圖像去霧算法實驗的設計與實現

李秋璇 張梓萌 張衡 許超

摘? 要：實驗小組將企業行業的真實問題與數字圖像處理實驗相結合，針對圖像資料因有霧、不清晰情況而無法匹配比對問題，在課程講授暗通道先驗算法的基礎上，通過比較算法、設計方案、編程實踐、實驗數據對比等環節，開展了圖像去霧算法的創新實驗。實驗結果證明了實驗小組設計方案具有良好的去霧效果。這種將課程教學與行業真實問題相結合的人才培養模式，扭轉教學、科研、服務社會脫節的現狀，建立了真實問題導向下人才培養、科學研究、服務社會相互貫通的一體化新機制。

關鍵詞：去霧算法；創新實驗；暗通道先驗；圖像處理

中圖分類號：TP391.4；G642? 文獻標識碼：A? 文章編號：2096-4706（2023）03-0037-04

Design and Implementation of the Experiment of Image Defogging Algorithm

LI Qiuxuan1， ZHANG Zimeng1， ZHANG Heng2， XU Chao1

（1.School of Physics， Liaoning University， Shenyang? 110036， China;

2.Practical Training Center for Liberal Arts， Liaoning University， Shenyang? 110036， China）

Abstract： The experimental group combines the real problems of the enterprise industry with the digital image processing experiment. Aiming at the problem that the image data can not be matched and compared due to fog and unclear conditions， on the basis of the dark channel prior algorithm taught in the course， through the comparison algorithm， design scheme， programming practice， experimental data comparison and other links， the innovative experiment of image defogging algorithm is carried out. The experimental results show that the design scheme designed by the experimental group has good defogging effect. This talent training mode， which combines course teaching with real problems in the industry， reverses the current situation of disconnection among teaching， scientific research， and service society， and establishes a new integrated mechanism that integrates talent training， scientific research， and service society under the guidance of real problems.

Keywords： defogging algorithm; innovative experiment; dark channel prior; image processing

0? 引? 言

數字圖像處理是通過計算機對圖像進行去除噪聲、提高分辨度、復原成像、分割并提取特征等技術手段[1]。隨著時代的發展，數字圖像處理技術已被應用于各行各業，尤其是交通、管理、物流、醫學和其他方面都有很大的影響[2]。對于測控技術與儀器類專業的學生來說，數字圖像處理是一門跨學科且實踐性較強的專業。目前學校推進“真實問題導向下的人才培養”，提倡將課程教學與企業行業真實問題相結合，扭轉教學、科研、服務社會脫節的現狀，建立起真實問題導向下人才培養、科學研究、服務社會相互貫通的一體化新機制。基于此，專業開設了數字圖像處理應用創新實驗，將企業行業的真實問題引進課堂，培訓學生創新思維和服務社會的能力。

正是在以上背景下，教學團隊設置了“以圖搜圖”檔案管理應用中因圖像資料存在有霧、不清晰情況而無法匹配比對真實問題。以學號191003323為組長的實驗小組以此為選題，在課程講授暗通道先驗算法的基礎上，通過查閱資料、比較算法、設計方案、編程實踐、實驗數據對比分析等環節，開展了圖像去霧算法的創新實驗。

1? 圖像去霧算法的實驗基礎

在陰霾、霧天等惡劣氣候環境下，大氣中總是含有大量的懸浮物、水蒸氣等干擾物質，從而使得光線在空氣中的散射變得更加容易，而影像點所接收的光線也會變得更加脆弱。由于這兩種散射的影響，使霧天產生了多種光學現象，如折射、散射以及吸收等。從而使光電元件受到的光強度和強度的改變，從而使圖像的灰度分布更加集中，圖像信息反差，色彩失真。在以圖搜圖的檔案管理應用中，往往會因為陰霾、霧天等原因導致采集的視頻影像內容不清晰，圖像分辨度較低，不便于進行定量分析，或者計算機從中無法提取有效信息。因此，必須要對霧天圖像進行改善處理[1，3]。

