下载文档原格式
基于直方图的图像去雾平台的设计与实现随着科技的不断发展，数字图像处理技术在各个领域都得到了广泛的应用，其中图像去雾技术是其中的重要研究方向之一。
图像去雾的目的是将被大气颗粒散射和吸收所导致的模糊和低对比度的影响去除，提高图像的清晰度和质量。
基于直方图的图像去雾平台是一种较为高效和准确的去雾方法，本文将介绍关于基于直方图的图像去雾平台的设计与实现。
一、基于直方图的图像去雾原理基于直方图的图像去雾是一种基于图像亮度的去雾方法，其原理基于对图像直方图的分析。
图像的直方图是描述图像亮度分布的一种直观形式，对于去雾处理来说，图像的亮度分布对于雾的影响至关重要。
一般来说，受雾的影响，图像的直方图会呈现出明显的偏移和拉伸，即图像的亮度范围会受到一定程度的压缩和偏移。
基于这一原理，基于直方图的图像去雾方法通过对图像直方图进行分析和处理，来消除雾的影响，将图像恢复清晰度和对比度。
1. 数据输入与输出基于直方图的图像去雾平台的设计中，首先要考虑的是数据输入与输出的模块。
平台需要提供方便的数据输入接口，允许用户通过上传图像的方式进行去雾处理。
对于处理后的图像，平台要提供相应的数据输出接口，允许用户将去雾后的图像下载保存。
2. 直方图分析基于直方图的图像去雾方法中，直方图分析是一个关键的步骤。
平台需要设计相应的直方图分析模块，能够对上传的图像进行直方图的计算和分析。
通过对图像直方图的分析，平台能够得到图像的亮度分布情况，为后续的去雾处理提供依据。
3. 去雾算法实现在直方图分析的基础上，基于直方图的图像去雾平台需要设计相应的去雾算法实现模块。
根据图像直方图的分析结果，平台会选择合适的去雾算法进行处理，以消除图像中的雾气影响。
4. 参数调节与优化基于直方图的图像去雾平台还需要考虑参数调节与优化的模块。
不同的图像去雾算法可能会有不同的参数设置，平台需要根据实际情况提供相应的参数调节接口，让用户可以根据不同的需求和图像特点进行参数调节，以获得更加满意的去雾效果。
利用Matlab进行图像去雾与增强的技巧引言：随着数字图像处理技术的快速发展，人们对于图像的质量要求也越来越高。
然而，在拍摄或者采集图像时，由于天气、光照等各种原因，图像中常常存在雾霾现象，导致图像质量下降。
因此，图像去雾与增强成为了图像处理领域的重要研究方向。
本文将介绍利用Matlab进行图像去雾与增强的技巧。
一、图像去雾技术1. 传统去雾技术传统的图像去雾技术主要基于图像中的像素信息和颜色分布，通过调整图像的对比度、亮度以及增强局部细节来降低雾霾的影响。
其中，最常用的方法是通过估计全局大气光来进行去雾处理。
具体步骤如下：- 首先，通过计算图像中每个像素的亮度值，选择其中的亮度最大值作为全局大气光的估计值。
- 然后，根据全局大气光的估计值和经验参数，对图像进行调整，降低雾霾的影响。
- 最后，通过调整图像的对比度和亮度，增强图像的细节信息。
2. 基于深度学习的图像去雾技术近年来，随着深度学习的快速发展，基于深度学习的图像去雾技术取得了显著的进展。
与传统方法相比，基于深度学习的方法能够更准确地估计图像中的雾霾密度，并恢复出更清晰的图像。
具体步骤如下：- 首先，构建一个深度卷积神经网络模型，用于学习图像的雾霾特征。
- 然后，通过输入原始图像和雾密度的估计值，使用深度学习模型对图像进行去雾处理。
- 最后，根据去雾处理后的图像，调整图像的对比度和亮度，进一步增强图像的细节和质量。
二、图像增强技术1. 对比度增强对比度是指图像中不同区域之间的亮度差异程度。
对于低对比度的图像，可以使用以下技术来进行增强：- 线性变换：通过调整图像的灰度级分布，使得图像的对比度增加。
- 直方图均衡化：通过对图像的灰度级分布进行变换，使得图像的亮度均匀分布，增强图像的对比度。
- 自适应直方图均衡化：结合图像的局部信息，对图像的灰度级分布进行自适应调整，更好地增强图像的细节。
2. 锐化增强图像的锐化增强是通过增强图像的边缘和细节，使得图像更加清晰和鲜明。
数字图像处理的课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的数字化表示方法；2. 掌握图像处理的基本操作，如图像变换、滤波、增强和复原；3. 了解常见的图像分割和特征提取方法，并应用于实际问题；4. 掌握图像压缩的基本原理及常用算法。
