TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

VIỆN ĐIỆN TỬ - VIỄN THÔNG

BÁO CÁO BÀI TẬP LỚN

XỬ LÝ ẢNH SỐ
Đề tài:

NGHIÊN CỨU THỬ NGHIỆM PHƯƠNG PHÁP
KHỬ MỜ CHO ẢNH DỰA TRÊN DCP

Hà Nội, 2020


LỜI NĨI ĐẦU

Ngày này khói mù trong bầu khí quyển làm giảm chất lượng của hình ảnh.
Việc loại bỏ sương mù, được gọi là dehazing, thường được thực hiện theo mơ hình
vật lý, địi hỏi một giải pháp cho một vấn đề nghịch đảo. Để giảm bớt khó khăn của
vấn đề, một giả thuyết trước đó gọi là kênh tối trước (DCP) đã được đề xuất gần
đây và đã nhận được rất nhiều sự chú ý. Dựa trên DCP, việc khử ánh sáng được
thực hiện. Trong báo cáo này chúng em sẽ làm rõ việc khử mờ ảnh trên DCP.

2


MỤC LỤC
LỜI NĨI ĐẦU.................................................................................................................................................2
DANH MỤC HÌNH ẢNH..............................................................................................................................4
CHƯƠNG I: GIỚI THIỆU...........................................................................................................................5

CHƯƠNG 2: TỔNG QUAN..........................................................................................................................7
CHƯƠNG 3: DARK CHANNEL PRIOR...................................................................................................9
CHƯƠNG 4: KHỬ MỜ ẢNH DƯA TRÊN DCP.....................................................................................14
4.1 Ước tính truyền..................................................................................................................................14
4.2 Soft Matting........................................................................................................................................16
4.3 Khơi phục độ sáng của cảnh.............................................................................................................17
4.4 Ước tính ánh sáng khí quyển............................................................................................................17
CHƯƠNG 5: KẾT QUẢ..............................................................................................................................19
TÀI LIỆU THAM KHẢO...........................................................................................................................23

3


DANH MỤC HÌNH ẢNH
Hình 1.1: Khử mờ sử dụng một hình ảnh duy nhất...................................................5
Hình 3.1: Hình ảnh ngời trời của kênh tối...............................................................10
Hình 3.2: Kênh tối của ảnh mờ................................................................................11
Hình 3.3: Hình ảnh khơng bị mờ.............................................................................12
Hình 3.4: Thống kê các kênh tối..............................................................................12
Hình 4.1: Kết q khử mờ.......................................................................................16
Hình 4.2: Ước tính ánh sáng khí quyển...................................................................18
Hình 5.1: Ảnh ban đầu.............................................................................................19
Hình 5.2: DCP của ảnh............................................................................................19
Hình 5.3: Ước tính ánh sáng của ảnh......................................................................20
Hình 5.4: Ước tính truyền........................................................................................20
Hình 5.5: Thực hiện soft matting cho ảnh...............................................................21
Hình 5.6: Khử mờ cho ảnh......................................................................................21
Hình 5.7: Khử mờ một tập ảnh................................................................................22

4



CHƯƠNG I: GIỚI THIỆU
Hình ảnh của các cảnh ngồi trời thường bị giảm chất lượng bởi mơi trường
đục (ví dụ, các hạt, giọt nước) trong khí quyển. Khói mù, sương mù và khói là
những hiện tượng như vậy do sự hấp thụ và tán xạ của khí quyển. Bức xạ mà máy
ảnh nhận được từ điểm hiện trường bị suy giảm dọc theo đường ngắm. Hơn nữa,
ánh sáng tới được pha trộn với đèn khơng khí (ánh sáng xung quanh bị các hạt khí
quyển phản xạ vào đường nhìn). Hình ảnh bị giảm chất lượng sẽ mất đi độ tương
phản và độ trung thực của màu sắc, như trong Hình 1 (a). Vì lượng tán xạ phụ
thuộc vào khoảng cách của các điểm cảnh từ máy ảnh, nên sự suy giảm là biến thể
theo khơng gian.

