[发明专利]一种图像快速去雾方法、装置、终端及存储介质

说明书

本发明公开了一种图像快速去雾方法、装置、终端及存储介质，方法：通过天空区域识别算法，将原始有雾图像划分为天空区域和非天空区域；通过CLAHE增强算法，对天空区域进行CLAHE增强，得到天空区域的去雾图像；通过改进的暗通道理论，对非天空区域首先分别进行暗原色增强和CLAHE增强，然后取两者均值以增强对比度和亮度，得到非天空区域的去雾图像；对天空区域的去雾图像和非天空区域的去雾图像进行去雾复原处理，得到原始有雾图像对应的去雾图像。本发明能够有效避免现有技术对天空区域失效的问题，减少计算大气光值过程中的排序与循环遍历问题，有利于算法在硬件上实现，同时能达到亮度合适、细节明显、整体图像均衡、色彩不失真的效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像快速去雾方法、装置、终端及存储介质。

背景技术

雾天图像存在广泛，如晨雾、海雾、雾霾、雨雾等等。在雾天条件下拍摄的照片，通常具有对比度低、亮度高、细节不清楚等特点。去雾技术一般分为两种：基于非物理模型的去雾和基于物理模型的去雾。前者基于非物理模型的去雾技术，一般是以去除噪声、提高对比度为目的，常用的方法有：直方图均衡化、Retinex算法、小波变化和同态滤波。后者基于物理模型的去雾技术，对雾天图像建立退化模型，从而逆向恢复出无雾图像，其中比较经典的是2009年何凯明提出的基于暗通道先验理论的去雾算法。

基于暗通道先验理论的去雾算法能有效去除非天空、雪地等纯白且高亮度区域中的雾，恢复出的图像协调且色彩不失真。

但是，此去雾算法也存在几个明显的缺点：

1)由于暗通道先验理论的定义是：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，所以基于暗通道先验理论的去雾技术对于天空是失效的；

2)经典的基于按通道先验理论去雾的技术中，大气光值估计复杂度高，影响算法的实时性；

3)此技术去雾后，图像整体亮度较低，细节对比度较弱。

发明内容

本发明所要解决的技术问题在于，提供一种图像快速去雾方法、装置、终端及存储介质，能够有效避免现有技术对天空区域失效的问题，减少计算大气光值过程中的排序与循环遍历问题，有利于算法在硬件上实现，同时能达到亮度合适、细节明显、整体图像均衡、色彩不失真的效果。

为解决上述问题，本发明实施例提供一种图像快速去雾方法，包括：

S1.通过天空区域识别算法，将原始有雾图像划分为天空区域和非天空区域；

S2.通过CLAHE增强算法，对所述天空区域进行CLAHE增强，得到所述天空区域的去雾图像；

S3.通过改进的暗通道理论，对所述非天空区域首先分别进行暗原色增强和CLAHE增强，然后取两者均值以增强对比度和亮度，得到所述非天空区域的去雾图像；

S4.对所述天空区域的去雾图像和所述非天空区域的去雾图像进行去雾复原处理，得到所述原始有雾图像对应的去雾图像。

优选地，所述通过天空区域识别算法，将原始有雾图像划分为天空区域和非天空区域，包括：

S11.将原始有雾图像进行灰度化处理，得到灰度图像；

S12.使用中值滤波器消除椒盐噪声，保护所述灰度图像的边缘信息；

S13.采用从左往右、从上往下的按列扫描方式对所述灰度图像进行扫描；

S14.多种方式联合判断天空边界，并标记天空区域和非天空区域；其中，确定天空区域的必要条件，列头元素为天空边界特殊情况和利用水平或竖直方向梯度判断非列头天空边界。

优选地，步骤S11中，所述将原始有雾图像进行灰度化处理，能够快速标识天空与非天空的矩阵，由以下公式确定：