如何在MATLAB上找到图像的薄雾？

Question

我想要计算每个区块的图像的模糊程度。这是通过查找暗通道值来实现的，该值用于反映雾霾的程度。这个概念来自凯明，他在基于暗通道先验的单幅图像消霾方法上的论文。

每个块的暗通道值定义如下：

​

​

其中I^c (x',y')表示彩色通道c (红色、绿色或蓝色通道之一)中像素位置的强度，omega(x,y)表示像素位置(x',y')的邻域。

我不知道如何在MATLAB中翻译这个方程？

Answer 1

如果我正确地理解了这个方程要求的内容，您实际上是在提取图像中每个(x,y)中心的像素块，您将为红色、绿色和蓝色通道确定这个像素块中的最小值。这将产生3个值，其中每个值是每个通道像素块内的最小值。从这3个值中，您可以选择其中的最小值，这是图像中位置(x,y)的最终结果。

我们可以很容易地使用ordfilt2来完成这个任务。ordfilt2所做的就是将订单统计过滤器应用于您的图像。您指定需要分析邻里哪些像素的掩码，它收集邻居中被认为有效的像素并对其强度进行排序。最后，你选择你想要的像素的等级。较低的秩表示较小的值，而较大的秩则表示较大的数值。在我们的例子中，掩码将被设置为所有逻辑true，是要分析的邻居的大小。因为你想要一个最小值，所以你会选择1级的结果。

您可以将此应用于每个红、绿和蓝通道，然后针对每个空间位置，从三个通道中选择最小值。因此，假设您的图像存储在im中，并且希望将m x n邻域应用于该图像，请执行以下操作：

%// Find minimum intensity for each location for each channel
out_red = ordfilt2(im(:,:,1), 1, true(m, n));
out_green = ordfilt2(im(:,:,2), 1, true(m, n));
out_blue = ordfilt2(im(:,:,3), 1, true(m, n));

%// Create a new colour image that has these all stacked
out = cat(3, out_red, out_green, out_blue);

%// Find dark channel image
out_dark = min(out, [], 3);

out_dark将包含您想要的暗通道图像。计算所需内容的关键是在最后两行代码中。out包含红色、绿色和蓝色通道中每个空间位置的最小值，它们都是在第三维空间中连在一起生成三维矩阵。然后，应用min操作，最后从每个像素位置的红、绿、蓝通道中选择哪一个输出值。

举个例子，如果我使用onion.png，这是MATLAB系统路径的一部分，并指定了一个5x5邻域(或m = 5, n = 5)，这就是原始图像的样子，以及暗通道的结果：

​

​

​

​

侧纹

如果您是图像处理纯粹主义者，在灰度图像中找到像素邻域的最小值与查找灰度形态侵蚀相同。你可以考虑每个红，绿或蓝通道是它自己的灰度图像。因此，我们可以简单地将ordfilt2替换为imerode，并使用一个矩形结构元素来生成要应用于图像的像素邻域。您可以通过MATLAB中的strel来实现这一点，并指定'rectangle'标志。

因此，使用形态学的等效代码是：

%// Find minimum intensity for each location for each channel
se = strel('rectangle', [m n]);
out_red = imerode(im(:,:,1), se);
out_green = imerode(im(:,:,2), se);
out_blue = imerode(im(:,:,3), se);

%// Create a new colour image that has these all stacked
out = cat(3, out_red, out_green, out_blue);

%// Find dark channel image
out_dark = min(out, [], 3);

您应该获得与使用ordfilt2相同的结果。我还没有做过任何测试，但我非常怀疑使用imerode比使用ordfilt2更快.至少在高分辨率图像上。MATLAB有高度优化的形态学例程，并专门用于图像，而ordfilt2则适用于更一般的2D信号。

Answer 2

或者，您可以使用可见性度量来查看图像有多模糊。原来有人为它写了一个美丽代码，因为well.The的度量越低，图像中的模糊度就越高。

此度量还可用作自动调整dehaze参数的预处理器。