Hình 1.1: Khử mờ sử dụng một hình ảnh duy nhất
Khử mờ rất được mong muốn trong cả các ứng dụng chụp ảnh tiêu dùng /
máy tính và thị giác máy tính. Đầu tiên, việc loại bỏ khử mờ có thể làm tăng đáng
kể khả năng hiển thị của cảnh và hiệu chỉnh sự thay đổi màu sắc do đèn khơng khí
gây ra. Nhìn chung, hình ảnh khơng có khử mờ sẽ dễ chịu hơn về mặt thị giác. Thứ
hai, hầu hết các thuật toán thị giác máy tính, từ phân tích hình ảnh mức thấp đến
nhận dạng vật thể mức cao, thường giả định rằng hình ảnh đầu vào (sau khi hiệu
5


chuẩn đo bức xạ) là bức xạ cảnh. Hiệu suất của các thuật tốn thị giác (ví dụ: phát
hiện tính năng, lọc và phân tích trắc quang) chắc chắn sẽ bị sai lệch, bức xạ cảnh
có độ tương phản thấp. Cuối cùng, việc loại bỏ khử mờ có thể tạo ra thơng tin về
độ sâu và mang lại lợi ích cho nhiều thuật tốn thị giác và chỉnh sửa hình ảnh nâng
cao. Khử mờ có thể là một đầu mối chiều sâu hữu ích để hiểu cảnh. Hình ảnh khử
mờ xấu có thể được sử dụng tốt.
Tuy nhiên, khử mờ là một vấn đề khó khăn vì khử mờ phụ thuộc vào thông

tin về độ sâu không xác định. Vấn đề bị hạn chế nếu đầu vào chỉ là một hình ảnh
mờ duy nhất. Do đó, nhiều phương pháp đã được đề xuất bằng cách sử dụng nhiều
hình ảnh hoặc thông tin bổ sung. Các phương pháp dựa trên phân cực loại bỏ hiệu
ứng sương mù thông qua hai hoặc nhiều hình ảnh được chụp với các mức độ phân
cực khác nhau. Các phương pháp dựa trên độ sâu yêu cầu thông tin độ sâu thô từ
đầu vào của người dùng hoặc từ các mơ hình 3D đã biết.
DCP dựa trên số liệu thống kê về các hình ảnh ngồi trời khơng có khói mù.
Chúng tơi thấy rằng, ở hầu hết các khu vực địa phương không che bầu trời, một số
pixel (được gọi là "pixel tối") có cường độ rất thấp trong ít nhất một kênh màu
(rgb) rất thường xuyên. Trong hình ảnh sương mù, cường độ của các điểm ảnh tối
này trong kênh đó chủ yếu do ánh sáng đèn đóng góp. Do đó, những pixel tối này
có thể trực tiếp cung cấp ước tính chính xác về sự truyền tải của sương mù. Kết
hợp mơ hình chụp ảnh sương mù và phương pháp nội suy mềm, chúng tơi có thể
khơi phục hình ảnh khơng có sương mù chất lượng cao và tạo ra bản đồ độ sâu tốt
(lên đến tỷ lệ).
Giống như bất kỳ cách tiếp cận nào sử dụng một giả định mạnh mẽ, cách
tiếp cận của chúng tơi cũng có hạn chế riêng. DCP có thể không hợp lệ khi đối
tượng cảnh vốn dĩ giống với đèn khơng khí trên một vùng cục bộ lớn và khơng có
bóng đổ lên đối tượng. Mặc dù cách tiếp cận của chúng tôi hoạt động tốt đối với
hầu hết các hình ảnh ngồi trời có sương mù, nhưng nó có thể khơng thành cơng
trong một số trường hợp khắc nghiệt. Chúng tôi tin rằng việc phát triển các bản gốc
tiểu thuyết từ các hướng khác nhau là rất quan trọng và việc kết hợp chúng với
nhau sẽ nâng cao hơn nữa trình độ nghệ thuật.

