<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                ?對于圖像去霧,這個研究內容,CSDN 中[33184777](http://my.csdn.net/laviewpbt)博友曾做了大量的研究,也寫出了很多不錯的博文,比如:[http://blog.csdn.net/laviewpbt/article/details/38711727](http://blog.csdn.net/laviewpbt/article/details/38711727) 令人深受啟發。今天在網絡上閑逛的時候,發現了一篇2014年的論文Fast Single-Image Defogging,基本上是暗通道的理論,不過算法比較簡單,效果還行,特分享一下! ? ? 這篇論文中描述的具體過程如下: ? ? 1,去霧模型: ? ??![](https://box.kancloud.cn/2015-12-30_56837de4d087a.jpg) ? ? 這個模型應該不用過多介紹了,目前大部分去霧算法都是根據這個模型進行的,這里依舊是基于暗通道理論,已知原始圖像I(x),求取清晰圖像J(x),未知參數A和t(x) ? ? 2,去霧過程圖解: ![](https://box.kancloud.cn/2015-12-30_56837de4e317b.jpg) ? ? 當然這個圖解是論文中的,至于效果的實現,本人并沒有看到這么好的效果,不知作者做了什么優化。 ? ? 3,實現2的具體步驟: ? ? 3.1 估計大氣光A ? ? 大氣光A的計算,這篇論文依然采用的是何凱明《[Single Image Haze Removal Using Dark Channel Prior](http://files.cnblogs.com/Imageshop/SingleImageHazeRemovalUsingDarkChannelPrior.rar)》中的計算方法,這里不再累贅。 ? ?3.2計算Transmission map ??![](https://box.kancloud.cn/2015-12-30_56837de4f3f8e.jpg) ? ?這個y實際上就是一個局部窗口歐米伽內的像素,假設窗口半徑為r,那么,min I(y)實際上就是用以r為半徑的窗口,對R,G,B通道分別進行最小值濾波,然后選擇R,G,B通道的濾波結果的最小值作為Mcoarse(x); ? ? 3.3計算Fine map ? ? 這一步實際上是為了保留圖像邊緣,也就是保邊濾波作用,比如雙邊濾波之類,為了達到保邊作用,又要兼顧速度問題,作者直接使用了原始圖像R,G,B通道的最小值 ? ??![](https://box.kancloud.cn/2015-12-30_56837de50d991.jpg) ? ? 3.4計算M(x) ? ? 這一步,實際上是對Mcoarse進行了重定義,或者是修正: ? ??![](https://box.kancloud.cn/2015-12-30_56837de51b824.jpg) ? ? 對Mcoarse重新進行了一定半徑窗口內的最大值濾波,然后取結果和Mfine(x)的最小值; ? ? 3.5計算t(x) ? ??![](https://box.kancloud.cn/2015-12-30_56837de529d63.jpg) ? ? 其中w是一個0到1之間的數值; ? ? 3.6計算清晰圖像J(x) ? ??![](https://box.kancloud.cn/2015-12-30_56837de5376e1.jpg) ? ? 其中t0是個很小的常量,防止分母為0; 以上就是整個論文的計算過程了,看起來很簡單,對于最小值最大值濾波,已有實時算法,這里不再累贅,大家可以到[33184777](http://my.csdn.net/laviewpbt)的主頁看一下,介紹的相當詳細。 ![](https://box.kancloud.cn/2015-12-30_56837de544fd6.jpg)![](https://box.kancloud.cn/2015-12-30_56837de560cce.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de59f06e.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de5c3474.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de60d4de.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de62a21d.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de66f396.jpg)![](https://box.kancloud.cn/2015-12-30_56837de6826e9.jpg) 對于基本沒有霧的圖像,本人也做了測試(分別是原圖和效果圖): ![](https://box.kancloud.cn/2015-12-30_56837de6aae6a.jpg)![](https://box.kancloud.cn/2015-12-30_56837de6e0622.jpg) ![](https://box.kancloud.cn/2015-12-30_56837de7123a5.jpg)![](https://box.kancloud.cn/2015-12-30_56837de732fff.jpg) 上面所有效果圖,測試參數都是:濾波半徑9,w=0.8,最后放上本人的代碼,由于代碼未進行優化,也沒有使用實時濾波算法,因此,速度較慢,本人只是為了看下去霧效果而已,有興趣的可以自己優化。 總體來看,效果還可以,沒有發生顏色偏色,過渡失真之類,對于其他算法的效果,大家可以參考[33184777](http://my.csdn.net/laviewpbt)的博文。 代碼地址:[http://download.csdn.net/detail/trent1985/7851061](http://download.csdn.net/detail/trent1985/7851061) 最后,分享一個專業的圖像處理網站(微像素),里面有很多源代碼下載: [http://www.zealpixel.com/portal.php](http://www.zealpixel.com/portal.php)
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看