新普金娱乐网址


数学java hashtable

数学本着因基金大师们的从0到1

数学陪娃迎接期末考试有谢

  • 十月 02, 2018
  • 数学
  • 没有评论

      最新的意义见
:http://video.sina.com.cn/v/b/124538950-1254492273.html
 

起源网络

     
可处理视频的言传身教:视频去雾效果

前几龙,网络发出摆图纸父亲陪伴儿子开功课,儿子戴上安全帽,看起,特别滑稽可笑。

   
 在图像去雾是圈子,几乎没人无清楚《Single Image Haze Removal Using
Dark Channel
Prior》这篇稿子,该文是2009年CVPR最佳论文。作者何凯明博士,2007年清华大学毕业,2011年香港中文大学博士毕业,可谓是功夫深厚,感叹于国内有的所谓博士之档次,何这样的博士才足以真正称之为Doctor。

还说,看正在对象围别人的儿女父慈子孝,看在温馨的孩子是鸡飞狗跳。

    
关于何博士的片段素材和论文,大家可以看这里:http://research.microsoft.com/en-us/um/people/kahe/

子女辈还起半月快要期末考试了,我家女儿六年级,儿子二年级,别看都是小学。天天都是在测验各种测试卷,期末A卷B卷,去年底同期期末试卷,以及买的各种卷子,上午考下午考,儿子说将把人口测验焦了。

    
最开始接触何的即刻篇论文是当2011年,说其实的十分时候,只是无论浏览了生,看到其中的soft
matting过程比较复杂,并且实施进度非常缓慢,就从未有过什么好的趣味。最近以奇迹拾自,仔细研读,觉得论文的推理步骤特别清晰,讲解很到位。恰好适逢浏览到其另外一篇稿子《Guided
Image
Filtering》 ,其中涉嫌了足据此导向滤波来替代soft
matting的过程,且速度迅猛,因此,我对去雾的志趣算法又大大提高了。
 

小子二年级,也是同等一致龙考几破,考完语文考数学。晚上学业就是是陪他签订正试卷家长签字,刷各种课题。

     本文主要及是对准《Single Image Haze
Removal Using Dark Channel
Prior》的翻、整理、及片段解释。如果您的英文水准好,建议看原稿可能来的再度爽些。

常备儿子数学是90区划出头,中等生。不亮前天凡是啃回事,数学竟然考了只76划分,看到教师宣布全班同学的考试成绩表。我把加大再放开认真地看了羁押,找找还起无出再次不见的,可忧伤的觉察自儿子是倒数第一。

    一、论文思想之粗略描述 

他奶奶爷爷吧分头将出手机,戴上老花镜盯在手机看正在发懵,似乎是不信教自己孙子是全班最少的。好一会,他爷爷说了句,考得好经常从没见导师宣布全班成绩。

     首先看望暗通道先验是啊:

夜晚,接儿子及小,问他为何考得这丢掉,是未是考时打瞌睡,他还大言不惭地笑着说,倒数第一己啊是首先什么!还根据我举行鬼脸。

      
在大部非天空的一对区域里,某部分像素总会发生最少一个颜色通道有特别没有之价值。换言之,该区域就强度的无比小值是个老粗的数。

天公呀!这孩子是若拿我气死的旋律,我渴望抓起小板凳砸过去,还是克服在,忍在。照网络直达之风靡语句做,孩子惹你发火时,就不停歇地对准团结说,这是同胞,亲生的……

  我们让暗通道一个数学概念,对于随意的输入图像J,其暗通道可以为此下式表达:

以起那张卷子陪他订正,第一题填空题他还空着尚未举行,终于我要么不曾忍住,一板栗敲他头上,他找找了摸头,还错怪地游说,我吧无清楚怎么,我哪怕没有顾第一书,其实我会开。

