在我博文的一系列的文章，有不少算法都于去霧有關(guān)，比如限制對(duì)比度自適應(yīng)直方圖均衡化算法原理、實(shí)現(xiàn)及效果、局部自適應(yīng)自動(dòng)色階/對(duì)比度算法在圖像增強(qiáng)上的應(yīng)用這兩個(gè)增強(qiáng)算法都有一定的去霧能力，而最直接的就是《Single Image Haze Removal Using Dark Channel Prior》一文中圖像去霧算法的原理、實(shí)現(xiàn)、效果及其他?一文，描述了暗通道去霧這一state-of-the-art algorithms的過程和實(shí)現(xiàn)，雖幾經(jīng)優(yōu)化，對(duì)于常用的視頻1024*768大小的圖片，算法處理部分還是需要70MS的時(shí)間（I3 筆記本CPU），因此，這一算法用于實(shí)時(shí)要求時(shí)還有一定的難度，并且優(yōu)化后的算法基本無法并行，而可并行的算法重復(fù)計(jì)算大，由于不熟悉GPU方面的理念，不曉得使用不優(yōu)化的算法靠GPU是否能有多大速度的提升。

?????為此，我一直在找尋相關(guān)的論文，這種找尋的蹤跡一般就是看到一篇好論文--》看其參考文獻(xiàn)--》再看參考文獻(xiàn)的參考文獻(xiàn)，這樣循環(huán)下去。 然后有某種機(jī)會(huì)或巧合，又看到一篇好論文，重復(fù)前面的過程，你就會(huì)發(fā)現(xiàn)很多交集，慢慢的就會(huì)有一些好運(yùn)向你招手。 話說我原本只看英文的文獻(xiàn)，所以一直忽略了國(guó)內(nèi)的文章，前幾日，一個(gè)QQ朋友推薦了一篇清華大學(xué)的論文，下載后稍微看了下，覺得其描述的結(jié)果還是比較吸引人的，于是就實(shí)現(xiàn)了下，實(shí)時(shí)的效果應(yīng)該說很不錯(cuò)，這里就簡(jiǎn)單的介紹并推薦給大家。

????? 原始論文下載：基于單幅圖像的快速去霧.pdf? ，作者劉倩，陳茂銀，周東華，感謝他們（她們）。

????? 算法原理沒有什么復(fù)雜的地方，其實(shí)說原理，還不如說經(jīng)驗(yàn)或?qū)嶒?yàn)，因?yàn)檎撐闹锌梢杂美碚搧硗茖?dǎo)的公式確實(shí)不多。不過這也沒關(guān)系，有用的東西就應(yīng)該拿來用。

??????算法的執(zhí)行流程直接貼用原圖的文字來說明吧：

?????

?????先挑點(diǎn)小瑕疵，比如步驟5中的L有個(gè)下標(biāo)，而其他涉及到L的地方去沒有，這叫前后不一致。論文中也還有一些其他的地方有些小錯(cuò)誤，所以看啊，即使是清華的文章，在編輯審核這一塊還是相當(dāng)?shù)牟粐?yán)謹(jǐn)。

???? 我們先來看看算法，1、2、3、4步都沒有什么說的，第五步是求大氣透射率的過程，這里ρ是一個(gè)用來調(diào)節(jié)的參數(shù)，當(dāng)ρ值越大時(shí)，結(jié)果圖像整體越暗，去霧的效果更明顯，ρ較小時(shí)，圖像偏白，有明顯的霧氣。第六步求全局大氣光A值，用了很簡(jiǎn)單的方式，即求原始圖像的RGB所有像素分量的最大值（這個(gè)估計(jì)99%都為255了）何暗通道的最大值的平均值，并且注意到RGB三個(gè)通道用的A值都為同一個(gè)數(shù)字。這個(gè)和我在何凱明的文章的分析也有相似的地方。 第七步用了標(biāo)準(zhǔn)的去霧模型來求結(jié)果值。

