python实现暗通道去雾算法的示例_暗通道去雾算法python资源-CSDN文库

版权申诉

5星 · 超过95%的资源 146 浏览量 2020-12-16 18:59:21 上传评论 5 收藏 382KB PDF 举报

资源推荐

资源详情

资源评论

python实现暗通道去雾算法的示例实现暗通道去雾算法的示例

何凯明博士的去雾文章和算法实现已经漫天飞了，我今天也就不啰里啰唆，直接给出自己python实现的完整版本，全部才60

多行代码，简单易懂，并有简要注释，去雾效果也很不错。

在这个python版本中，计算量最大的就是最小值滤波，纯python写的，慢，可以进一步使用C优化，其他部分都是使用numpy

和opencv的现成东东，效率还行。

import cv2

import numpy as np

def zmMinFilterGray(src, r=7):

'''最小值滤波，r是滤波器半径'''

'''if r <= 0:

return src

h, w = src.shape[:2] I = src

res = np.minimum(I , I[[0]+range(h-1) , :])

res = np.minimum(res, I[range(1,h)+[h-1], :])

I = res

res = np.minimum(I , I[:, [0]+range(w-1)])

res = np.minimum(res, I[:, range(1,w)+[w-1]])

return zmMinFilterGray(res, r-1)'''

return cv2.erode(src, np.ones((2*r+1, 2*r+1))) #使用opencv的erode函数更高效

def guidedfilter(I, p, r, eps):

'''引导滤波，直接参考网上的matlab代码'''

height, width = I.shape

m_I = cv2.boxFilter(I, -1, (r,r))

m_p = cv2.boxFilter(p, -1, (r,r))

m_Ip = cv2.boxFilter(I*p, -1, (r,r))

cov_Ip = m_Ip-m_I*m_p

m_II = cv2.boxFilter(I*I, -1, (r,r))

var_I = m_II-m_I*m_I

a = cov_Ip/(var_I+eps)

b = m_p-a*m_I

m_a = cv2.boxFilter(a, -1, (r,r))

m_b = cv2.boxFilter(b, -1, (r,r))

return m_a*I+m_b

def getV1(m, r, eps, w, maxV1): #输入rgb图像，值范围[0,1] '''计算大气遮罩图像V1和光照值A, V1 = 1-t/A'''

V1 = np.min(m,2) #得到暗通道图像

V1 = guidedfilter(V1, zmMinFilterGray(V1,7), r, eps) #使用引导滤波优化

bins = 2000

ht = np.histogram(V1, bins) #计算大气光照A

d = np.cumsum(ht[0])/float(V1.size)

for lmax in range(bins-1, 0, -1):

if d[lmax]<=0.999:

break

A = np.mean(m,2)[V1>=ht[1][lmax]].max()

V1 = np.minimum(V1*w, maxV1) #对值范围进行限制

return V1,A

def deHaze(m, r=81, eps=0.001, w=0.95, maxV1=0.80, bGamma=False):

Y = np.zeros(m.shape)

V1,A = getV1(m, r, eps, w, maxV1) #得到遮罩图像和大气光照

for k in range(3):

Y[:,:,k] = (m[:,:,k]-V1)/(1-V1/A) #颜色校正

Y = np.clip(Y, 0, 1)

if bGamma:

Y = Y**(np.log(0.5)/np.log(Y.mean())) #gamma校正,默认不进行该操作

return Y

if __name__ == '__main__':

m = deHaze(cv2.imread('land.jpg')/255.0)*255

cv2.imwrite('defog.jpg', m)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

版权申诉

一帆风顺712

2023-12-21

资源不错，对我启发很大，获得了新的灵感，受益匪浅。
我有上将军f4

2022-10-26

发现一个超赞的资源，赶紧学习起来，大家一起进步，支持！
weixin_44690162

2023-03-08

感谢资源主的分享，这个资源对我来说很有用，内容描述详尽，值得借鉴。
VC1976

2022-10-20

资源不错，对我启发很大，获得了新的灵感，受益匪浅。
_infinite_

2023-10-20

资源很实用，内容详细，值得借鉴的内容很多，感谢分享。

前往

页

weixin_38695061

粉丝: 4
资源: 931

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip