去雾代码vs+opencv

#define _CRT_SECURE_NO_WARNINGS #include "main.h" #include "guidedfilter.h" #pragma comment( lib, "opencv_world340d.lib" ) using namespace std; using namespace cv; int _PriorSize = 15; //窗口大小 15 double _topbright = 0.001;//亮度最高的像素比例 double _w = 1; //w0.95 float t0 = 0.1; //T(x)的最小值 因为不能让tx小于0 等于0 效果不好 0.1 int SizeH = 0; //图片高度 int SizeW = 0; //图片宽度 int SizeH_W = 0; //图片中的像素总 数 H*W Vec<float, 3> a;//全球大气的光照值 Mat trans_refine; Mat dark_out1; char img_name[100] = "11.jpg";//文件名 //读入图片 Mat ReadImage() { Mat img = imread(img_name); SizeH = img.rows; SizeW = img.cols; SizeH_W = img.rows*img.cols; Mat real_img(img.rows, img.cols, CV_32FC3); img.convertTo(real_img, CV_32FC3); real_img = real_img / 255; return real_img; //读入图片 并其转换为3通道的矩阵后 //除以255 将其RBG确定在0-1之间 } //计算暗通道 //J^{dark}(x)=min( min( J^c(y) ) ) Mat DarkChannelPrior(Mat img) { Mat dark = Mat::zeros(img.rows, img.cols, CV_32FC1);//新建一个所有元素为0的单通道的矩阵 for (int i = 0; i<img.rows; i++) { for (int j = 0; j<img.cols; j++) { dark.at<float>(i, j) = min( min(img.at<Vec<float, 3>>(i, j)[0], img.at<Vec<float, 3>>(i, j)[1]), min(img.at<Vec<float, 3>>(i, j)[0], img.at<Vec<float, 3>>(i, j)[2]) );//就是两个最小值的过程 } } erode(dark, dark_out1, Mat::ones(_PriorSize, _PriorSize, CV_32FC1)); //这个函数叫腐蚀 做的是窗口大小的模板运算 ,对应的是最小值滤波,即 黑色图像中的一块块的东西 return dark_out1;//这里dark_out1用的是全局变量，因为在其它地方也要用到 } Mat DarkChannelPrior_(Mat img) //这个函数在计算tx用到，因为与计算暗通道一样都用到了求最小值的过程，变化不多，所以改了改就用这里了 { double A = (a[0] + a[1] + a[2]) / 3.0;//全球大气光照值 此处是3通道的平均值 Mat dark = Mat::zeros(img.rows, img.cols, CV_32FC1); Mat dark_out = Mat::zeros(img.rows, img.cols, CV_32FC1); for (int i = 0; i<img.rows; i++) { for (int j = 0; j<img.cols; j++) { dark.at<float>(i, j) = min( min(img.at<Vec<float, 3>>(i, j)[0] / A, img.at<Vec<float, 3>>(i, j)[1] / A), min(img.at<Vec<float, 3>>(i, j)[0] / A, img.at<Vec<float, 3>>(i, j)[2] / A) );//同理 } } erode(dark, dark_out, Mat::ones(_PriorSize, _PriorSize, CV_32FC1));//同上 return dark_out; } /* 我们可以借助于暗通道图来从有雾图像中获取该值。具体步骤如下： 　1） 从暗通道图中按照亮度的大小取前0.1%的像素。 2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值。 */ /* 原始论文中的A最终是取原始像素中的某一个点的像素，我实际上是取的符合条件的所有点的平均值作为A的值， 因如果是取一个点，则各通道的A值很有可能全部很接近255，会造成处理后的图像偏色和出现大量色斑。 原文作者说这个算法对天空部分不需特备处理，我实际发现该算法对有天空的图像的效果一般都不好。 天空会出现明显的过渡区域。作为解决方案，增加一个参数，最大全球大气光值，当计算的值大于该值时，则就取该值。 　 */ //计算A的值 Vec<float, 3> Airlight(Mat img, Mat dark)//vec<float ,3>表示有3个大小的vector 类型为float { int n_bright = _topbright*SizeH_W; Mat dark_1 = dark.reshape(1, SizeH_W);//这里dark_1是一个有图片像素那么多行的矩阵 方便下面循环计算 vector<int> max_idx; float max_num = 0; Vec<float, 3> A(0, 0, 0); Mat RGBPixcels = Mat::ones(n_bright, 1, CV_32FC3); for (int i = 0; i<n_bright; i++) { max_num = 0; max_idx.push_back(max_num); for (float * p = (float *)dark_1.datastart; p != (float *)dark_1.dataend; p++) { if (*p>max_num) { max_num = *p;//记录光照的最大值 max_idx[i] = (p - (float *)dark_1.datastart);//位置 RGBPixcels.at<Vec<float, 3>>(i, 0) = ((Vec<float, 3> *)img.data)[max_idx[i]]; //对应 的三个通道的值给RGBPixcels } } ((float *)dark_1.data)[max_idx[i]] = 0;//访问过的标记为0，这样就不会重复访问 } for (int j = 0; j<n_bright; j++) { A[0] += RGBPixcels.at<Vec<float, 3>>(j, 0)[0]; A[1] += RGBPixcels.at<Vec<float, 3>>(j, 0)[1]; A[2] += RGBPixcels.at<Vec<float, 3>>(j, 0)[2]; }//将光照值累加 A[0] /= n_bright; A[1] /= n_bright; A[2] /= n_bright;//除以总数 即取所有符合的点的平均值。 