雾霾天气下图像清晰化系统的设计与实现

文/刘颜东

（黑龙江大学 黑龙江省哈尔滨市 150000）

随着环境以及气候的恶化，雾霾天气频发，它给人类的生活带来了很多的影响。雾霾天气光线弱，图像接收不清晰。在这种天气下能获得的有效信息大量减少，图像去雾可以降低环境对接收图像质量的影响，获得更多有效信息。

在20世纪50年代，美国学者针对地球资源卫星图像云雾退化问题展开图像去雾的研究工作。随后，雾霾研究也开始高速发展。目前，对图像的去雾霾工作主要采用图像增强和图像复原两类方法。图像增强的方法利用图像增强手段，提高图像视觉效果，该类算法主要有直方图均衡化、Retinex算法等方法。图像复原的方法是基于大气散射模型，不断修改模型，最终得到去雾图像。

近年来，一些算法及其改进算法也被应用到图像去雾中。结合暗通道去雾算法，首先求解有雾图像中每个像素点RGB分量中的最小值，得到最小值通道图，并在此基础上求解折射率，之后估计大气光，最后得出去雾图像。陆海俊等则利用均值漂移滤波对粗透射率分布优化，然而，均值漂移滤波需要迭代求解，耗时亦较长。陈玮等人提出了一种基于生成对抗学习思想的卷积神经去雾网络.但是时间复杂度较高。

为了使图像去雾技术有普适性。本设计通过MATLAB软件中的图形用户界面GUI设计出一个交互界面，即图像去雾系统。将各种高效有用的去雾算法嵌进系统，使系统可以达到良好的去雾效果的同时，操作简单。依靠这个系统，就能便捷轻松地处理有雾图片，获取更多有用的信息。除此以外，本系统还加入了图像质量评价的功能，在图像去雾的同时客观科学地体现出每种算法图像去雾的效果。

图1：图像去雾系统基本流程图

1 数字图像处理基本原理

1.1 数字图像处理基本原理

一副图像可以定义为一个二维函数f（x,y），里面的x和y是空间坐标，而f在任意一对坐标（x,y）处的幅度成为这个点处图像的灰度或亮度。当x,y和f的幅值都是有限的离散值时，该图像被称作数字图像。

由坐标系统，可以得到数字图像的下列表示：

式（1）是定义的一幅数字图像。矩阵中的每个元素对应着图像中的像素。矩阵中每个元素被称为像素。

数字图像处理是运用计算机辅助工具将图像信号转换为便于分析处理的数字信号的过程，主要包含图像变换、图像增强和图像分割等处理方法和技术。随着科技的不断发展，数字图像处理的目的转变为帮助人们分析和利用图像中的信息。

1.2 与MATLAB 相关的基本设计原理

MATLAB是通过矩阵处理电脑当中的数据，可视化与的集成数值环境，使整个过程更加直观化。图像处理工具包是由一系列支持图像处理操作的函数组成的，主要包括图像显示、图像分析、图像增强等函数。从图像处理原理上进行分析，MATLAB就是借助数组进行图像颜色或者灰度的表示，得以处理数字图像。

所谓图形用户界面是指由窗口、菜单和对话框等各种图形元素组成的界面。在这种用户界面中，用户的操作具有生动形象、方便灵活的特点，所以图形用户界面被广泛应用。

MATLAB为制作用户提供了一个名为GUIDE的交互式的设计工具。GUIDE能够简便快捷地设计出各种符合要求的图形用户界面，可以满足用户的需求。

GUIDE将用户保存设计好的图形图像用户界面保存在一个figure资源文件中，figure文件最主要的功能是对象句柄的保存，所有对象的属性都是用户创建图形窗口时保存的属性。同时，GUI还会自动生成包含图形用户界面初始化和组件界面布局控制代码的M文件，该M文件主要用来控制GUI展开式的各种特征。

2 图像去雾算法原理及图像质量评价

2.1 图像去雾算法原理

2.1.1 直方图均衡算法

直方图均衡化算法的原理就是将一幅图像转换为另一幅图像。新图像在一定灰度范围内的像素数量大致平和。

灰度直方图是灰度级的函数,以灰度级r为横坐标,纵坐标是灰度级出现的频率Pr(r),整个坐标系将图像灰度级的分布情况清晰的描述了出来。因此我们可以得出两种情况，若像素集中在低灰度区域,图像呈现暗的特性，反之图像呈现亮的特性。

假设灰度级为归一化至范围[0,1]内的连续量，令Pr(r)表示某给定图像中的灰度级的概率密度函数（PDF），用不同的下标区分输入和输出图像的PDF。通过对输入灰度级变换，我们可以得到输出灰度级s：

式中ω是积分的哑变量。可以看出输出灰度级的概率密度函数是均匀的，即

此方法的特性是能增加图像灰度级的动态范围。

2.1.2 Retinex算法

Retinex 区别于传统图像增强算法的是其在边缘增强、动态范围压缩和颜色恒常上达到平衡。本设计使用的是单尺度算法。

一幅给定的图像S(x,y)是反射图像R(x,y)和入射图像L(x,y)的乘积，其原理如下所示：

S(x,y)=R(x,y)L(x,y)

入射图像和反射图像构成图像，其中入射光L照射在反射物体R上，再经过反射形成反射光进入观察者的眼中，最后形成的图像可以用公式表示为：

其中，L(x,y)表示入射光图像，R(x,y)表示物体的反射性质图像。S(x,y)表示人眼能够接收的反射光图像。r(x,y)为输出图像，*为卷积符号，F(x,y)为中心环绕函数，可以表示为：

C为高斯环绕尺度，λ是一个尺度，它的取值必须满足以下条件：

由以上可知，单尺度算法中的卷积的物理意义可以表示为去除计算图像中像素点与周围区域在加权平均，只保留物体的反射属性，以达到增强的结果。

2.2 图像质量评价

图像质量评估方法可以分为两种主要类型，其一为主观评价，另一种则是客观评价。图像质量的客观评价方法是根据人眼的观察结果建立所对应的数学模型，并通过搜寻所需要的相对应公式进行计算来获取图像的质量结果，最终达到评价图像的目的。本设计就是采用了客观评价方法来对此系统进行评价。

2.2.1 直方图对比

直方图的意义是将数字图像每一灰度出现频率的统计关系表现出来。由灰度直方图可以较为容易的理解出图像的灰度对比度的增强等非常明显，处理后图片更清晰，更易辨别。

2.2.2 均方差MSE

均方差法首先计算原始图像和失真图像象素差值的均方值，然后通过均方值的大小来确定失真图像的失真程度。

图2：三种算法直方图对比

图3：三种算法质量评价

其中，MSE表示当前图像I和参考图像K的均方误差，m、n分别为图像的高度和宽度，MSE的值越小，说明图像越精准。

2.2.3 峰值信噪比PSNR

峰值信噪比是最普遍，最广泛使用的一种图像客观评价指标，它是基于对应像素点间的误差的图像质量评价。MAX通常是图像的灰度级，一般为255。PSNR越高，图像和原图越接近。在本设计中，PSNR越低，说明去雾效果越好。

3 图像去雾系统的实现

3.1 图像去雾系统设计过程

系统的运行基本流程如图1。

首先建立系统初始界面。利用GUIDE布局编辑器左侧组件面板分别建立标题、图像显示窗口。

然后，建立菜单，文件，打开与退出，用于打开图片与退出系统。图像去雾，用于选择不同算法对图像进行处理。直方图对比，选择不同的算法观察图片处理前后直方图的变化情况。图像质量评价，直观显示三种算法的优劣。帮助，用于系统功能解释。

3.2 图像去雾系统功能实现

为测试系统的稳定性，本文选用了随机在网络上搜索的图片。

对去雾后的图片进行三种算法直方图对比，如图2。

计算各图片的均方差(MSE)和峰值信噪比(PSNR)，如图3。

从图2中可看出，对随意选取的图片三种算法均可实现去雾效果，但效果各有不同。局部直方图算法的图像和原图像之间的差别略小。由图2和3可知，各算法均可直观显示算法对比与质量评价。实验结果表明系统稳定，未出现异常。

4 结束语

本系统采用MATLAB语言进行编程，实现了图像去雾，图像对比等功能。采用了全局直方图均衡算法、局部直方图均衡算法和retinex算法对图像进行去雾，根据不同的算法公式得到不同的处理后图片，同时处理前后图片同时显示在界面上由使用者主观评价，然后采用直方图、均方差和峰值信噪比进行质量评价，以图片或数值的形式展示给使用者,达到更为明显的比较。实验结果表明,去雾系统稳定，操作简便，图像信息恢复良好，不同方法比较明显。

但是，由于目前算法的局限性,并不能做到百分之百的去雾处理。通过多次的实验操作和对所取得实验数据进行严谨的分析处理可以得到：系统足以应对大多数的图片处理，在一定程度上已取得成功。