李秋璇 張梓萌 張衡 許超

摘? 要：實(shí)驗(yàn)小組將企業(yè)行業(yè)的真實(shí)問題與數(shù)字圖像處理實(shí)驗(yàn)相結(jié)合，針對圖像資料因有霧、不清晰情況而無法匹配比對問題，在課程講授暗通道先驗(yàn)算法的基礎(chǔ)上，通過比較算法、設(shè)計方案、編程實(shí)踐、實(shí)驗(yàn)數(shù)據(jù)對比等環(huán)節(jié)，開展了圖像去霧算法的創(chuàng)新實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明了實(shí)驗(yàn)小組設(shè)計方案具有良好的去霧效果。這種將課程教學(xué)與行業(yè)真實(shí)問題相結(jié)合的人才培養(yǎng)模式，扭轉(zhuǎn)教學(xué)、科研、服務(wù)社會脫節(jié)的現(xiàn)狀，建立了真實(shí)問題導(dǎo)向下人才培養(yǎng)、科學(xué)研究、服務(wù)社會相互貫通的一體化新機(jī)制。

關(guān)鍵詞：去霧算法；創(chuàng)新實(shí)驗(yàn)；暗通道先驗(yàn)；圖像處理

中圖分類號：TP391.4；G642? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）03-0037-04

Design and Implementation of the Experiment of Image Defogging Algorithm

LI Qiuxuan1， ZHANG Zimeng1， ZHANG Heng2， XU Chao1

（1.School of Physics， Liaoning University， Shenyang? 110036， China;

2.Practical Training Center for Liberal Arts， Liaoning University， Shenyang? 110036， China）

Abstract： The experimental group combines the real problems of the enterprise industry with the digital image processing experiment. Aiming at the problem that the image data can not be matched and compared due to fog and unclear conditions， on the basis of the dark channel prior algorithm taught in the course， through the comparison algorithm， design scheme， programming practice， experimental data comparison and other links， the innovative experiment of image defogging algorithm is carried out. The experimental results show that the design scheme designed by the experimental group has good defogging effect. This talent training mode， which combines course teaching with real problems in the industry， reverses the current situation of disconnection among teaching， scientific research， and service society， and establishes a new integrated mechanism that integrates talent training， scientific research， and service society under the guidance of real problems.

Keywords： defogging algorithm; innovative experiment; dark channel prior; image processing

0? 引? 言

數(shù)字圖像處理是通過計算機(jī)對圖像進(jìn)行去除噪聲、提高分辨度、復(fù)原成像、分割并提取特征等技術(shù)手段[1]。隨著時代的發(fā)展，數(shù)字圖像處理技術(shù)已被應(yīng)用于各行各業(yè)，尤其是交通、管理、物流、醫(yī)學(xué)和其他方面都有很大的影響[2]。對于測控技術(shù)與儀器類專業(yè)的學(xué)生來說，數(shù)字圖像處理是一門跨學(xué)科且實(shí)踐性較強(qiáng)的專業(yè)。目前學(xué)校推進(jìn)“真實(shí)問題導(dǎo)向下的人才培養(yǎng)”，提倡將課程教學(xué)與企業(yè)行業(yè)真實(shí)問題相結(jié)合，扭轉(zhuǎn)教學(xué)、科研、服務(wù)社會脫節(jié)的現(xiàn)狀，建立起真實(shí)問題導(dǎo)向下人才培養(yǎng)、科學(xué)研究、服務(wù)社會相互貫通的一體化新機(jī)制?；诖?，專業(yè)開設(shè)了數(shù)字圖像處理應(yīng)用創(chuàng)新實(shí)驗(yàn)，將企業(yè)行業(yè)的真實(shí)問題引進(jìn)課堂，培訓(xùn)學(xué)生創(chuàng)新思維和服務(wù)社會的能力。

正是在以上背景下，教學(xué)團(tuán)隊設(shè)置了“以圖搜圖”檔案管理應(yīng)用中因圖像資料存在有霧、不清晰情況而無法匹配比對真實(shí)問題。以學(xué)號191003323為組長的實(shí)驗(yàn)小組以此為選題，在課程講授暗通道先驗(yàn)算法的基礎(chǔ)上，通過查閱資料、比較算法、設(shè)計方案、編程實(shí)踐、實(shí)驗(yàn)數(shù)據(jù)對比分析等環(huán)節(jié)，開展了圖像去霧算法的創(chuàng)新實(shí)驗(yàn)。

1? 圖像去霧算法的實(shí)驗(yàn)基礎(chǔ)

在陰霾、霧天等惡劣氣候環(huán)境下，大氣中總是含有大量的懸浮物、水蒸氣等干擾物質(zhì)，從而使得光線在空氣中的散射變得更加容易，而影像點(diǎn)所接收的光線也會變得更加脆弱。由于這兩種散射的影響，使霧天產(chǎn)生了多種光學(xué)現(xiàn)象，如折射、散射以及吸收等。從而使光電元件受到的光強(qiáng)度和強(qiáng)度的改變，從而使圖像的灰度分布更加集中，圖像信息反差，色彩失真。在以圖搜圖的檔案管理應(yīng)用中，往往會因?yàn)殛庼?、霧天等原因?qū)е虏杉囊曨l影像內(nèi)容不清晰，圖像分辨度較低，不便于進(jìn)行定量分析，或者計算機(jī)從中無法提取有效信息。因此，必須要對霧天圖像進(jìn)行改善處理[1，3]。

在“數(shù)字圖像處理”課程中，介紹了何凱明博士發(fā)表的論文《Single Image Haze Removal Using Dark Channel Prior》，講述了暗通道先驗(yàn)算法的基本原理[4，5]。在非天空區(qū)域，RGB 3種色彩信道中，一定有一種色彩信道的亮度很低，也就是說，這個區(qū)域的光線強(qiáng)度最小，可以用數(shù)學(xué)公式來表達(dá)[3]：

（1）

其中，c代表3個RGB顏色信道；J c表示c信道的光強(qiáng)亮度；Ω（x）表示一個視窗，其中心為像素x；J dark表示一個區(qū)域內(nèi)的值。在非天空區(qū)域，J dark的值較低，若J為晴天時的圖像強(qiáng)度，則此時的暗通道數(shù)值J dark，應(yīng)近似為0。

而在計算機(jī)視覺和圖形方面，通常采用以下公式表示的霧狀模式：

（2）

式中，I（x）表示要消霧的圖像；J（x）表示要復(fù)原的無霧圖像；A表示大氣的光強(qiáng)值；t（x）表示大氣衰變功能。

在實(shí)際應(yīng)用中，利用暗通道圖可以得到最小的區(qū)域光強(qiáng)。具體的操作流程如下：

（1）將前面0.1%的像素根據(jù)暗通道圖的亮度尺寸大小進(jìn)行提取。

（2）在上述位置原有霧圖像I中，尋找相應(yīng)的亮度最高的點(diǎn)，作為A值。即：

（3）

（3）如果投影圖t的數(shù)值較小，則會產(chǎn)生較大的數(shù)值，使得整個圖像呈現(xiàn)出白色，所以通?？梢栽O(shè)定一個閾值t0，若t值小于t0值，則將t=t0，且兩者都按照t0=0.1來進(jìn)行。

（4）最終的恢復(fù)公式為：

（4）

2? 設(shè)計方案

實(shí)驗(yàn)小組通過前期課程學(xué)習(xí)了解到：作為圖像去霧的基本方法，暗通道的先驗(yàn)算法在用于消除單幅圖像的霧化方面，取得了較好的效果；但是，由于其在求解時會產(chǎn)生一些假定和估計，從而造成圖像色彩畸變、亮度降低、邊緣處的光暈較大等問題。為了彌補(bǔ)這一缺點(diǎn)，實(shí)驗(yàn)小組在參考相關(guān)文獻(xiàn)后，了解到“限制對比度自適應(yīng)直方圖均衡算法（以下簡稱為CLAHE算法）”和“Retinex理論的圖像增強(qiáng)算法（以下簡稱為MSR算法）”[6-8]。