技能目标：1. 能够运用图像处理软件进行基本的图像编辑和操作；2. 能够编写简单的数字图像处理程序，实现对图像的基本处理功能；3. 能够运用所学的图像处理方法解决实际问题，如图像去噪、图像增强等；4. 能够对图像进行有效的压缩，以适应不同的应用场景。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣和热情，激发其探索精神；2. 培养学生的团队合作意识，学会与他人共同解决问题；3. 增强学生的实际操作能力，使其认识到理论与实践相结合的重要性；4. 引导学生关注图像处理技术在日常生活和各领域的应用，提高其科技素养。
课程性质：本课程为高年级选修课程，旨在使学生掌握数字图像处理的基本原理和方法，培养其实际应用能力。
学生特点：学生具备一定的数学基础和编程能力，对图像处理有一定了解，但尚未深入学习。
教学要求：结合学生特点和课程性质，注重理论与实践相结合，以实际应用为导向，提高学生的动手能力和创新能力。
通过本课程的学习，使学生能够达到上述课程目标，为未来进一步学习和研究打下坚实基础。
二、教学内容1. 数字图像基础：包括图像的数字化表示、图像质量评价、颜色模型等基本概念；- 教材章节：第1章 数字图像处理基础2. 图像增强：介绍直方图均衡化、图像平滑、锐化等增强方法；- 教材章节：第3章 图像增强3. 图像复原：涉及图像退化模型、逆滤波、维纳滤波等复原方法；- 教材章节：第4章 图像复原4. 图像分割与特征提取：包括阈值分割、边缘检测、区域生长等分割方法，以及特征点的提取和描述；- 教材章节：第5章 图像分割与特征提取5. 图像压缩：介绍图像压缩的基本原理，如JPEG、JPEG2000等压缩算法；- 教材章节：第6章 图像压缩6. 数字图像处理应用：分析图像处理在医学、遥感、计算机视觉等领域的应用案例；- 教材章节：第7章 数字图像处理应用教学进度安排：1. 数字图像基础（2学时）2. 图像增强（4学时）3. 图像复原（4学时）4. 图像分割与特征提取（6学时）5. 图像压缩（4学时）6. 数字图像处理应用（2学时）三、教学方法为提高教学效果，本课程将采用以下多样化的教学方法：1. 讲授法：教师通过系统的讲解，使学生掌握数字图像处理的基本概念、原理和方法。
数字图像处理课程设计.一、教学目标本课程的教学目标是使学生掌握数字图像处理的基本理论、方法和应用，培养学生运用数字图像处理技术解决实际问题的能力。
具体目标如下：1.知识目标：（1）掌握数字图像处理的基本概念、原理和算法；（2）了解数字图像处理的发展历程和应用领域；（3）熟悉常见的数字图像处理技术，如图像滤波、边缘检测、图像压缩等。
2.技能目标：（1）能够运用数字图像处理技术对图像进行基本处理；（2）具备分析图像问题、选择合适算法解决问题的能力；（3）掌握编程实现数字图像处理算法的方法。
3.情感态度价值观目标：（1）培养学生的创新意识和团队合作精神；（2）增强学生对数字图像处理技术的兴趣和好奇心；（3）培养学生运用科技手段解决实际问题的责任感。
二、教学内容本课程的教学内容主要包括以下几个部分：1.数字图像处理基本概念：数字图像的定义、特点、表示方法等；2.图像处理基本运算：图像滤波、边缘检测、图像增强等；3.图像压缩技术：JPEG、PNG等图像压缩算法；4.图像分割与描述：图像分割方法、图像特征提取等；5.图像处理应用案例：数字图像处理在实际领域的应用。
三、教学方法为了提高教学效果，本课程将采用多种教学方法相结合的方式进行教学：1.讲授法：教师讲解基本概念、原理和方法，引导学生理解数字图像处理的核心知识；2.案例分析法：通过分析实际案例，使学生掌握数字图像处理技术的应用；3.实验法：安排实验课程，让学生动手实践，培养实际操作能力；4.讨论法：学生进行小组讨论，激发学生的创新思维和团队合作精神。
四、教学资源为了支持本课程的教学，我们将准备以下教学资源：1.教材：《数字图像处理教程》等；2.参考书：相关领域的学术论文、技术报告等；3.多媒体资料：教学PPT、视频教程等；4.实验设备：计算机、图像处理软件、实验器材等。
通过以上教学资源的支持，为学生提供丰富的学习资料和实践平台，提高学生的学习效果。
五、教学评估本课程的教学评估将采用多元化、全过程的评价方式，以全面、客观地评价学生的学习成果。
