最新精品文档，知识共享！
视频图像增强和去雾算法说明
摘要 本文档介绍夜间增强和去雾增强算法及其实现。
(1)将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量(I分量)的灰度直方图进行均衡化处理，然后再转换到RGB空间。
(2)利用暗原色先验图像去雾算法对图像进行去雾处理。
目录
TOC \o "1-2" \h \z \u HYPERLINK \l "_Toc364976116" 一、通过I分量增强夜间图像 PAGEREF _Toc364976116 \h 3
HYPERLINK \l "_Toc364976117" 1. 算法原理 PAGEREF _Toc364976117 \h 3
HYPERLINK \l "_Toc364976118" 2. Matlab程序 PAGEREF _Toc364976118 \h 6
HYPERLINK \l "_Toc364976119" 3. 夜间增强效果 PAGEREF _Toc364976119 \h 7
HYPERLINK \l "_Toc364976120" 二、去雾增强 PAGEREF _Toc364976120 \h 9
HYPERLINK \l "_Toc364976121" 1. 算法原理 PAGEREF _Toc364976121 \h 9
HYPERLINK \l "_Toc364976122" 2. Matlab程序 PAGEREF _Toc364976122 \h 11
HYPERLINK \l "_Toc364976123" 3. 去雾效果 PAGEREF _Toc364976123 \h 13
HYPERLINK \l "_Toc364976124" 参考文献 PAGEREF _Toc364976124 \h 14一、通过I分量增强夜间图像
1. 算法原理
首先将图像由RGB空间转换到HSI空间，然后对HSI空间亮度分量(I分量)的灰度直方图进行均衡化处理，提高图像的亮度，然后转换回RGB空间显示。
(1)图像由RGB空间转换到HSI空间。
RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，将色度分解为色调和饱和度，并用角向量表示色调，如图1所示。
图1 RGB与HSI模型示意图
RGB-HSI转换公式有以下5种，如表1所示：
表1 RGB-HSI转换公式
比较经典的是算法1的几何推导法，基本思路是先分离出亮度信息，将三维空间将为二维，在二维平面内利用解析几何的向量点积公式求出HSI模型的色调分量值。具体过程如下：
1)归一化RGB值。
2)计算H、S、I。
3)将H、S、I的值分别转换为[0,360]，[0,100]，[0,255]范围。
(2)对I分量进行直方图均衡化处理。
直方图均衡化(Histogram Equalization)处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，即把给定图像的直方图分布改变成“均匀”分布直方图分布，由此扩大了像素灰度的动态范围，从而增强了图像的对比度。
直方图均衡化算法步骤为：
1)给出原始图像的所有灰度级(k=0,1,…,L-1)。
2)统计原始图像各灰度级的像素数。
3)根据原图像，计算灰度直方图：
(k=0,1,…,L-1)
式中,为总像素数,为灰度级的像素数。
4)计算原始图像的累积直方图：
(，k=0,1,…,L-1)
5)取整计算：
6)确定映射关系：
7)统计新直方图各灰度级的像素数目。
8)计算新的直方图：
(3)将均衡化后的I分量与原来的H、S分量组合在一起，转换到RGB空间。
此处HSI-RGB转换公式是RGB-HSI公式的逆过程，如下所示。
上面公式得到的r、g、b是归一化值，范围在[0,1]之间，因此需乘以255，得到最终RGB值。
2. Matlab程序
(1)RGB-HSI转换
(2)对I分量进行直方图均衡化处理
(3)HSI-RGB转换
3. 夜间增强效果
图2 夜间增强效果对比
二、去雾增强
1. 算法原理
去雾采用“Single Image Haze Removal Using Dark Channel Prior”方法，即暗原色先验图像去雾算法，具体原理见文献资料[1-3]。
1.1 大气散射模型
大气散射模型描述了雾化图像的退化过程：
(1)
式中，I是观测图像的强度，J是景物光线的强度，A是无穷远处的大气光，t称为透射率。去雾的目标就是从I中复原J。方程中的第一项J(x)t(x)叫做直接衰减项，A(1?t(x))是大
