处理图像)进行整数小波变化，得到小波低频整数系数、小波中频整数系数和小波高频整数系数，然后可以基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图，通过对所绘制的直方图进行均衡化处理，可以得到均衡化后的小波低频整数系数，最后对所述小波中频整数系数、所述小波高频整数系数和均衡化后的小波低频整数系数进行整数小波逆变换，可以得到去雾后的新图像(也就是，可以去除水雾、烟雾或雾霾等物质对图片质量的影响)。由此，实现了一种基于小波域直方图均衡化的低失真数字图像去雾方法，能够有效保护图像的轮廓线等细节信息，避免其在“去雾”过程中受到破坏，降低图像失真度。

更进一步地，由于经本方法处理后的图像质量较高，因此若将经本方法处理过的图像用作图像识别算法的素材，将降低客观因素对算法准确性造成的影响，使算法的性能得到充分发挥，提高算法结果的可信度。

根据本发明一种实施例，对待处理图像进行整数小波变换，提取小波低频整数系数、小波中频整数系数和小波高频整数系数包括：

对于矩阵的每一行像素，依次选取相邻的两个像素计算二者之和的平均值和二者之差的平均值，并将二者之和的平均值和二者之差的平均值保存在相邻的两个像素原来的位置上得到新的矩阵；

举例来讲，以相邻的两个像素值分别为a和b为例，二者之和的平均值为(a+b)/2，且该值保存在原来a的位置上；而二者之差的平均值为(a-b)/2，且该值保存在原来b的位置上。

对于新的矩阵的每一列像素，依次选取相邻的两个像素计算二者之和的平均值和二者之差的平均值，并将二者之和的平均值和二者之差的平均值保存在相邻的两个像素原来的位置上得到小波低频系数、小波中频系数和小波高频系数；

对小波低频系数、小波中频系数和小波高频系数进行取整得到小波低频整数系数、小波中频整数系数和小波高频整数系数。

由此，可以通过整数小波变换，得到小波低频系数、小波中频系数和小波高频系数

可替换地，在图片的格式采用整型变量表示的情况下，无需取整操作，得到的小波低频系数、小波中频系数和小波高频系数即为小波低频整数系数、小波中频整数系数和小波高频整数系数。

根据本发明一种实施例，基于所述小波低频整数系数和所述小波低频整数系数中各个数值出现的频数绘制小波域直方图包括：

对所述小波低频整数系数中各个数值出现的频数进行归一化；

以所述小波低频整数系数为横坐标、归一化后的频数为纵坐标绘制小波域直方图。

也就是，可以基于小波低频整数系数各个数值本身和各个数值出现的频率绘制直方图。

根据本发明一种实施例，对所绘制的直方图进行均衡化处理、得到均衡化后的小波低频整数系数包括：

利用累积分布函数对所绘制的直方图进行变换，得到所述小波低频整数系数中各个数值对应的新频数；

对新频数进行近似处理，更新各个数值的频数；

将更新后的各个数值的频数中相等或相近的频数合并在一起，得到均衡化后的小波低频整数系数。

直方图均衡化是图像处理领域中利用直方图变换调整图像对比度的方法。把原始图像的直方图变换为近似均匀分布的形式，增加像素灰度值的动态变化范围，从而实现对图像整体对比度的调整，增强图像质量。

也就是，通过对直方图进行均衡化处理，使得小波低频整数系数分布趋于均衡。

其中，累积分布函数具有便捷且适合批量处理的优点。

可替换地，除了利用上述的累积分布函数进行直方图变换，还可以依照直方图的比例关系自行设定对应的函数进行调整。

自行设定的函数较为灵活，可以精确地选定当前直方图分布不均衡的位置，借助比例关系将其均匀延展至需要的范围。

此外，在实际应用中，可以考虑将自行设定的函数用于对累积分布函数的结果的优化。

根据本发明一种实施例，整数小波变换的基函数为哈尔基函数。

基于此，对待处理图像进行的是哈尔小波整数变换。

类似的，整数小波逆变换对应的是哈尔小波整数逆变换。

由于整数小波变换是完全可逆的，所以本发明所述的方法支持使用任何小波对图形进行分解与重构。换言之，可以选取任何小波对任何图像进行去雾处理，并对于彩色和具有景物的照片低失真去雾效果更为明显。

本领域技术人员应当理解，虽然上述实施例中描述了以哈尔基函数作为整数小波变换的基函数，但其仅仅是示例性的，并非用于限定本发明。

从上述实施例可以看出，本发明的关键点在于通过整数小波变换的低频系数表征出待处理图像的非轮廓信息(即受到“雾”影响的主要部分)，对其进行“去雾”处理，规避了现有方法对图像轮廓线等细节的破坏，从而降低了失真程度。并且，由于本发明所述方法具有低失真的优点，这使其在图像增强、图像分类、图像识别算法开发等领域有着十分重要的应用价值。

在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。