在“數字圖像處理”課程中，介紹了何凱明博士發表的論文《Single Image Haze Removal Using Dark Channel Prior》，講述了暗通道先驗算法的基本原理[4，5]。在非天空區域，RGB 3種色彩信道中，一定有一種色彩信道的亮度很低，也就是說，這個區域的光線強度最小，可以用數學公式來表達[3]：

（1）

其中，c代表3個RGB顏色信道；J c表示c信道的光強亮度；Ω（x）表示一個視窗，其中心為像素x；J dark表示一個區域內的值。在非天空區域，J dark的值較低，若J為晴天時的圖像強度，則此時的暗通道數值J dark，應近似為0。

而在計算機視覺和圖形方面，通常采用以下公式表示的霧狀模式：

（2）

式中，I（x）表示要消霧的圖像；J（x）表示要復原的無霧圖像；A表示大氣的光強值；t（x）表示大氣衰變功能。

在實際應用中，利用暗通道圖可以得到最小的區域光強。具體的操作流程如下：

（1）將前面0.1%的像素根據暗通道圖的亮度尺寸大小進行提取。

（2）在上述位置原有霧圖像I中，尋找相應的亮度最高的點，作為A值。即：

（3）

（3）如果投影圖t的數值較小，則會產生較大的數值，使得整個圖像呈現出白色，所以通常可以設定一個閾值t0，若t值小于t0值，則將t=t0，且兩者都按照t0=0.1來進行。

（4）最終的恢復公式為：

（4）

2? 設計方案

實驗小組通過前期課程學習了解到：作為圖像去霧的基本方法，暗通道的先驗算法在用于消除單幅圖像的霧化方面，取得了較好的效果；但是，由于其在求解時會產生一些假定和估計，從而造成圖像色彩畸變、亮度降低、邊緣處的光暈較大等問題。為了彌補這一缺點，實驗小組在參考相關文獻后，了解到“限制對比度自適應直方圖均衡算法（以下簡稱為CLAHE算法）”和“Retinex理論的圖像增強算法（以下簡稱為MSR算法）”[6-8]。

其中，CLAHE算法，通過限制局部直方圖的高度，降低了圖像的噪聲，同時限制了圖像的對比度。經過其處理后，可以直觀看出亮度、清晰度、對比度的變化，色彩調節鮮艷，亮部的、暗部的信息均明顯[9-11]。MSR算法為動態范圍圖像的新色調映射技術，是基于色彩一致性（色彩穩定性），在動態范圍壓縮、邊緣增強和色彩恒定中實現了對多種圖像的適應性增強[12，13]。為了更好地比較算法優劣，實驗中使用圖像為遼寧省某沿海城市景區的一處有霧照片，分別通過暗通道先驗算法、CLAHE算法和MSR算法對其進行實驗，實驗結果如圖1所示。

為了進一步地了解各種算法的優劣，本文采取的數字特征清晰度、對比度、亮度三種作為圖像質量評價指標[14]，對實驗結果進行客觀地評價分析：

（1）對比度分析。方差，反映的是數據的離散程度。通過計算方差用在圖像數據中，能夠反映出數據的具體程度，進行對比度的分析。如果方差大，說明圖像越細節具體，所含信息越豐富，即對比更明顯。如果方差小，說明圖像較為平滑，對比則較低。因此可以通過計算圖像的方差分析對比度。經過查找資料，小組成員決定采用SMD（灰度方差）函數進行方差的計算。在對焦狀態下，圖像是最清楚的，此時灰度差異最大，對比越大。因此，該方法可以采用灰色變化來進行評估，其計算公式為：

表1分別列出了暗通道先驗算法、CLAHE算法和MSR算法處理后圖像對比度。結果表明，CLAHE方法在增強圖像的反差方面有很大的改善；暗通道先驗算法對圖像具有一定的提升，但提升的數量級較小；而MSR算法則效果不佳。因此，可以得出CLAHE算法對色彩調節鮮艷，亮部的、暗部的信息均比較明顯，比其他兩種算法效果顯著。