6


CHƯƠNG 2: TỔNG QUAN
Trong thị giác máy tính và đồ họa máy tính, mơ hình được sử dụng rộng rãi
để mơ tả sự hình thành của một hình ảnh mờ như sau:

I(x) = J(x)t(x) + A(1 − t(x))

(1)

trong đó I là cường độ quan sát được, J là bức xạ quang cảnh, A là ánh sáng khí
quyển tồn cầu, và t là độ truyền trung bình mơ tả phần ánh sáng không bị tán xạ
và đến được máy ảnh. Mục tiêu của việc loại bỏ mờ là khôi phục J, A và t từ I.
Số hạng đầu tiên J (x) t (x) ở bên phải của Phương trình (1) được gọi là suy
hao trực tiếp , và số hạng thứ hai A (1-t (x)) được gọi là airlight. Sự suy giảm trực
tiếp mơ tả sự chói sáng của cảnh và sự phân rã của nó trong mơi trường, trong khi
ánh sáng khơng khí là kết quả của ánh sáng bị tán xạ trước đó và dẫn đến sự thay
đổi màu sắc của cảnh. Khi bầu khí quyển là đồng nhất, độ truyền t có thể được biểu
thị bằng:
(2)
trong đó β là hệ số tán xạ của khí quyển. Nó chỉ ra rằng độ chói của cảnh bị suy
giảm theo cấp số nhân với độ sâu của cảnh d
Về mặt hình học, tạo mờ Cơng thức (1) có nghĩa là trong không gian màu
RGB, các vectơ A, I (x) và J (x) là đồng phẳng và điểm cuối của chúng là thẳng
hàng (xem Hình 2 (a)). Độ truyền sóng t là tỉ số giữa hai đoạn thẳng:
(3)

7


trong đó c∈ {r, g, b} là chỉ số kênh màu.
Dựa trên mơ hình này, phương pháp của Tan tập trung vào việc nâng cao
khả năng hiển thị của hình ảnh. Đối với một bản vá có truyền dẫn đều t, khả năng
hiển thị (tổng gradient) của hình ảnh đầu vào bị giảm do sương mù, vì t <1:
(4)
Việc truyền t trong một bản vá cục bộ được ước tính bằng cách tối đa hóa

khả năng hiển thị của bản vá và thỏa mãn một hạn chế rằng cường độ của J (x) nhỏ
hơn cường độ của A. Một mô hình MRF được sử dụng để chính xác hóa kết quả.
Cách tiếp cận này có thể tiết lộ các chi tiết và cấu trúc từ hình ảnh khói mù.
Tuy nhiên, hình ảnh đầu ra có xu hướng có giá trị bão hịa lớn hơn bởi vì phương
pháp này chỉ tập trung vào việc nâng cao khả năng hiển thị và khơng có ý định
khơi phục về mặt vật lý độ rạng rỡ của cảnh. Bên cạnh đó, kết quả có thể chứa các
hiệu ứng hào quang gần các điểm gián đoạn độ sâu.
Fattal đề xuất một cách tiếp cận dựa trên Phân tích thành phần độc lập
(ICA). Đầu tiên, albedo của một bản vá cục bộ được giả định là một vectơ khơng
đổi R. Do đó, tất cả các J (x) trong bản vá có cùng hướng R, như thể hiện trong
Hình 1 (b). Thứ hai, bằng cách giả định rằng thống kê của bóng bề mặt J (x) và
truyền t (x) là độc lập trong bản vá, hướng của R có thể được ước tính bởi ICA.
Cuối cùng, một mơ hình MRF được hướng dẫn bởi hình ảnh màu đầu vào được áp
dụng để ngoại suy giải pháp cho tồn bộ hình ảnh. Cách tiếp cận này dựa trên cơ
sở vật lý và có thể tạo ra hình ảnh tự nhiên khơng có khói mù cùng với bản đồ độ
sâu tốt. Tuy nhiên, vì cách tiếp cận này dựa trên giả định độc lập về mặt thống kê
trong một bản vá cục bộ, nên nó yêu cầu các thành phần độc lập khác nhau đáng
kể. Bất kỳ sự thiếu biến đổi nào hoặc tỷ lệ tín hiệu trên nhiễu thấp (ví dụ: trong
vùng sương mù dày đặc) sẽ làm cho số liệu thống kê không đáng tin cậy. Hơn nữa,
vì số liệu thống kê dựa trên thơng tin màu sắc, nó khơng hợp lệ đối với hình ảnh
thang độ xám và khó xử lý sương mù dày đặc thường không màu và dễ bị nhiễu.