毕业论文(设计) 题目数字图像去雾算法研究学生姓名学号院系计算机与软件学院专业计算机科学与技术指导教师声明本人郑重声明：1、持以“求实、创新”的科学精神从事研究工作。
2、本论文是我个人在导师指导下进行的研究工作和取得的研究成果。
3、本论文中除引文外，所有实验、数据和有关材料均是真实的。
4、本论文中除引文和致谢的内容外，没有抄袭其他人或其他机构已经发表或撰写过的研究成果。
5、其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。
作者签名：日期：目录1 引言 (1)2 图像去雾算法 (1)2.1 基于光照分离模型的图像去雾算法 (2)2.1.1 算法概述 (2)2.1.2 同态滤波 (3)2.1.3 模型简介 (3)2.1.4 偏微分方程求解 (4)2.2 基于直方图均衡化的图像去雾算法 (7)2.2.1 算法概述 (7)2.2.2 直方图修正技术的基础 (7)2.2.3 直方图的均衡化 (8)2.2.4 直方图均衡化的算法步骤 (9)2.3 基于暗原色先验的图像去雾算法 (10)2.3.1 算法概述 (10)2.3.2 已有雾成像模型 (10)2.3.2 暗原色先验 (11)2.3.3 暗原色先验去雾算法分析 (11)3 数字图像去雾系统的设计 (12)3.1 开发工具—MATLAB (12)3.2系统设计 (13)3.3 菜单设计 (13)3.4 模块设计 (13)3.5 界面设计 (14)3.5.1 界面设计原则 (14)3.5.2 界面设计步骤 (14)4 数字图像去雾系统的实现 (19)4.1图片打开模块 (19)4.2基于光照分离模型的图像去雾模块 (19)4.2.1 同态滤波及光照分离代码 (19)4.2.2 去雾效果图 (21)4.2.3 结果分析 (21)4.3基于直方图均衡化的图像去雾模块 (22)4.3.1 代码 (22)4.3.2 去雾效果图 (23)4.3.3 结果分析 (23)4.4基于暗原色先验的图像去雾模块 (24)4.4.1代码 (24)4.4.2 去雾效果图 (25)4.4.3 结果分析 (26)4.5图片保存模块 (26)5 系统运行效果 (27)5.1 整体界面运行效果 (27)5.2 文件打开运行效果 (27)5.2 基于光照分离模型图像去雾效果图 (28)5.3直方图均衡化图像去雾效果图 (29)5.4基于暗原色先验的去雾效果图 (30)5.5文件保存界面效果图 (30)6 结论 (31)数字图像去雾算法研究摘要：图像去雾是指运用一定的模型或算法，对已经雾化的图像进行处理，达到还原图像本来特征的过程。
北京航空航天大学数字图像处理–课程设计报告图像去雾霾１１１５１５班（１１１５１２０１）２０１４.６.２７1.实现目标1、算法功能雾霾是特定气候条件与人类活动相互作用的结果。
高密度人口的经济及社会活动必然会排放大量细颗粒物，一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围雾霾。
2、技术指标去雾霾方式是推测每一个像素点的雾霾浓度，将其去除。
现实中给我们的印象是，在雾霾天气下，近距离的物体看得比较清，雾霾的浓度小；远距离的物体看不清，雾霾的浓度大。
可以说，雾霾图像=清晰图像+雾霾浓度。
因此，为了准确恢复清晰图像，我们必须估计图像中物体所处位置的雾霾浓度，这是高性能去雾霾技术的关键所在。
2.研究现状分析1、国内外研究现状目前，国内外对于图像去雾的方法主要分为两大类，一类是基于大气退化物理模型的方法, 即从物理成因的角度对大气散射作用进行建模分析，进而得到场景深度模型，实现场景复原，另一类是基于图像增强的方法[，也就是单纯从图像的角度考虑，无须借助其他设备或者参考图像等辅助信息，直接利用图像增强方法改善图像质量，达到降低雾影响的目的。
2、目前存在的问题第一类方法一般需要复杂的建模过程，有些甚至还需要额外的特殊设备，或者需要无雾的图像作为参考，实现过程比较困难。
3、算法描述基于暗原色先验的单幅图像去雾算法（使用opencv）首先求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WindowSize = 2 * Radius + 1; ．根据雾图成型模型，求出A，t(x)带入求出J即可。