（2）清晰度分析。在沒有參照圖像品質的評估中，圖像的清晰度是圖像品質的一個重要指標，可以很好地反映人的主觀感覺，影像的清晰度不高會造成影像的模糊[15]。

用熵理論對圖像進行分析[16]，發現熵是反映圖像中信息的豐富程度，而圖像的信息熵則是基于正焦圖像中的灰度分布的差異性。

在不同區域內，不同的像素灰度值存在較大的區域和差別，這時熵值較高，所得到的信息越多，圖像細節就越豐富，因此可以通過計算熵值，進行圖像清晰度分析。

因此小組成員采用基于信息熵清晰度評價函數：

（6）

（7）

其中，b代表圖像灰度，通常取數值2，k代表離焦圖像序列，Pk （g）則是在第k個片段出現g可能性的離焦圖像序列。

MN代表像素總數，ng表示第k幅圖像中具有g的灰度值。

表2分別列出了暗通道先驗算法、CLAHE算法和MSR算法處理后圖像清晰度。可以看出，三種算法均可以提高圖像的清晰度，但是CLAHE算法對圖像對比度的提高最大，暗通道先驗算法、MSR算法則相對較差。對同一組圖像來看，CLAHE算法在細節的處理上更為清晰，亮處更亮，暗處更暗。

（3）亮度分析。圖像的亮度即圖像矩陣的平均值，其數值越低，亮度就越低。對圖像矩陣的平均進行計算，小組同學選擇采用meanStdDev（）函數來計算：

（8）

其中，M×N表示圖像的大小， 表示水平方向的梯度，? 表示垂直方向的梯度。

在表3中顯示了三種不同的圖像處理方法。顯然，在三種算法的提升亮度比較上，MSR算法對圖像的亮度的提高最大。而暗通道先驗算法甚至對圖像的亮度提高起到反作用，CLAHE算法對圖像的亮度提升也較小。

經過上述實驗數據分析比對，實驗小組得出以下結論：同暗通道先驗算法一樣，CLAHE算法、MSR算法都具有相應的去霧效果，但清晰度和對比度效果方面CLAHE算法最優，在亮度調節方面MSR算法最優，去霧效果方面暗通道先驗算法最優。

同時，實驗小組在查詢文獻過程中發現實際應用中經常采用多種算法疊加處理。因此，實驗小組提出暗通道先驗算法、MSR算法、CLAHE算法三種算法結合的實驗方案。設計的方案是：針對暗通道先驗算法進行去霧后的圖像灰度、局部信息不明顯的問題，利用CLAHE算法對圖像進行對比度調節，其次運用Retinex圖像增強算法，通過對圖像進行自適應的清晰度處理，可以有效地增強圖像的反差，并使整個圖像的亮度得到改善，獲得較好的去霧效果。

3? 實驗結果

為了更好的證明設計方案的有效性，實驗小組開展了本文設計方案算法（實驗3）與基于小波變換的去霧算法（實驗1）、基于統計先驗的去霧算法（實驗2）的比較實驗。其中，基于小波變換算法是通過小波變換得到頻率特征，然后增強高頻部分，減弱低頻部分，以此實現去霧。基于統計先驗算法是根據無霧圖像的對比度更高、大氣光帶來的影響在局部區域內趨于平滑，通過大氣光值最高強度的像素點來估計進行自動去霧。為了控制對比試驗變量，圖2中的實驗圖片均采用前文統一圖片。

根據表4的實驗數據可知，實驗1對比原始數據在清晰度上有明顯的提高，實驗2對比原始數據在對比度和亮度上均有明顯的提高，實驗3即本文算法的實驗數據各項對比原圖像均有較高的提升。可以得出本文算法即“暗通道先驗算法、MSR算法、CLAHE算法”這種復合操作流程得到的圖像更為清晰，處理效果更佳，曝光程度也適中，同樣適合肉眼觀看。由此可以證明實驗小組所設計方案的有效性，即采用三種算法實現處理圖像互補的合理性：MSR算法彌補了基礎算法暗通道先驗算法去霧效果自然但易產生亮度暗淡的問題；CLAHE算法則剛好的還原了圖像的細節信息，恰好對暗通道先驗算法在易造成細節缺失的不足有所補充。