8


CHƯƠNG 3: DARK CHANNEL PRIOR
Quan sát đặc tính của hình ảnh ngồi trời khơng có khói mù, người ta đã đề
xuất một giả thuyết trước đó — kênh tối trước đó (DCP). DCP dựa trên thuộc tính
“điểm ảnh tối”, có cường độ rất thấp trong ít nhất một kênh màu, ngoại trừ vùng
bầu trời. Do hiệu quả của nó trong việc khử mùi, phần lớn các kỹ thuật khử mùi

gần đây đã áp dụng DCP. Kỹ thuật khử ẩm dựa trên DCP bao gồm bốn bước chính:
ước tính ánh sáng khí quyển, ước tính bản đồ truyền, tinh chỉnh bản đồ truyền và
tái tạo hình ảnh. Trong b cáo này chúng em thực hiện phân tích chuyên sâu về
các phương pháp dựa trên DCP theo quan điểm bốn bước.
Từ 5000 kênh tối của hình ảnh khơng có khói mù ngồi trời, người ta đã
chứng minh rằng khoảng 75 phần trăm pixel trong các kênh tối có giá trị bằng 0 và
90 phần trăm pixel có giá trị dưới 35 khi loại trừ pixel trên vùng trời . Các cường
độ thấp trong kênh tối là do ba đặc điểm chính sau: (i) bóng, ví dụ: bóng từ ơ tơ và
tịa nhà trong cảnh đơ thị hoặc bóng từ cây, lá và đá trong phong cảnh (Hình 2.1a);
(ii) các đồ vật hoặc bề mặt nhiều màu sắc, ví dụ, hoa và lá màu đỏ hoặc vàng (Hình
2.1b); và (iii) các vật thể hoặc bề mặt tối, ví dụ, các thân cây và đá sẫm màu (Hình
2.1c)

9


Hình 3.1: Hình ảnh ngời trời của kênh tối
Ngược lại, các kênh tối từ các hình ảnh mờ tạo ra các điểm ảnh có giá trị
trên 0 như trong Hình 3. Ánh sáng khí quyển tồn cầu có xu hướng trở nên đa sắc
và sáng, và sự kết hợp giữa ánh sáng khơng khí và sự suy giảm trực tiếp làm tăng
đáng kể giá trị tối thiểu của ba kênh màu trong bản vá cục bộ. Điều này ngụ ý rằng
các giá trị pixel của kênh tối có thể đóng vai trị là manh mối quan trọng để ước
tính mật độ sương mù. Kết quả khử mùi thành công của các thuật toán khử mùi
dựa trên DCP khác nhau hỗ trợ hiệu quả của DCP trong việc khử mùi bằng hình
ảnh.

10


Hình 2.2: Kênh tối của ảnh mờ

DCP( Dark Channel Prior ) dựa trên quan sát sau đây về hình ảnh ngồi trời
khơng có sương mù: trong hầu hết các mảng khơng có bầu trời, ít nhất một kênh
màu có cường độ rất thấp tại một số pixel. Nói cách khác, cường độ tối thiểu trong
một bản vá như vậy phải có giá trị rất thấp. Về mặt hình thức, đối với một hình ảnh
J, chúng tơi xác định
(5)
trong đó là kênh màu của J và Ω (x) là bản vá cục bộ có tâm tại x. Quan sát của
chúng tơi cho thấy ngoại trừ vùng trời, cường độ tối của và có xu hướng bằng 0,
nếu J là hình ảnh ngồi trời khơng có sương mù. Chúng tơi gọi là kênh tối của J, và
chúng tôi gọi quan sát thống kê ở trên hoặc kiến thức ở trên là kênh tối trước đó.
Để xác minh mức độ tốt của kênh tối trước đó, chúng tơi thu thập bộ hình
ảnh ngồi trời từ flickr.com và một số cơng cụ tìm kiếm hình ảnh khác bằng cách
sử dụng 150 thẻ phổ biến nhất được người dùng flickr chú thích. Vì sương mù
thường xuất hiện trong cảnh quan ngoài trời và cảnh quan thành phố, nên chúng tôi
chọn ra những cảnh quan không có khói mù và cảnh quan thành phố theo cách thủ
cơng từ các hình ảnh đã tải xuống. Trong số đó, chúng tơi chọn ngẫu nhiên 5.000
hình ảnh và cắt bỏ các vùng trên bầu trời theo cách thủ công. Chúng được thay đổi
kích thước các kênh tối của chúng được tính bằng kích thước bản vá 15 × 15. Hình
2 cho thấy một số hình ảnh ngồi trời và các kênh tối tương ứng.
11