其中，CLAHE算法，通過限制局部直方圖的高度，降低了圖像的噪聲，同時限制了圖像的對比度。經(jīng)過其處理后，可以直觀看出亮度、清晰度、對比度的變化，色彩調(diào)節(jié)鮮艷，亮部的、暗部的信息均明顯[9-11]。MSR算法為動態(tài)范圍圖像的新色調(diào)映射技術(shù)，是基于色彩一致性（色彩穩(wěn)定性），在動態(tài)范圍壓縮、邊緣增強(qiáng)和色彩恒定中實(shí)現(xiàn)了對多種圖像的適應(yīng)性增強(qiáng)[12，13]。為了更好地比較算法優(yōu)劣，實(shí)驗(yàn)中使用圖像為遼寧省某沿海城市景區(qū)的一處有霧照片，分別通過暗通道先驗(yàn)算法、CLAHE算法和MSR算法對其進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖1所示。

為了進(jìn)一步地了解各種算法的優(yōu)劣，本文采取的數(shù)字特征清晰度、對比度、亮度三種作為圖像質(zhì)量評價指標(biāo)[14]，對實(shí)驗(yàn)結(jié)果進(jìn)行客觀地評價分析：

（1）對比度分析。方差，反映的是數(shù)據(jù)的離散程度。通過計算方差用在圖像數(shù)據(jù)中，能夠反映出數(shù)據(jù)的具體程度，進(jìn)行對比度的分析。如果方差大，說明圖像越細(xì)節(jié)具體，所含信息越豐富，即對比更明顯。如果方差小，說明圖像較為平滑，對比則較低。因此可以通過計算圖像的方差分析對比度。經(jīng)過查找資料，小組成員決定采用SMD（灰度方差）函數(shù)進(jìn)行方差的計算。在對焦?fàn)顟B(tài)下，圖像是最清楚的，此時灰度差異最大，對比越大。因此，該方法可以采用灰色變化來進(jìn)行評估，其計算公式為：

表1分別列出了暗通道先驗(yàn)算法、CLAHE算法和MSR算法處理后圖像對比度。結(jié)果表明，CLAHE方法在增強(qiáng)圖像的反差方面有很大的改善；暗通道先驗(yàn)算法對圖像具有一定的提升，但提升的數(shù)量級較??；而MSR算法則效果不佳。因此，可以得出CLAHE算法對色彩調(diào)節(jié)鮮艷，亮部的、暗部的信息均比較明顯，比其他兩種算法效果顯著。

（2）清晰度分析。在沒有參照圖像品質(zhì)的評估中，圖像的清晰度是圖像品質(zhì)的一個重要指標(biāo)，可以很好地反映人的主觀感覺，影像的清晰度不高會造成影像的模糊[15]。

用熵理論對圖像進(jìn)行分析[16]，發(fā)現(xiàn)熵是反映圖像中信息的豐富程度，而圖像的信息熵則是基于正焦圖像中的灰度分布的差異性。

在不同區(qū)域內(nèi)，不同的像素灰度值存在較大的區(qū)域和差別，這時熵值較高，所得到的信息越多，圖像細(xì)節(jié)就越豐富，因此可以通過計算熵值，進(jìn)行圖像清晰度分析。

因此小組成員采用基于信息熵清晰度評價函數(shù)：

（6）

（7）

其中，b代表圖像灰度，通常取數(shù)值2，k代表離焦圖像序列，Pk （g）則是在第k個片段出現(xiàn)g可能性的離焦圖像序列。

MN代表像素總數(shù)，ng表示第k幅圖像中具有g(shù)的灰度值。

表2分別列出了暗通道先驗(yàn)算法、CLAHE算法和MSR算法處理后圖像清晰度?？梢钥闯觯N算法均可以提高圖像的清晰度，但是CLAHE算法對圖像對比度的提高最大，暗通道先驗(yàn)算法、MSR算法則相對較差。對同一組圖像來看，CLAHE算法在細(xì)節(jié)的處理上更為清晰，亮處更亮，暗處更暗。

（3）亮度分析。圖像的亮度即圖像矩陣的平均值，其數(shù)值越低，亮度就越低。對圖像矩陣的平均進(jìn)行計算，小組同學(xué)選擇采用meanStdDev（）函數(shù)來計算：

（8）

其中，M×N表示圖像的大小， 表示水平方向的梯度，? 表示垂直方向的梯度。

在表3中顯示了三種不同的圖像處理方法。顯然，在三種算法的提升亮度比較上，MSR算法對圖像的亮度的提高最大。而暗通道先驗(yàn)算法甚至對圖像的亮度提高起到反作用，CLAHE算法對圖像的亮度提升也較小。