???? 在來看看算法的效率問題，?從算法的初步分析來看，算法的效率取決于第3步和第7步，第三步中，使用了均值模糊，目前已經(jīng)存在大量的O(1)均值模糊算法，可是O(1)只能表示算法的執(zhí)行速度和參數(shù)的大小無關(guān)系，并不表示算法就很快。比如基于積分圖的模糊算法是廣為認(rèn)知的O(1)算法，但是他也存在很多問題，最嚴(yán)重的就是數(shù)據(jù)的溢出，當(dāng)圖像較大和偏白時(shí)，對(duì)圖像積分圖的累加和存在超出int.Maxvalue所能表達(dá)的范圍的問題，解決辦法就是積分圖內(nèi)的數(shù)據(jù)全部使用long類型表示，這將導(dǎo)致程序多占用Width*Height*4字節(jié)的大小的內(nèi)存，且在32位系統(tǒng)還流行的情況進(jìn)一步降低程序的速度（32位系統(tǒng)64位整數(shù)的計(jì)算速度要比32位整數(shù)慢)。積分圖的另外一個(gè)問題就是計(jì)算積分圖的過程難以并行化，因?yàn)橐粋€(gè)像素的積分值是依賴于其前面一系列像素的相關(guān)結(jié)果值的。另外一種優(yōu)化方式就是先計(jì)算行方向的平均值，然后再計(jì)算列方向的值。這種方式在同一行（列）內(nèi)，算法依舊必行順序執(zhí)行，這也是因?yàn)榍昂笥绊懙脑颉５遣煌?#xff08;列）之間的計(jì)算是沒有任何關(guān)系，因此非常適合GPU這種可大規(guī)模并行計(jì)算的場(chǎng)合，但不適于CPU這種重量級(jí)的線程并發(fā)（反而會(huì)慢）。這種算法如果為了精度會(huì)需要一個(gè)和原圖一樣大小，占用字節(jié)Width*Height*4字節(jié)大小的的中轉(zhuǎn)區(qū)用來保存中間計(jì)算的結(jié)果。在彩色圖像高速模糊之懶惰算法一文中，我采用了另外一種處理方法，利用列直方圖相關(guān)的技術(shù)，只需對(duì)每個(gè)循環(huán)的起始位置處的像素做特殊處理，其他位置的利用簡(jiǎn)單的一加一簡(jiǎn)即可獲得累加和，從而快速的實(shí)現(xiàn)模糊，我實(shí)際的編碼表明，這種方式比其他的方式都要快。但是有一個(gè)缺點(diǎn)，不適合于并行計(jì)算，不過在CPU上這個(gè)很有優(yōu)勢(shì)。

????? 再觀察下第七步。第七步存在兩個(gè)需要優(yōu)化的地方，第一，存在除法；第二，有浮點(diǎn)運(yùn)算。如果直接編碼必然會(huì)帶來性能損失，但是，觀察下在第七步的公式中，只有兩個(gè)自變量，H(X)和L(X),并且自變量的取值都為[0,255]之間的整數(shù)，因此，如果事先建議一個(gè)查找表，由于這個(gè)查找表的計(jì)算量只有 256*256次，要遠(yuǎn)遠(yuǎn)的小于直接計(jì)算的次數(shù)，必然能提高程序的速度。256這個(gè)數(shù)字還有個(gè)好處，就是可以用移位來輔助計(jì)算查表表的下標(biāo)，部分參考代碼如下所示：

unsigned char * Table = (unsigned char *) malloc (256*256*sizeof(unsigned char)); for (Y = 0; Y < 256; Y++) {Index=Y<<8;for (X = 0; X < 256; X++){Value = (Y-X) /(1-X*InvA);if (Value > 255)Value = 255;else if (Value < 0)Value = 0;Table[Index++]= Value;} }

　　其中InvA = 1 / A;A為全局大氣光值。 Value需為double類型的變量。

???? 當(dāng)我們需要計(jì)算F(x)時(shí)，查表的方式為 F(X)=Table[(H[X]<<8 )+ L[X]];

?????實(shí)際的效果表明，這樣的方式對(duì)于1024*768的圖，可以提速10ms。

?????那么對(duì)于其他步驟也有很多優(yōu)化的注意事項(xiàng)，比如計(jì)算M(X)中所有元素的平均值M_av這一塊，完全沒有必要在開一個(gè)循環(huán)，而是可以在進(jìn)行步驟3的時(shí)候同步進(jìn)行，大家知道，循環(huán)楚了要計(jì)算循環(huán)體內(nèi)部的東西外，還要有個(gè)循環(huán)計(jì)數(shù)器的更新的，何必浪費(fèi)這個(gè)時(shí)間呢。

for (Y = 0, DarkPt = DarkChannel; Y < Height; Y++) {ImgPt = Src + Y * Stride;for (X = 0; X < Width; X++){Min = *ImgPt;if (Min > *(ImgPt + 1)) Min = *(ImgPt + 1);if (Min > *(ImgPt + 2)) Min = *(ImgPt + 2);*DarkPt = Min; // 三通道的最小值Sum += Min; // 累積以方便后面求平均值ImgPt += 3;DarkPt++;} } Mean =(double)Sum /(Width*Height*255);

??? 還有比如第6步中，分別求原圖RGB三像素最大值以及安通道中的最大值的過程，傳統(tǒng)的過程如下代碼：

int Max1 =0 ; for (Y = 0; Y < Height; Y++) {ImgPt = Src + Y * Stride;for (X = 0; X < Width; X++){if (Max1 < *(ImgPt)) Max1 = *(ImgPt);if (Max1 < *(ImgPt + 1)) Max1 = *(ImgPt + 1);if (Max1 < *(ImgPt + 2)) Max1 = *(ImgPt + 2);ImgPt += 3;} }