Hình 3.3: Hình ảnh khơng bị mờ

Hình 3.4: Thống kê các kênh tối
Hình 3.4 (a) là biểu đồ cường độ trên tất cả 5.000 kênh tối và Hình 4 (b) là
biểu đồ tích lũy tương ứng. Chúng ta có thể thấy rằng khoảng 75% pixel trong
kênh tối có giá trị bằng 0 và cường độ của 90% pixel dưới 25. Thống kê này hỗ trợ
rất mạnh cho kênh tối của chúng ta trước đây. Chúng tơi cũng tính tốn cường độ
trung bình của mỗi kênh tối và vẽ biểu đồ tương ứng trong Hình 4 (c). Một lần nữa,

hầu hết các kênh tối có cường độ trung bình rất thấp, có nghĩa là chỉ một phần nhỏ
các hình ảnh ngồi trời khơng có sương mù bị lệch so với trước đây của chúng tơi.
Do có ánh sáng phụ gia, hình ảnh có sương mù sáng hơn so với phiên bản
khơng có sương mù ở nơi độ truyền thấp. Vì vậy kênh tối của hình ảnh sương mù
sẽ có cường độ cao hơn ở những vùng có sương mù dày đặc hơn. Về mặt trực
12


quan, cường độ của kênh tối là một xấp xỉ thô của độ dày của mây mù (xem bên
tay phải của Hình 3.3).
Lưu ý rằng, chúng tơi bỏ qua các vùng bầu trời vì kênh tối của hình ảnh
khơng có sương mù có thể có cường độ cao ở đây. May mắn thay, chúng ta có thể
xử lý các vùng trời một cách duyên dáng bằng cách sử dụng Phương trình tạo ảnh
sương mù (1) và phương trình trước đó của chúng ta cùng nhau. Không cần thiết
phải cắt bỏ các vùng trên bầu trời một cách rõ ràng.

CHƯƠNG 4: KHỬ MỜ ẢNH DƯA TRÊN DCP
13


4.1 Ước tính truyền
Trong phương pháp khử mù dựa trên DCP ban đầu, người ta đề cập rằng
hình ảnh có thể trơng khơng tự nhiên nếu khói mù được loại bỏ triệt để .Do đó,
hằng số ω (0 <ω <1) được sử dụng để giữ lại một lượng nhỏ khói mù
Ở đây, trước tiên chúng ta giả sử rằng ánh sáng A trong khí quyển được đưa
ra. Chúng tơi giả định thêm rằng việc truyền trong một bản vá cục bộ Ω (x) là
không đổi. Chúng tôi ký hiệu độ truyền của bản vá là t ˜ (x). Thực hiện phép toán
tối thiểu trong bản vá cục bộ trên phương trình tạo ảnh sương mù (1), chúng ta có:
(6)
Lưu ý rằng hoạt động tối thiểu được thực hiện trên ba kênh màu một cách độc lập.

Phương trình này tương đương với:
(7)
Sau đó, chúng tơi thực hiện phép tốn tối thiểu giữa ba kênh màu trong phương
trình trên và thu được:
(8)
Theo kênh tối trước đó, kênh tối của bức xạ khơng có sương mù J có xu hướng
bằng khơng:
(9)
Vì ln dương, điều này dẫn đến:
(10)
Đưa Phương trình (10) vào Phương trình (8), chúng ta có thể ước lượng truyền
đơn giản bằng:
(11)
Trên thực tế, là kênh tối của hình ảnh sương mù chuẩn hóa . Nó trực tiếp cung cấp
ước tính của q trình truyền.
Kênh tối trước đó khơng phải là kênh tốt cho các vùng trên bầu trời. May mắn
thay, màu sắc của bầu trời thường rất giống với ánh sáng A trong khí quyển trong
một hình ảnh mây mù và chúng ta có:
14