經(jīng)過上述實(shí)驗(yàn)數(shù)據(jù)分析比對，實(shí)驗(yàn)小組得出以下結(jié)論：同暗通道先驗(yàn)算法一樣，CLAHE算法、MSR算法都具有相應(yīng)的去霧效果，但清晰度和對比度效果方面CLAHE算法最優(yōu)，在亮度調(diào)節(jié)方面MSR算法最優(yōu)，去霧效果方面暗通道先驗(yàn)算法最優(yōu)。

同時，實(shí)驗(yàn)小組在查詢文獻(xiàn)過程中發(fā)現(xiàn)實(shí)際應(yīng)用中經(jīng)常采用多種算法疊加處理。因此，實(shí)驗(yàn)小組提出暗通道先驗(yàn)算法、MSR算法、CLAHE算法三種算法結(jié)合的實(shí)驗(yàn)方案。設(shè)計的方案是：針對暗通道先驗(yàn)算法進(jìn)行去霧后的圖像灰度、局部信息不明顯的問題，利用CLAHE算法對圖像進(jìn)行對比度調(diào)節(jié)，其次運(yùn)用Retinex圖像增強(qiáng)算法，通過對圖像進(jìn)行自適應(yīng)的清晰度處理，可以有效地增強(qiáng)圖像的反差，并使整個圖像的亮度得到改善，獲得較好的去霧效果。

3? 實(shí)驗(yàn)結(jié)果

為了更好的證明設(shè)計方案的有效性，實(shí)驗(yàn)小組開展了本文設(shè)計方案算法（實(shí)驗(yàn)3）與基于小波變換的去霧算法（實(shí)驗(yàn)1）、基于統(tǒng)計先驗(yàn)的去霧算法（實(shí)驗(yàn)2）的比較實(shí)驗(yàn)。其中，基于小波變換算法是通過小波變換得到頻率特征，然后增強(qiáng)高頻部分，減弱低頻部分，以此實(shí)現(xiàn)去霧?；诮y(tǒng)計先驗(yàn)算法是根據(jù)無霧圖像的對比度更高、大氣光帶來的影響在局部區(qū)域內(nèi)趨于平滑，通過大氣光值最高強(qiáng)度的像素點(diǎn)來估計進(jìn)行自動去霧。為了控制對比試驗(yàn)變量，圖2中的實(shí)驗(yàn)圖片均采用前文統(tǒng)一圖片。

根據(jù)表4的實(shí)驗(yàn)數(shù)據(jù)可知，實(shí)驗(yàn)1對比原始數(shù)據(jù)在清晰度上有明顯的提高，實(shí)驗(yàn)2對比原始數(shù)據(jù)在對比度和亮度上均有明顯的提高，實(shí)驗(yàn)3即本文算法的實(shí)驗(yàn)數(shù)據(jù)各項(xiàng)對比原圖像均有較高的提升?？梢缘贸霰疚乃惴础鞍低ǖ老闰?yàn)算法、MSR算法、CLAHE算法”這種復(fù)合操作流程得到的圖像更為清晰，處理效果更佳，曝光程度也適中，同樣適合肉眼觀看。由此可以證明實(shí)驗(yàn)小組所設(shè)計方案的有效性，即采用三種算法實(shí)現(xiàn)處理圖像互補(bǔ)的合理性：MSR算法彌補(bǔ)了基礎(chǔ)算法暗通道先驗(yàn)算法去霧效果自然但易產(chǎn)生亮度暗淡的問題；CLAHE算法則剛好的還原了圖像的細(xì)節(jié)信息，恰好對暗通道先驗(yàn)算法在易造成細(xì)節(jié)缺失的不足有所補(bǔ)充。

4? 結(jié)? 論

實(shí)驗(yàn)小組在課程前期基礎(chǔ)上，通過查閱資料、研究以往算法、提出團(tuán)隊方案、動手編程實(shí)踐、實(shí)驗(yàn)數(shù)據(jù)對比分析等步驟，完成了該小組的圖像去霧算法實(shí)驗(yàn)的工作，并通過實(shí)驗(yàn)結(jié)果證明了所設(shè)計方案的有效性。實(shí)驗(yàn)小組不僅了解了各算法的原理及應(yīng)用，同時也鍛煉了自身思考問題的發(fā)散能力和動手能力。可以說，這種將課程教學(xué)與企業(yè)行業(yè)真實(shí)問題相結(jié)合的人才培養(yǎng)模式，扭轉(zhuǎn)教學(xué)、科研、服務(wù)社會脫節(jié)的現(xiàn)狀，建立起真實(shí)問題導(dǎo)向下人才培養(yǎng)、科學(xué)研究、服務(wù)社會相互貫通的一體化新機(jī)制。

參考文獻(xiàn)：

[1] 鄒子聰，皮旸.圖像處理技術(shù)在智能交通中的應(yīng)用探討 [J].中國高新技術(shù)企業(yè)，2017（3）：41-42.