4? 結? 論

實驗小組在課程前期基礎上，通過查閱資料、研究以往算法、提出團隊方案、動手編程實踐、實驗數據對比分析等步驟，完成了該小組的圖像去霧算法實驗的工作，并通過實驗結果證明了所設計方案的有效性。實驗小組不僅了解了各算法的原理及應用，同時也鍛煉了自身思考問題的發散能力和動手能力。可以說，這種將課程教學與企業行業真實問題相結合的人才培養模式，扭轉教學、科研、服務社會脫節的現狀，建立起真實問題導向下人才培養、科學研究、服務社會相互貫通的一體化新機制。

參考文獻：

[1] 鄒子聰，皮旸.圖像處理技術在智能交通中的應用探討 [J].中國高新技術企業，2017（3）：41-42.

[2] 張博夫，梁凱琦.MATLAB環境下的數字圖像處理實驗入門 [J].實驗科學與技術，2008（1）：52-53+116.

[3] 賀曉燕.基于暗通道的圖像去霧算法研究 [D].長沙：湖南大學，2015.

[4] 印月.基于VC++6.0的數字圖像處理綜合性設計實驗 [J].實驗科學與技術，2011，9（3）：10-11+41.

[5] 陳木生，林順達.數字圖像處理實驗教學研究與實踐 [J].實驗科學與技術，2016，14（4）：133-135.

[6] 吳宏鍔，胡雙年.基于天空區域改進的暗通道先驗算法研究 [J].實驗技術與管理，2019，36（9）：120-123.

[7] 強明睿，李澤宇，夏明輝.圖像去霧算法和研究進展 [J].長江信息通信，2021，34（9）：34-36.

[8] 魏紅偉，田杰，肖卓朋.圖像去霧算法研究綜述 [J].軟件導刊，2021，20（8）：231-235.

[9] 趙麗.基于直方圖均衡的夜間圖像增強算法研究 [D].蘭州：蘭州大學，2018.

[10] 紀平，胡學友，張瑞琦.基于直方圖均衡算法的圖像增強技術研究[J].蚌埠學院學報，2021，10（2）：40-43.

[11] 陳志恒，嚴利民，張競陽.采用自適應全局亮度補償的夜間去霧算法 [J].紅外技術，2021，43（10）：954-959.

[12] 謝鳳英，湯萌，張蕊.基于Retinex的圖像增強方法綜述 [J].數據采集與處理，2019，34（1）：1-11.

[13] 王利娟，常霞，張君.基于Retinex的彩色圖像增強方法綜述 [J].計算機系統應用，2020（6）：13-21.

[14] 田媛.灰度圖像無參考質量評價方法研究[D].長春：中國科學院研究生院（長春光學精密機械與物理研究所），2010.

[15] 崔作龍，徐長松.圖像清晰度的量化測量探究 [J].實驗技術與管理，2012，29（5）：49-51.

[16] 苑娟，萬焱，褚意新.熵理論及其應用 [J].中國西部科技，2011，10（5）：42-44.

作者簡介：李秋璇（2001—），女，漢族，遼寧錦州人，本科在讀，研究方向：智能感知與信息處理；通訊作者：許超（1981—），男，漢族，遼寧義縣人，高級實驗師，碩士，研究方向：智能感知與信息處理。

收稿日期：2022-10-05

基金項目：中國高等教育學會專項課題（2020SYD07，21SYYB12）；遼寧省檔案科技項目（2021-X-015）；遼寧省教育科學“十三五”規劃2020年度一般課題（JG20DB197）；遼寧大學教學改革立項真實問題項目（JG2020ZSWT012）；國家級大學生創新創業計劃項目（D202011251244328822）