(12)
trên các vùng trời. Vì bầu trời ở vơ hạn và có xu hướng khơng có đường truyền,
nên Cơng thức (11) xử lý một cách duyên dáng cả vùng trời và vùng không phải
bầu trời. Chúng ta không cần phải tách các vùng trời trước.
Trong thực tế, ngay cả trong những ngày quang đãng, bầu khí quyển khơng
hồn tồn khơng có bất kỳ hạt nào. Vì vậy, khói mù vẫn tồn tại khi chúng ta nhìn
vào các vật thể ở xa. Hơn nữa, sự hiện diện của khói mù là một dấu hiệu cơ bản để
con người nhận thức được độ sâu .Hiện tượng này được gọi là phối cảnh trên
không. Nếu chúng tôi loại bỏ sương mù kỹ lưỡng, hình ảnh có vẻ khơng tự nhiên

và cảm giác về chiều sâu có thể bị mất. Vì vậy, chúng tơi có thể tùy ý giữ một
lượng rất nhỏ sương mù cho các vật thể ở xa bằng cách đưa một tham số khơng đổi
ω (0 <ω≤1) vào Cơng thức (11):
(13)
Tính chất của sửa đổi này là thích nghi giữ nhiều sương mù hơn cho các vật
thể ở xa. Giá trị của ω dựa trên ứng dụng. Chúng tơi sửa nó thành 0,95 cho tất cả
các kết quả được báo cáo trong bài báo này.

Hình 4.1: Kết quá khử mờ
Hình 4.1 (b) là bản đồ truyền dẫn ước tính từ một hình ảnh sương mù đầu
vào (Hình 4.1 (a)) sử dụng kích thước bản vá 15 × 15. Nó khá tốt nhưng chứa một
số hiệu ứng khối vì quá trình truyền không phải lúc nào cũng ổn định trong một
bản vá. Trong phần phụ tiếp theo, chúng tôi tinh chỉnh bản đồ này bằng phương
pháp phủ mềm.

15


4.2 Soft Matting
Chúng tơi nhận thấy rằng phương trình tạo ảnh sương mù (1) có dạng tương
tự với phương trình ảnh mờ. Một bản đồ truyền dẫn chính xác là một bản đồ alpha.
Do đó, chúng tơi áp dụng một thuật tốn mờ mềm để tinh chỉnh đường truyền.
Kí hiệu bản đồ truyền dẫn tinh bằng t (x). Viết lại t (x) và ở dạng vectơ của
chúng dưới dạng t và , chúng ta tối thiểu hóa hàm chi phí sau:
(14)
trong đó L là ma trận Laplacian Matting do Levin đề xuất, và λ là một tham số
chính quy. Số hạng đầu tiên là số hạng trơn và số hạng thứ hai là số hạng dữ liệu.
Phần tử (i, j) của ma trận L được định nghĩa là:
(15)
trong đó và là màu của hình ảnh đầu vào I tại các pixel i và j, là đồng bằng

Kronecker, và là ma trận trung bình và hiệp phương sai của các màu trong cửa sổ
là ma trận nhận dạng 3 × 3, ε là một tham số chính quy và là số pixel trong cửa
sổ .
T tối ưu có thể nhận được bằng cách giải hệ thống tuyến tính thưa thớt sau:
(16)
trong đó U là ma trận nhận dạng có cùng kích thước với L. Ở đây, chúng tôi đặt
một giá trị nhỏ trên trong các thí nghiệm của chúng tơi) để t bị giới hạn mềm bởi .
Phương pháp trải thảm mềm của Levin cũng đã được Hsu etal áp dụng để
đối phó với vấn đề cân bằng trắng thay đổi theo không gian. Trong cả tác phẩm của
Levin và Hsu, chữ t chỉ được biết đến ở những vùng thưa thớt và phép phủ mờ chủ
yếu được sử dụng để ngoại suy giá trị cho vùng chưa biết. Trong bài báo này,
chúng tôi sử dụng lớp nền mềm để tinh chỉnh phần thơ hơn đã lấp đầy tồn bộ hình
ảnh.
Hình 4.1 (c) là kết quả mềm sử dụng Hình 4 (b) làm thuật ngữ dữ liệu. Như
chúng ta có thể thấy, bản đồ truyền dẫn tinh chỉnh quản lý để nắm bắt các điểm
gián đoạn cạnh sắc nét và phác thảo hồ sơ của các đối tượng.
4.3 Khôi phục độ sáng của cảnh
Với bản đồ truyền dẫn, chúng ta có thể khơi phục độ sáng của cảnh theo
Phương trình (1). Nhưng số hạng suy giảm trực tiếp J (x) t (x) có thể rất gần bằng
16