                                   数学 1 

双重拘留下,有开是每个图片是行情里放正5单苹果,有7只这么的图片,让学员因此乘法口诀摆几种植公式,读作多少。

      式中Jc代表彩色图像的每个通道 ,Ω(x)表示为像素X为着力的一个窗口。 

子管7单图片作为6只,结果同样磨后所有擦,6分便这么让他疏于全无了。

   
式(5)的意思用代码表达也异常简单,首先请求来每个像素RGB分量中的极度小值,存入相同抱和初图像大小相同的灰度图中,然后又对当下幅灰度图进行最小值滤波,滤波的半径由窗口大小决定,一般发生WindowSize
= 2 * Radius + 1;          

进而看更上火,气得哪怕想上来诈起他。他奶奶在边缘说,他当真点问题都见面做,就是无与伦比粗心。

      暗通道先验的驳斥指出:

网络

                                                           
数学 2           

骨子里,所谓的疏忽,都是基础不扎实。

     实际在蒙致暗原色中低通道值主要出三独元素:a)汽车、建筑物与都市中玻璃窗户的影,或者是叶、树及岩等自景色的阴影;b)色彩鲜艳的物体或外部,在RGB的老三个通道中多少通道的价值好没有(比如绿色的草地/树/植物,红色或者黄色的花/叶子,或者蓝色之水面);c)颜色比较暗的物体或表面,例如灰暗色的干与石头。总之,自然山水中处处都是影子或者彩色,这些景点的图像的暗原色总是大惨淡的。

竟体会到,情愿去发掘地也未乐意陪娃做功课,实在是考验人之隐忍呀!

     
我们抛开开论文中历数的那些例子,自己从网上查找几帧没有雾的风景照,看看结果如下:

女儿回家晚,看到兄弟的考试卷,你怎么好意思哦,我六年级数学都得以测验98暨100分叉的。我岂发生若就憨弟弟,脑子就木,长大肯定会延宕我后腿……

   数学 3    
数学 4

放在女儿的一席话,我是为难。她奶奶商量,你无就是是及时有限年学习成绩上升了,你跟弟弟就万分时,还免设兄弟也。

   数学 5    
数学 6

六年级的姑娘,数学也可以,上学期期末考试满分全镇第一。但姑娘英语不好,就不得不考六七十分。无奈自己只有学过三年英语,发音不准不说,早已就归了导师,压根也并未道让她,目前镇上小学英语还没培训班。

   数学 7    
数学 8

时下女读做功课,接送已非为人操心,偶尔考试不乐意,自己会暗藏在房间哭,自尊心特别强,没有人再说她一样句。

                     
一些无雾的图纸                                                                               
  其暗通道

昨晚接娃放学,班主任向自己影响,说儿子上课最容易游戏小动作,一个橡皮擦就能玩同样节课,学习态度不够尊重,对于前天底76区划,老师也当非常意外。

于看有有雾的觊觎的暗通道:

当下就是到期末考试了,班级微信群里时刻还是设也期末考试冲锋陷阵的感觉到,现在的孩子吗真切是未爱。

   数学 9  
数学 10

冬朝7点交全校,上早读,做预习,晚上放学去老师家补课做作业,回到家已经上黑。父母、爷爷奶奶都加入合伙迎接期末考试大战。

   数学 11  
数学 12

所谓的通缉素质教育,不扣分数当下是休容许实现之,孩子等中间攀比,家长们、老师们中间为如出一辙,暗自较劲。

          一些有雾的图形                                                                              
   其暗通道

管孩子学有多么不爱,我还是砥砺他们直白要过得硬看。读书之苦也即十几年的,而不看的辛苦也是一生一世的。

  上述暗通道图像俱运用的窗口大小也15*15,即绝小值滤波的半径为7像素。

假定当时自家能多读,那么,我的人生,肯定会掉了诸多飘泊。学识、圈子、视野是一个无比要命之财富。

     
由上述几轴图像,可以判的视暗通道先验理论的普遍性。在作者的论文被,统计了5000几近相符图像的特点,也还基本符合这个先验,因此,我们可看实际一久定律。

给男女尽善尽美学,能考来好成绩,将来能达到只好大学,生活层次稍高点,如此而已。

     
有了这先验,接着就是用进行有数学方面的推理来最后解决问题。

  首先,在计算机视觉和电脑图形中,下述方程所描述的雾图形成模型被普遍利用:

                                                  
数学 13

 
 其中,I(X)就是咱今天既有的图像(待去雾的图像),J(x)是我们设东山再起的无雾的图像,A是海内外大气光成分,
t(x)为透射率。现在底就解条件就是是I(X),要求目标值J(x),显然,这是只来为数不少清除的方程,因此,就需要部分先验了。

  将式(1)稍作处理,变形也下式:

                                                   
数学 14

   
如上所述,上标C表示R/G/B三个通道的意。

   
首先假而于每一个窗口外透射率t(x)为常数,定义他也数学 15,并且A值已经给定,然后对式(7)两度求少潮极小价运算,得到下式:

                                 
数学 16

   
上式中,J是待求的无雾的图像,根据前述的暗原色先验理论出:

                                              
数学 17

     因此,可推导出:

                                                        
数学 18

   
把式(10)带入式(8)中,得到:

                                                 数学 19

    这就是是透射率数学 20的预估值。

   
在现实生活中,即使是晴白云,空气受吗在在有些豆子,因此,看天的物体或会发到雾的影响,另外,雾的存吃人类感到景深的留存,因此,有必不可少当去雾的时刻保留一定水平的雾气,这好透过在式(11)中引入一个每当[0,1]
之间的因子,则式(11)修正为:

                                              
数学 21

     本文中保有的测试结果因让: 
ω=0.95。

    
上述推论中还是如全球达到气光A值时曾清楚的,在骨子里被,我们好依赖暗通道图来起出雾图像被拿走该值。具体步骤如下:

      1)
从暗通道图备受仍亮度的尺寸取前0.1%的像素。

          2)
在这些职务被,在原有有雾图像I中寻找对应之享有高亮度的触及的值,作为A值。

    
到立刻无异步,我们就算可以开展管雾图像的恢复了。由式(1)可知:  J = ( I –
A)/t + A  

     现在I,A,t都已经求得了,因此,完全好展开J的精打细算。

     当投射图t
的值大小时,会造成J的价值偏大,从而使淂图像整体往白场过度,因此一般不过装同一阈值T0,当t值小于T0时,令t=T0,本文中具有力量图俱为T0=0.1乎规范测算。

     因此,最终之过来公式如下:

                              
 数学 22

    
当直接用上述申辩进行恢复时,去雾的效应实在为是颇显然的,比如下面有例证:

   数学 23   
数学 24

   数学 25  
 数学 26

                
有雾图                                           
 去雾图

      注意到第一幅图的原图两个字之四周明显发生平等片不调和的地方,而第二图顶部水平方向似乎有同片没有展开去雾处理,这些还是由于我们的透射率图过于粗糙了。

     
要博得更精致的透射率图,何博士当篇章中提出了了soft
matting方法,能收获那个细致之结果。但是他的一个致命的弱项就是是速度特慢,不采取让实际运用。在2011年,何博士而除了同切片论文,其中涉及了导向滤波的方来获得比较好之透射率图。该措施的主要过程集中让简单的方框模糊,而方框模糊有多再度和半径无关之短平快算法。因此,算法的实用性就高,关于这导向滤波算法大家以乌博士之网站可以协调失去研习下,除了当去雾方面他,还有着另外多点的动,这有本文不多述。

     使用了导向滤波后底去雾效果:

  数学 27  
数学 28

  数学 29  
数学 30 

         
  使用旧之预估透射率图                               
 使用导向滤波后底透射率图

  数学 31   
数学 32

               (a)
原图                               
  (b)  去雾结果图

  数学 33    数学 34

                (c)   
暗通道图                          (d) 导向图
(原始图像的灰度图)

  数学 35  
 数学 36

                (e) 
 预估透射率图                       (f)   使用导向滤波后的透射率图

  二、各参数对失去雾结果的熏陶

  第一:窗口的深浅。这个针对结果来说是个举足轻重之参数,窗口更加老,其涵盖暗通道的票房价值越怪,暗通道为不怕更为非法。我们无错过于理论角度分析,从履行的成效来拘禁,似乎窗口更加充分,去雾的效益更加不显著,如下图所示:

   数学 37   
 数学 38

                              (a)
原始图像                            (b)
窗口大小=11

   数学 39  
数学 40

              (c)
窗口大小=21                         (d)
窗口大小=101 

  我的建议是窗口大小在11-51期间,即半径在5-25间。

    
式(12)中的ω具有着明确的义,其价更聊,去雾效果越来越不显,举例如下:

  
数学 41   数学 42

                                    (a)
原始图像                                  
(b)    ω=0.5         

  
数学 43   数学 44    

                                       (c)   
ω=0.8                                                                  
    (d)    ω=1 

    三:编码的步调

  如果你精心的解析了初稿的细路,加上适当的参阅,编码其实并无是格外窘迫。

  1)根据原图像求暗通道,参考代码如下:

    for (Y = 0, DarkPt = DarkChannel; Y < Height; Y++)
    {
        ImgPt = Scan0 + Y * Stride;
        for (X = 0; X < Width; X++)
        {
            Min = *ImgPt;
            if (Min > *(ImgPt + 1)) Min = *(ImgPt + 1);
            if (Min > *(ImgPt + 2)) Min = *(ImgPt + 2);
            *DarkPt = Min;
            ImgPt += 3;
            DarkPt++;
        }
    }

    MinFilter(DarkChannel, Width, Height, Radius);

    这里要留意的是MinFilter算法的迅速实现,提供相同首论文供有需要之心上人念:STREAMING
MAXIMUM-MINIMUM FILTER USING NO MORE THAN THREE COMPARISONS PER
ELEMENT 。这个算法的流年复杂度是O(1)的。

     
2)按文中所描述的算法自动取全球大气光的价值。

     这里说明一些,原始论文中之A最终是取原始像素中之某某一个碰的像素,我实在是得到之符合条件的所有点的平均值作为A的价,我这么做是坐,如果是赢得一个触及,则各通道的A值老有或整个老大类似255,这样的话会招致处理后底图像偏色和产出大量色斑。原文作者说这个算法对空部分非需特备处理,我实际发现该算法对生天空之图像的作用一般还不好。天空会产出明显的属区域。作为解决方案,我加了一个参数,最酷环球大气光值,当计算的价超出该值时,则就获得该值。
 

    数学 45  
数学 46  
 数学 47

                       
原图                                                        
未对A值做限定                  最特别A值限定为220

       3)
按式(12)计算预估的透射率图。

  在式(12)中,每个通道的数目还急需除以对应之A值,即由一化,这样做,还存一个题材,由于A的选过程,并无可知管每个像素分量值除以A值后还自愧不如1,从而导致t的价可能小于0,而当时是勿容许的,原文作者并不曾供这一点凡何等处理的。我于事实上的编码中发觉,如果实在这么做了,其力量啊并无是殊理想 ,因此,我最后的道是在式(12)中,不考虑A的算计。

        4)计算导向滤波图。

  
这里可以直接用原始的图像做导向图,当然也得就此那灰度图,但是之所以RGB导向图在生一致步之盘算着会占比较充分的工夫。

        5)按照《Guided Image
Filtering》论文被的公式(5)、(6)、(8)编码计算获得迷你的透射率图。

    网络直达发之算法的
matlab代码可下载的,这里贴有代码:

  function q = guidedfilter(I, p, r, eps)
  %   GUIDEDFILTER   O(1) time implementation of guided filter.
  %
  %   - guidance image: I (should be a gray-scale/single channel image)
  %   - filtering input image: p (should be a gray-scale/single channel image)
  %   - local window radius: r
  %   - regularization parameter: eps

  [hei, wid] = size(I);
  N = boxfilter(ones(hei, wid), r); % the size of each local patch; N=(2r+1)^2 except for boundary pixels.