暗原色先验是通过对户外无雾图像的观察得出的：在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值。
换言之，该区域光强度的最小值是个很小的数。
公式描述：J = ( I - A)/t + A其中I(X)就是我们现在已经有的图像（待去雾的图像），J(x)是我们要恢复的无雾的图像，A是全球大气光成分，t(x)为透射率。
(完整word版)数字图像处理课设专业综合实验报告—-—-数字图像处理专业: 电子信息工程班级：学生姓名：学号：指导教师:年月日设计题目：图像去雾处理一、设计目的由于大气的散射作用，照相机接收到景物反射过来的光线经过了衰减.雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。
鉴于图像处理和计算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的，因此有雾图像清晰化就显得格外重要，是目前人们研究的热点问题之一,但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境,使得最终获取的图像往往无法使用。
有雾天气条件下获取的图像对比度低、图像内容模糊不清而且颜色整体偏向灰白色,图像去雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条件下拍摄的清晰图像。
二、设计内容和要求1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素,设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像;三、设计思路由于图像中存在噪声等干扰，使得图像模糊不清。
可以采用图像增强的方法对原图像处理,使图像变得清晰.而直方图均衡化是一种常用的图像增强的方法。
图像模糊，其图像的像素分布不均匀,采用直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布增强图像的目的。
设计方案在晴朗的天气条件下，洁净的空气一般是由氦气、氧气等气体分子、水蒸汽、微量的固体悬浮颗粒物等成分构成。
在这种大气条件下，从物体表面反射的光线在到达成像设备的过程中,基本不会受大气中各种成分的影响发生散射、吸收、发射等现象，而是直接到达成像设备。
相对在有雾天气条件下获得的图像,在这种理想天气条件获得的图像,我们称之为清晰无雾图像。
而在有雾天气条件下获得的图像模糊不清，图像对比度下降，图像的颜色发生漂移，偏向灰白色。
标准文案专业综合实验报告----数字图像处理专业: 电子信息工程班级:学生:学号:指导教师:年月日设计题目：图像去雾处理一、设计目的由于大气的散射作用，照相机接收到景物反射过来的光线经过了衰减。
雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。
鉴于图像处理和计算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的，因此有雾图像清晰化就显得格外重要，是目前人们研究的热点问题之一，但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。
有雾天气条件下获取的图像对比度低、图像容模糊不清而且颜色整体偏向灰白色，图像去雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条件下拍摄的清晰图像。
二、设计容和要求1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像；三、设计思路由于图像中存在噪声等干扰，使得图像模糊不清。
可以采用图像增强的方法对原图像处理，使图像变得清晰。
而直方图均衡化是一种常用的图像增强的方法。
图像模糊，其图像的像素分布不均匀，采用直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布增强图像的目的。
设计方案在晴朗的天气条件下，洁净的空气一般是由氦气、氧气等气体分子、水蒸汽、微量的固体悬浮颗粒物等成分构成。