không khi truyền t (x) gần bằng không. Bức xạ của cảnh được phục hồi trực tiếp J
dễ bị nhiễu. Do đó, chúng tơi hạn chế truyền t (x) ở giới hạn dưới t_0, có nghĩa là
một lượng nhỏ sương mù được bảo tồn trong các vùng sương mù rất dày đặc. Ảnh
cùng J (x) được phục hồi bởi:
(17)
Giá trị điển hình của là 0,1. Vì vậy, chúng tơi tăng độ phơi sáng của J (x) để
hiển thị. Hình 4 (d) là bức xạ cảnh được phục hồi cuối cùng của chúng tơi.
4.4 Ước tính ánh sáng khí quyển

Trong hầu hết các phương pháp ảnh đơn lẻ trước đây, ánh sáng A trong khí
quyển được ước tính từ pixel mờ ảo nhất. Ví dụ: pixel có cường độ cao nhất được
sử dụng làm ánh sáng khí quyển trong và được tinh chỉnh thêm trong . Nhưng
trong hình ảnh thực, điểm ảnh sáng nhất có thể là trên một chiếc ơ tơ màu trắng
hoặc một tịa nhà màu trắng.

Hình 4.2: Ước tính ánh sáng khí quyển
Chúng ta có thể sử dụng kênh tối để cải thiện ước tính ánh sáng trong khí
quyển. Trước tiên, chúng tơi chọn 0,1% pixel sáng nhất hàng đầu trong kênh tối.
Những điểm ảnh này hầu hết là mờ đục (được giới hạn bởi các đường màu vàng
trong Hình 5 (b)). Trong số các pixel này, pixel có cường độ cao nhất trong hình
ảnh đầu vào I được chọn làm ánh sáng khí quyển. Các pixel này nằm trong hình
chữ nhật màu đỏ trong Hình 5 (a). Lưu ý rằng những pixel này có thể khơng sáng
nhất trong tồn bộ hình ảnh.
Phương pháp đơn giản dựa trên kênh tối trước đây mạnh hơn phương pháp
"pixel sáng nhất". Chúng tơi sử dụng nó để tự động ước tính ánh sáng khí quyển
cho tất cả các hình ảnh được hiển thị trên giấy.
17


CHƯƠNG 5: KẾT QUẢ

Thục hiện các bước như phần lý thuyết

Hình 5.1: Ảnh ban đầu

18


Hình 5.2: DCP của ảnh


Hình 5.3: Ước tính ánh sáng của ảnh

19


Hình 5.4: Ước tính truyền

Hình 5.5: Thực hiện soft matting cho ảnh

Hình 5.6: Khử mờ cho ảnh
20


Xét với một tập ảnh thu được kết quả

Hình 5.7: Khử mờ một tập ảnh
Nhận xét : Sau khi khử mờ ảnh , thấy được các hình đã trờ nên rõ nét hơn
khơng cịn bị che phủ bởi sương mù. Khử mờ giúp chúng ta phục hồi được rất
nhiều ảnh phục vụ nhiều mục đích trong cuộc sống hiện nay.

21


TÀI LIỆU THAM KHẢO

/>He, Kaiming, Jian Sun, and Xiaoou Tang. "Single image haze removal using dark
channel prior." IEEE transactions on pattern analysis and machine intelligence 33,
no. 12 (2010): 2341-2353.


22