　　特別是對(duì)于求原圖的最大值，實(shí)際上很多情況下這個(gè)值都為255，因此如果Max1變量已經(jīng)是255，則循環(huán)完全沒有必要進(jìn)行下去了，因此，如果改為下述代碼，必然可以減少計(jì)算量：

for (Y = 0; Y < Height; Y++) {ImgPt = Src + Y * Stride;for (X = 0; X < Width; X++){if (Max1 < *(ImgPt)) Max1 = *(ImgPt);if (Max1 < *(ImgPt + 1)) Max1 = *(ImgPt + 1);if (Max1 < *(ImgPt + 2)) Max1 = *(ImgPt + 2);ImgPt += 3;}if (Max1==255) break; }

????? 注意，這個(gè)break語句必須放在Y循環(huán)中，如果放在X循環(huán)中，雖然提前退出循環(huán)的可能性會(huì)增加，但是判斷的工作量帶來的損失更多。
??????綜合上述優(yōu)化，我用C++寫了個(gè)DLL，對(duì)于1024*768的圖像在我的I3的機(jī)器上平均能達(dá)到18ms每副圖像的計(jì)算速度，相當(dāng)于56fps,只占用了單核的資源，考慮解碼、顯示等等其他過程所占用的時(shí)間，應(yīng)該是能夠靠CPU實(shí)現(xiàn)20fps的實(shí)時(shí)速度的。

????? 在內(nèi)存占用上，約需要> 3*Width*Height+256*256字節(jié)的空間（不包括圖像本身的），如果用在連續(xù)的視頻處理上，這部分內(nèi)存就不需要頻繁的分配和釋放，可能也對(duì)速度的保證有好處。

???? 程序下載地址： http://files.cnblogs.com/Imageshop/FastHazeRemovalTest.rar

??

　參數(shù)的選取：

　?? 為了獲得好的效果，該算法需要選擇恰當(dāng)?shù)膮?shù)，我們?yōu)榇俗隽艘恍y(cè)試。對(duì)于半徑參數(shù)，我的個(gè)人建議是取值不要小于50或圖像寬度和高度最大值的的1/20，比如對(duì)下面的圖像（原圖大小不是下圖中的大小，這里是為了方便瀏覽縮小顯示的），ρ取1.28時(shí)（對(duì)于上圖中的去霧程序選擇為128），半徑取不同參數(shù)時(shí)的效果：

???

???　　　　　　　　　　原圖　　　　　　　　　　　　　　　　　　　　　　　??? ?? 　r=16　　　　　　　　　　　　　　　　　　　? 　　　　　r=50

?? 注意上面中間的圖，一群飛鳥的周邊明顯有格格不入的白色霧氣，而在右側(cè)的圖中，飛鳥則自然的融入了背景圖像中。

???另外，當(dāng)半徑足夠大時(shí)，半徑的大小對(duì)輸出的結(jié)果的影響不大。

?? ρ參數(shù)的大小控制了圖像去霧能力的大小，越大，霧氣越少，圖像越顯得暗，越小，圖像偏白，霧氣越濃，下面給出了在半徑R=50,取不同ρ值的效果。

???

???

???

??? 　　　　　　　　　　原圖　　　　　　　　　　　　　　　　　　　　　　　??? ?? 　ρ=0.75　　　　　　　　　　　　　　　　　　　? 　　　　　ρ=1.3

???? ρ值如何取才能獲得最佳效果，這個(gè)沒有理論依據(jù)，需要根據(jù)具體圖像進(jìn)行測(cè)試，不過一般在1.2到1.5之間的效果能綜合去霧和保持圖像清晰的能力。

???? 從更多的測(cè)試圖看，該去霧算法的效果都是較為理想的，而且對(duì)于填充部位出現(xiàn)瑕疵的情況也出現(xiàn)的很少，速度上更是沒的說，因此，作為一種實(shí)時(shí)去霧工業(yè)化也應(yīng)該是可行的。

???? 試過將過程中的均值模糊更改為高斯模糊，在速度上會(huì)稍有下降，也能達(dá)到實(shí)時(shí)要求，但去霧的效果似乎還沒有均值好。

????

?

*****************************基本上我不提供源代碼，但是我會(huì)盡量用文字把對(duì)應(yīng)的算法描述清楚或提供參考文檔*********************

*************************************因?yàn)榭孔约旱呐蛯?shí)踐寫出來的效果才真正是自己的東西，人一定要靠自己****************************

*********************************作者： laviewpbt ? 時(shí)間： 2013.11.4???聯(lián)系QQ: ?33184777 ?轉(zhuǎn)載請(qǐng)保留本行信息************************

轉(zhuǎn)載于:https://my.oschina.net/abcijkxyz/blog/792280

總結(jié)

以上是生活随笔為你收集整理的一种可实时处理 O(1)复杂度图像去雾算法的实现。的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。