目录
一、引言二、理论基础三、基于直方图优化的图像去雾系统3.1 全局直方图处理3.2 局部直方图处理3.3 Retinex增强处理 四、参考文献五、Matlab代码获取
一、引言
随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量。
在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊；传输过程 中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价[1]。
二、理论基础
图像增强是指按特定的需要突出一幅图像中的某些信息，并同时削弱或去除某些不需要的信息的处理技术。图像增强的主要作用是相对于原来的图像，处理后的图像能更加有效地满足某些特定应用的要求。根据图像处理空间的不同，图像增强方法基本上可分为两大类：频域处理法、空域处理法。频域处理法的基础是卷积定理，它通过进行某种图像变换(如傅里叶变换、小波变换等)得到频域结果并修改的方法来实现对图像的增强处理。空域处理法是直接对图像中的像素进行处理，一般以图像灰度的映射变换为基础并且根据图像增强的目标来采用所需的映射变换，常见的图像对比度增强、图像灰度层次优化等均属于空域处理法。
三、基于直方图优化的图像去雾系统
为进行图像去雾实验，采用全局直方图均衡化、局部直方图均衡化算法进行图像去雾实验，并选择Retinex增强算法作为直方图去雾算法的延伸。设计的用户界面如下图1所示。
该软件通过菜单关联的方式进行功能设计并实现模块化编程。其中，文件菜单主要用于载入待处理图像等基本操作，图像去雾菜单用于关联不同的去雾算法并显示结果，帮助菜单则弹出独立窗口用于介绍软件操作流程。GUI主窗口加入坐标轴控件用于图像显示，通过原图像与结果图像的显示可以简捷地演示算法的去雾效果。
3.1 全局直方图处理
MATLAB通过函数imread读取RGB图像，并通过维数为m×n×3的矩阵来表示。其中，维数m×n表示图像的行数、列数信息，维数3表示图像的R、G、B三层通道数据。因此，全局直方图处理通过对RGB图像的R、G、B三层通道分别进行直方图均衡化，再整合到新的图像的方式进行。
全局直方图处理结果如下图2所示：
其直方图对比如下图所示
3.2 局部直方图处理
全局直方图均衡化增强只是将原图像的直方图进行了均衡化，未能有效保持原始图像的局部特征，容易出现色彩失真问题。通过选择固定大小的滑动窗口作用于原始图像进行局部直方图处理，可以在一定程度上保持原始图像的局部特征，提髙图像増强的效果。因此，局部直方图处理通过对RGB图像的R、G、B三层通道分别进行局部直方图均衡化，再整合到新的图像的方式进行。
局部直方图去雾效果图4所示
其直方图对比如下图所示；局部直方图的处理结果表明该算法能有效保持原始图像的局部特征，未出现明显的色彩失真现象，同时得到了去雾增强的效果。但是，该算法的处理结果在整体亮度上偏暗，依然存在某些模糊区域。
3.3 Retinex增强处理
基于全局直方图、局部直方图的图像去雾算法在理论及实现上比较简单，能起到一定的去雾处理效果。为了进行对比，采用了Retinex图像增强算法进行对比，该算法可以平衡图像灰度动态范围压缩、图像増强和图像颜色恒常三个指标，能够实现对含雾图像的自适应性增强。因此，Retinex增强处理通过对RGB图像的R、G、B三层通道分别应用 Retineⅹ算法式进行了改进，采用随机数取值的方式来生成参数。
基于Retinex算法进行图像去雾结果如下图所示
此时的直方图如下图所示
去雾处理前后的直方图分布表明，Retinex图像增强可以在一定程度上保持原始图像的局部特征，处理结果较为平滑，颜色特征也较为自然，具有良好的去雾效果。
四、参考文献
[1] 高彦平. 图像增强方法的研究与实现 [D]; 山东科技大学, 2005.
五、Matlab代码获取
相关代码，可私信博主。
博主简介：擅长智能优化算法、信号处理、图像处理、机器视觉、神经网络等领域Matlab仿真以及实验数据分析等，matlab代码问题、商业合作、课题选题与指导等均可私信交流。