【摘 要】隨著手機用戶的不斷增加，手機的功能性也被越來越多的人開始重視，其中一項便是手機攝像，手機攝像清晰化也是需要著重研究的課題。圖片需要以景物圖像為輸入，通過計算機視覺、圖像處理等處理技術檢測輸入圖像的。本文利用MATLAB平臺著重研究圖像對比度增強、異常天氣圖片清晰化顯示、運動圖像的抖動復原問題[1]。

【關鍵詞】圖像處理；大氣散射模型；運動模糊

一、惡劣天氣下圖像清晰化設計

（一）波處理方法

波處理方法：對圖像進行濾波處理主要是為了消除圖像中存在的噪聲。針對逆濾波圖像復原算法進行研究，在已知系統(tǒng)退化模型的情況下，對退化圖像使用逆濾波算法進行復原，再對復原后的圖像進行平滑處理，使其更接近于原始圖像。

維納濾波是一種最基本的方法，優(yōu)點是適應面較廣，無論平穩(wěn)隨機過程是連續(xù)的還是離散的，是標量的還是向量的，都可應用。在維納濾波中加入中值濾波和平滑濾波。中值濾波法是一種非線性平滑技術，基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術，基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。平滑濾波是低頻增強的空間域濾波技術。它的目的有兩類：一類是模糊；另一類是消除噪音。鄰域的大小與平滑的效果直接相關，鄰域越大平滑的效果越好，但鄰域過大，平滑會使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小[2]。具體的如圖1所示。

原始圖像 濾波處理后圖像

圖1濾波處理方法方式

（二） 對比度增強的清晰化方法

RETINEX 算法：Retinex理論的基礎理論是物體的顏色是由物體對長波、中波、短波光線的反射能力來決定的，而不是由反射光強度的絕對值來決定的，物體的色彩不受光照非均勻性的影響，具有一致性。不同于傳統(tǒng)的線性、非線性的只能增強圖像某一類特征的方法，Retinex可以在動態(tài)范圍壓縮、邊緣增強和顏色恒常三個方面打到平衡，因此可以對各種不同類型的圖像進行自適應的增強[3]。這種方法主要包括以下幾個步驟：1、數(shù)據(jù)準備。將彩色圖像劃分為R ，G，B三個波段；將每個像素的值由整數(shù)轉(zhuǎn)換為浮點數(shù)。2、計算每個波段內(nèi)相對明暗感覺。3、數(shù)據(jù)顯示。將每個波段內(nèi)像素間的相對明暗關系確定的色彩值轉(zhuǎn)換為RGB 值以便能在現(xiàn)有的設備中顯示和使用。

（三）直方圖均衡算法

1、全局直方圖均衡算法。全局直方圖均衡算法是一個圖像增強的基本手段，其基本思想是通過灰度的映射來修正圖像的直方圖，使之具有更加平坦的分布，增加了像素灰度值的動態(tài)范圍，其主要目的有兩個：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得更有利于機器處理。在惡劣天氣里，圖像的對比度較低，可以通過直方圖均衡化的方法達到增強圖像的對比度的效果[4]。但算法灰度級變換是自動完成的，雖然圖像對比度獲得了提高，但是會導致暗的部分更暗，亮的部分更亮，這會損失一些圖像細節(jié)；并且RGB 三個分量分別進行直方圖均衡算法，最終輸出圖像色彩存在一定的失真；并且該算法會引入噪聲，與之前濾波處理方法有所沖突。

2、局部直方圖均衡算法。全局直方圖均衡是基于整幅圖像的，計算量小且易實現(xiàn)，但是難免對一些細節(jié)增強不夠。在全局直方圖均衡的基礎上，我們采用局部直方圖均衡方法來優(yōu)化細節(jié)，這種方法只起到窗內(nèi)局部對比度增強作用，并沒有調(diào)節(jié)整幅圖像動態(tài)范圍，比之全局直方圖均衡算法更為穩(wěn)定。因此我們考慮將這兩種方法結(jié)合起來，從而可以彌補各自的不足。

二、成像模型的運動模糊圖像復原

（一）利用“摳圖”思想的局部圖像研究

“摳圖”是圖像處理中最常做的操作之一，將圖像中需要的部分從畫面中精確地提取出來，我們就稱為摳圖，摳圖是后續(xù)圖像處理的重要基礎。在目標局部運動模糊圖像中，背景和目標兩者的交界區(qū)域內(nèi)像素同時混合有背景圖像和目標圖像，可以認為該交界區(qū)域內(nèi)的圖像是背景圖像和前景圖像的線性組合，我們利用摳圖思想把這部分從畫面中提取出來[5]。 通常假定給定圖像中的每一個像素點的顏色值是前景圖像和背景圖像的一個線性組合，局部運動模糊圖像與普通的圖像“摳圖”技術不同之處在于，圖像“摳圖”技術中圖像的前景部分與背景的融合區(qū)域是由圖像的不透明程度決定的。

（二）圖像退化的復原

成像系統(tǒng)受各種因素的影響，導致了圖像質(zhì)量的降低，稱之為圖像退化。通常來說解決運動模糊的方法一般有兩種，第一是減小相機的曝光時間，那么這樣物體在曝光時間內(nèi)的運動距離就小，因此模糊會減小，但這與相機技術相關，難以實現(xiàn)，更方便的辦法是通過數(shù)學的辦法將獲得的運動模糊圖像經(jīng)過處理復原而獲得清晰的圖像。而復原圖像的目標是，在已知模糊圖像的前提下，求出原始圖像。我們可以用lucy-rechardson恢復算法來加以模型化[6]。lucy-rechardson 算法的原理可用下面的公式2所示：

上面的公式是一次迭代的過程，其中是迭代的上一次結(jié)果，當?shù)谝淮蔚臅r候，這個值可以取初始輸入的模糊圖像 g（m，n）， h（-m，-n）可以用h（HX-m，HY-n）來表示，其中HX和HY分別表示系統(tǒng)函數(shù)的高度和寬度，公式中的所有乘均為矩陣點乘，卷積為二維的卷積，卷積尺寸控制為圖像的尺寸。將以上結(jié)果迭代多次，我們可以選擇較好的結(jié)果圖像作為最終的輸出圖像。

參考文獻：

[1]劉建明.基于PC 的霧天圖像和視頻的清晰化算法研究與實現(xiàn).上海：上海交通大學，2009

[2]楊晨.霧天圖像增強算法研究.南京： 南京理工大學，2007

[3]溫箐笛.基于Matlab 大霧天氣下圖像清晰化研究.貴州：貴州財經(jīng)大學信息學院，2012

[4]楊彥.圖像復原算法研究.四川大學碩士學位論文.2004

[5]岡薩雷斯， 伍茲. 數(shù)字圖像處理（第二版）.電子工業(yè)出版社. 2003

[6]陳天華.數(shù)字圖像處理.清華大學出版社.2007