[2] 張博夫，梁凱琦.MATLAB環(huán)境下的數(shù)字圖像處理實(shí)驗(yàn)入門 [J].實(shí)驗(yàn)科學(xué)與技術(shù)，2008（1）：52-53+116.

[3] 賀曉燕.基于暗通道的圖像去霧算法研究 [D].長沙：湖南大學(xué)，2015.

[4] 印月.基于VC++6.0的數(shù)字圖像處理綜合性設(shè)計實(shí)驗(yàn) [J].實(shí)驗(yàn)科學(xué)與技術(shù)，2011，9（3）：10-11+41.

[5] 陳木生，林順達(dá).數(shù)字圖像處理實(shí)驗(yàn)教學(xué)研究與實(shí)踐 [J].實(shí)驗(yàn)科學(xué)與技術(shù)，2016，14（4）：133-135.

[6] 吳宏鍔，胡雙年.基于天空區(qū)域改進(jìn)的暗通道先驗(yàn)算法研究 [J].實(shí)驗(yàn)技術(shù)與管理，2019，36（9）：120-123.

[7] 強(qiáng)明睿，李澤宇，夏明輝.圖像去霧算法和研究進(jìn)展 [J].長江信息通信，2021，34（9）：34-36.

[8] 魏紅偉，田杰，肖卓朋.圖像去霧算法研究綜述 [J].軟件導(dǎo)刊，2021，20（8）：231-235.

[9] 趙麗.基于直方圖均衡的夜間圖像增強(qiáng)算法研究 [D].蘭州：蘭州大學(xué)，2018.

[10] 紀(jì)平，胡學(xué)友，張瑞琦.基于直方圖均衡算法的圖像增強(qiáng)技術(shù)研究[J].蚌埠學(xué)院學(xué)報，2021，10（2）：40-43.

[11] 陳志恒，嚴(yán)利民，張競陽.采用自適應(yīng)全局亮度補(bǔ)償?shù)囊归g去霧算法 [J].紅外技術(shù)，2021，43（10）：954-959.

[12] 謝鳳英，湯萌，張蕊.基于Retinex的圖像增強(qiáng)方法綜述 [J].數(shù)據(jù)采集與處理，2019，34（1）：1-11.

[13] 王利娟，常霞，張君.基于Retinex的彩色圖像增強(qiáng)方法綜述 [J].計算機(jī)系統(tǒng)應(yīng)用，2020（6）：13-21.

[14] 田媛.灰度圖像無參考質(zhì)量評價方法研究[D].長春：中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所），2010.

[15] 崔作龍，徐長松.圖像清晰度的量化測量探究 [J].實(shí)驗(yàn)技術(shù)與管理，2012，29（5）：49-51.

[16] 苑娟，萬焱，褚意新.熵理論及其應(yīng)用 [J].中國西部科技，2011，10（5）：42-44.

作者簡介：李秋璇（2001—），女，漢族，遼寧錦州人，本科在讀，研究方向：智能感知與信息處理；通訊作者：許超（1981—），男，漢族，遼寧義縣人，高級實(shí)驗(yàn)師，碩士，研究方向：智能感知與信息處理。

收稿日期：2022-10-05

基金項(xiàng)目：中國高等教育學(xué)會專項(xiàng)課題（2020SYD07，21SYYB12）；遼寧省檔案科技項(xiàng)目（2021-X-015）；遼寧省教育科學(xué)“十三五”規(guī)劃2020年度一般課題（JG20DB197）；遼寧大學(xué)教學(xué)改革立項(xiàng)真實(shí)問題項(xiàng)目（JG2020ZSWT012）；國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)計劃項(xiàng)目（D202011251244328822）