return A; } //Calculate Transmission Matrix Mat TransmissionMat(Mat dark) { double A = (a[0] + a[1] + a[2]) / 3.0; for (int i = 0; i < dark.rows; i++) { for (int j = 0; j < dark.cols; j++) { double temp = (dark_out1.at<float>(i, j)); double B = fabs(A - temp); if (B - 0.3137254901960784 < 0.0000000000001) //K=80 80/255=0.31 这里浮点数要这样做减法才能正确的比较 { dark.at<float>(i, j) = (1 - _w*dark.at<float>(i, j))* (0.3137254901960784 / (B));//此处为改过的式子部分 } else { dark.at<float>(i, j) = 1 - _w*dark.at<float>(i, j); } if (dark.at<float>(i, j) <= 0.2)//保证Tx不失真，因为会以上除出的结果会有不对 { dark.at<float>(i, j) = 0.5; } if (dark.at<float>(i, j) >= 1)//同上 { dark.at<float>(i, j) = 1.0; } } } return dark; } Mat TransmissionMat1(Mat dark) { double A = (a[0] + a[1] + a[2]) / 3.0; for (int i = 0; i < dark.rows; i++) { for (int j = 0; j < dark.cols; j++) { dark.at<float>(i, j) = (1 - _w*dark.at<float>(i, j)); } } return dark; } //Calculate Haze Free Image Mat hazefree(Mat img, Mat t, Vec<float, 3> a, float exposure = 0)//此处的exposure的值表示去雾后应该加亮的值。 { double AAA = a[0]; if (a[1] > AAA) AAA = a[1]; if (a[2] > AAA) AAA = a[2]; //取a中的最大的值 //新开一个矩阵 Mat freeimg = Mat::zeros(SizeH, SizeW, CV_32FC3); img.copyTo(freeimg); //两个迭代器，这样的写法可以不用两层循环，比较快点 Vec<float, 3> * p = (Vec<float, 3> *)freeimg.datastart; float * q = (float *)t.datastart; for (; p<(Vec<float, 3> *)freeimg.dataend && q<(float *)t.dataend; p++, q++) { (*p)[0] = ((*p)[0] - AAA) / std::max(*q, t0) + AAA + exposure; (*p)[1] = ((*p)[1] - AAA) / std::max(*q, t0) + AAA + exposure; (*p)[2] = ((*p)[2] - AAA) / std::max(*q, t0) + AAA + exposure; } return freeimg; } void printMatInfo(char * name, Mat m) { cout << name << ":" << endl; cout << "\t" << "cols=" << m.cols << endl; cout << "\t" << "rows=" << m.rows << endl; cout << "\t" << "channels=" << m.channels() << endl; } //Main Function int main(int argc, char * argv[]) { Mat dark_channel; Mat trans; Mat img; Mat free_img; char filename[100]; while (_access(img_name, 0) != 0)//检测图片是否存在 { std::cout << "The image " << img_name << " don't exist." << endl << "Please enter another one:" << endl; cin >> filename; } clock_t start, finish; double duration1, duration3, duration4, duration7; //读入图片 cout << "读入图片 ..." << endl; start = clock(); img = ReadImage(); imshow("原图", img); //printMatInfo("img", img); finish = clock(); duration1 = (double)(finish - start) / CLOCKS_PER_SEC; cout << "Time Cost: " << duration1 << "s" << endl;//输出这一步的时间 cout << endl; //计算暗通道 cout << "计算暗通道 ..." << endl; start = clock(); dark_channel = DarkChannelPrior(img); imshow("Dark Channel Prior", dark_channel); printMatInfo("dark_channel", dark_channel); finish = clock(); duration3 = (double)(finish - start) / CLOCKS_PER_SEC; cout << "Time Cost: " << duration3 << "s" << endl; cout << endl; //计算全球光照值 cout << "计算A值 ..." << endl; start = clock(); a = Airlight(img, dark_channel); cout << "Airlight:\t" << " B:" << a[0] << " G:" << a[1] << " R:" << a[2] << endl; finish = clock(); duration4 = (double)(finish - start) / CLOCKS_PER_SEC; cout << "Time Cost: " << duration4 << "s" << endl; cout << endl; //计算tx cout << "Reading Refine Transmission..." << endl; trans_refine = TransmissionMat(DarkChannelPrior_(ReadImage())); //printMatInfo("trans_refine", trans_refine); //imshow("Refined Transmission Mat",trans_refine);