在这种大气条件下，从物体表面反射的光线在到达成像设备的过程中，基本不会受大气中各种成分的影响发生散射、吸收、发射等现象，而是直接到达成像设备。
相对在有雾天气条件下获得的图像，在这种理想天气条件获得的图像，我们称之为清晰无雾图像。
而在有雾天气条件下获得的图像模糊不清，图像对比度下降，图像的颜色发生漂移，偏向灰白色。
第3章基于图像增强的去雾方法3.1 引言图像增强是数字图像处理技术中最为基本的内容之一。
在实际应用中，无论采用何种装置采集的图像，由于噪声、光照、天气等原因，获取的图像视觉效果不理想。
例如，雾天获取的图像模糊不清，难以提取细节信息；一幅户外自然风景图像色彩失真严重，视觉效果较差；夜间拍摄的图像，由于光线较暗，图像对比度低，暗处景物难以辨识等。
图像增强技术的目的是将图像转化为一种更适合于人或计算机进行分析处理的形式，通过相关算法的处理，使图像的动态范围扩大，拉伸图像对比度，突出图像中研究者感兴趣区域的细节信息，为图像的进一步处理和分析奠定基础。
雾天图像可以看作是清晰图像中引入了低频噪声，图像的灰度集中分布在某个区域，图像的对比度低，视觉效果较模糊。
图像去雾的目的主要是去除图像中的噪声(即雾)，提高图像的对比度，从而恢复出清晰的无雾图像。
基于图像增强的去雾技术以其方法简单、有效而得到较为广泛的应用。
本章主要研究图像增强技术中常用的直方图均衡、同态滤波、小波变换方法在图像去雾中的应用，重点研究基于Retinex理论的图像去雾算法，介绍Retinex算法中的单尺度、多尺度以及带彩色恢复的Retinex算法。
通过对各算法原理的研究和实验结果对比分析，总结各算法的优势与不足。
3.2 基于直方图均衡化的雾天图像增强技术直方图是多种空间处理技术的基础。
图像的直方图是图像的重要统计特征，是表示一幅数字图像中每一灰度级与该灰度级出现的频数间的统计关系。
直方图均衡化是传统的图像增强理论中常用的方法，图像中原本灰度级集中的区域经直方图均衡处理后均匀分布，从而增大反差，使图像细节清晰，它的根本目的是改善图像的对比度。
直方图均衡分为全局直方图均衡和局部直方图均衡。
全局直方图均衡主要是通过拉伸图像灰度值的动态范围达到图像整体对比度增强，局部直方图均衡化是针对图像内部细节进行增强处理从而达到图像局部对比度增强。
直方图在软件中计算简单，而且有助于商用硬件的实现，因此已成为实时图像处理的一种流行工具。
数字图像处理
课设题目：图像去雾
学院：信息与电气工程学院
专业：电子信息工程
班级：
姓名：
学号：
指导教师：
哈尔滨工业大学（威海）
年月日
目录
一. 课程设计任务 (3)
二. 课程设计原理及设计方案......................... 错误!未定义书签。
三. 课程设计的步骤和结果 (6)
四. 课程设计总结 (8)
五. 设计体会 (9)
六. 参考文献....................................... 错误!未定义书签。
一. 课程设计任务
由于大气的散射作用，雾天的大气退化图像具有对比度低、景物不清晰的特点，给交通系统及户外视觉系统的应用带来严重的影响。
但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不利环境，使得最终获取的图像往往无法使用。
为了解决这一问题，设计图像复原处理软件。
要求完成功能：
1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直
方图；
2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复
原图像与原始图像以及直方图均衡化后的图像；
3、设计软件界面
二. 课程设计原理及设计方案
2.1 设计原理
在雾、霾等天气条件下, 大气中悬浮的大量微小水滴、气溶胶的散射作用导致捕获的图像严重降质,随着物体到成像设备的距离增大, 大气粒子的散射作用对成像的影响逐渐增加. 这种影响主要由两个散射过程造成: 1) 物体表面的反射光在到达成像设备的过程中, 由于大气粒子的散射而发生衰减;2) 自然光因大气粒子散射而进入成像设备参与成像. 它们的共同作用造成捕获的图像对比度、饱和度降低, 以及色调偏移, 不仅影响图像的视觉效果, 而且影响图像分析和理解的性能.
在计算机视觉领域中, 常用大气散射模型来描述雾、霾天气条件下场景的成像过程.Narasimhan 等给出雾、霾天气条件下单色大气散射模型(Monochrome atmospheric scat-tering model), 即窄波段摄像机所拍摄的图像灰度值可表示为
（1）
式中, x 为空间坐标, A 表示天空亮度(Skylight), ρ为场景反照率, d 为场景的景深, β为大气反射系数。
图像去雾的过程就是根据获得的有降质的图像，即 I （x ）来推算出ρ的过程。
但由于该物理模型包含3 个未知参数, 从本质上讲, 这是一个病态反问题. 在只有单幅图像的条件下，我们可以考虑用假设以及推算的方式使其中的几个量固定，然后求解。
2.2 设计方案
2.2.1 白平衡
WP (White point) 算法, 也称为Max-RGB 算法, 利用R 、G 、B 颜色分量的最大值来估计光照的颜色。
我们用天空亮度A 来取代最大值。
对于A ，如果直接用图像中最亮的灰度估计的话会受到高亮噪声或白色物体的干扰，因此我们首先对图像颜色分量进行最小滤波，然后选择阀值为0.99，大于此值的认定为天空区域，然后取平均值为我们估计的天空亮度A 。
然后方程（1）变为
（2）
2.2.2 估计大气耗散函数
)1()(d e A d e A x I ββρ--+-=d e d e A I ββρ--+-=1/
为了简化（2），我们设则 d e X V β--=1)( （2）变为
（3）
V （x ）称为大气耗散函数。
根据（3）容易发现V （x ）满足0<V(x)<I',如果对 I ’进行最小滤波得到W （x ），则V （x ）也必定满足0<V(x)<W(x)。
求V （x ）的过程其实是滤波的过程，分为三步：
其中p 为恢复系数，去[0,1]中的值（一般为0.9—0.95）。
2.2.3 场景反射率的恢复
通过以上步骤我们获得了A 以及V （x ），至此方程（1）仅含有一个未知量，即我们要求的场景反射率
2.2.4 色调映射
映射关系为其中G 为求的去雾后的图像灰度最大值。
2.2.5 与直方图去雾效果对比
使用matlab 中的histeq 函数对图像的亮度和对比度进行直方图均衡化处理
)())(1(/'x V x V A I I +-==ρ)
0),,max(min()
()
(W pB V A W median A B W median A =--==)
1/()'(V V I --=ρ)
)/11(1/(ρρG T -+=
三. 课程设计的步骤和结果
3.1原图像与直方图
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('原图像')
subplot(1, 2, 2); imhist(Q, 64); title('原图像直方图')
3.2原图像与均衡后图像
global orig;
global U;
I = rgb2hsv(orig);
H = I(:,:,1);
S = I(:,:,2);
V = I(:,:,3);
M = histeq(S); % 对饱和度直方图均衡化
N = histeq(V); % 对亮度直方图均衡化
U = hsv2rgb(H, M, N);
figure;
subplot(2, 2, 1); imshow(orig); title('原图像')
subplot(2, 2, 2); imshow(U); title('均衡后图像')
Q = rgb2gray(orig);
W = rgb2gray(U);
subplot(2, 2, 3); imhist(Q, 64); title('原图像直方图') subplot(2, 2, 4); imhist(W, 64); title('均衡变换后的直方图')
3.3原图与去雾图像对比
global im;
im1=double(imread(im))/255.0;
sv=2*floor(max(size(im1))/25)+1;
res=visibresto1(im1,sv,0.95,-1);
figure;imshow([im1, res],[0,1]);
四. 课程设计总结
首先，由于本方法是基于单幅图像输入来进行去雾处理，因此无法像多幅图像条件下那样综合同一场景的不同降质条件来估算天空亮度，因此难免会存在偏差。
而且白平衡过程是对整幅图像进行的，这样对于简单场景（天空与景物有明显的分界）来说误差较小，但对于存在很多细节的图像（如茂盛的树木，天空也景物难以区分）以及场景中有很多白色景物时，会在边缘出现模糊。
其次，本方法使用的是变形的中值滤波器来估算大气耗散函数，而中值滤波器虽然能较好的保持边缘，但对于直角以及线这样的细节的处理存在固有缺陷，因此当场景中存在这样的景物（如高楼、车辆等），处理后的图像会在景物的边缘出现明显的模糊。
五. 设计体会
在本次课程设计过程中，收获颇丰。
首先，这次实践让我又重新温习了一遍数字图像处理课程的相关知识，并在此过程中对所学知识进行了一次检验，加深了度数字图像处理这门课程的理解，让我深感数字图像处理这门课程的博大精深。
然后，通过本次课程设计的体验，提高了综合运用数字图像处理各方面知识的能力，并从中发现了自己的许多不足之处，有待提高。
最后，通过对matlab这个工具软件的运用，我又掌握了它的一些功能，这对我以后的学习和工作是一个莫大的帮助。
六. 参考文献
[1]数字图像处理（第二版）冈萨雷斯电子工业出版社
[2]基于物理模型的单幅图像快速去雾方法禹晶、李大鹏、廖庆敏自动化学报
[3]Fast Visibility Restoration from a Single Color or Gray Level Image Jean-Philippe Tarel、Nicolas Hautiere IEEE
课程设计成绩评定表
课程设计总评分成绩表
附：实验用图。