  % imwrite(uint8(N), 'N.jpg');
  % figure,imshow(N,[]),title('N');
  

  mean_I = boxfilter(I, r) ./ N;
  mean_p = boxfilter(p, r) ./ N;
  mean_Ip = boxfilter(I.*p, r) ./ N;
  cov_Ip = mean_Ip - mean_I .* mean_p; % this is the covariance of (I, p) in each local patch.

  mean_II = boxfilter(I.*I, r) ./ N;
  var_I = mean_II - mean_I .* mean_I;

  a = cov_Ip ./ (var_I + eps); % Eqn. (5) in the paper;
  b = mean_p - a .* mean_I; % Eqn. (6) in the paper;

  mean_a = boxfilter(a, r) ./ N;
  mean_b = boxfilter(b, r) ./ N;

  q = mean_a .* I + mean_b; % Eqn. (8) in the paper;
  end

      
由地方的代码,可见,主要的工作量在均值模糊上,而均值模糊是只好便捷的算法,关于均值模糊的优化可参照我先的文章:彩色图像高速模糊的懒惰算法。

      还有一些便是,上述计算需要以[0,1]限制外开展,也就是说导向图和预估的透射率图都要于[0,255]先映射到[0,1]每当拓展测算。

     
关于guidedfilter中的半径r值,因为当前边进行极端小值后迷迷糊糊通道的图像成为一片一样块的,为了使透射率图更加精致,建议之r的取值不小于进行极端小值滤波的半径的4倍增,如下图所示:

   
数学 48    
数学 49

          (a) 
r=最小值滤波半径的2加倍
                       (b) r=最小值滤波半径的8倍增

      可以看出,当r比较粗的时,在透射率图被基本看不到什么细节信息,因此恢复处的图像边缘处不明朗。

     
参数eps的取值也具青睐,他第一是为防范计算着除了以0的失实和为教一些计算结果未必过好,一般提议取值0.001或者更有些。

     
如果采取的彩色RGB图做导向图,计算时达会见追加多,所的交之透射率图的边缘会比灰度图所拍卖的保存了还多之底细,效果上多少微比灰度图好,如下所示:

    
数学 50  
 数学 51

              (a)
原图                                                                               
    (b)预估的透射率图

    
数学 52   
数学 53

                      
(c)使用灰度图也导向图取的透射率图                      
    (d)使用RGB图也导向图取的透射率图

     数学 54   
数学 55

           (e)灰度图为导向图对应的去雾效果    
                       
  (f)RGB图导向图对应的去雾效果

       以RGB图为导向图的乘除着,涉及到3*3组成部分矩阵求逆的进程,如果因此非matlab语言写,可以先行凭matlab的符号计算功能,以及中间的符号计算命令simple,把计算结果算出来,然后再度重新其他高级语言中贯彻。

       (6)
按式(22)进行无雾图像的死灰复燃。

 四、其他部分错过雾效果图

 
数学 56 
数学 57 
数学 58

   数学 59  
 数学 60  
数学 61

   数学 62   
数学 63  
数学 64

   数学 65  
 数学 66  
数学 67

                             
原图                                                
去雾效果图                                                     
透射率图

      上图备受最终一合图自连开了有限蹩脚错过雾的处理。 

      在原文中,有如此平等段话:

  Since the scene radiance is usually
not as bright as the atmospheric light, the image after haze removal
looks dim. So we increase the exposure of J(x) for
display.

     意思就是说直接去雾后的图像会较原的马大哈,因此在处理了晚待开展自然的曝光增强,但笔者没有证明该是什么增强的,
因此,这里的觊觎跟外论文的功效有所不同时正常的。一般在去雾处理后重新就此自动色剂之类的算法增强下会获得比较满意的结果,如下图:

     数学 68 
   数学 69  
 数学 70

         
原图                
去雾后              +自动色阶

     
去雾算法目前也兼具众多其它的点子,不过自己所点的,很多都是盖这啊根基,因此,先打会是邪研究其他的去雾算法能奠定坚实的底子。

      网络达到生部分比好之暗原色先验去雾的matlab代码:比如与本文基本对应的matlab资源:http://files.cnblogs.com/Imageshop/cvpr09defog%28matlab%29.rar

  后记:稍微有看了几篇去雾的稿子,基本上还是圈着获得透视率图做文章,比如一些文章讲用联合双边滤波方式取得迷你的透射率,从本人个人浅薄的认中,我觉着去雾已基本上跳不发暗原色这个层面了。

     
我对双方滤波算法那吧做了试,发现这个的效力也还行,就是快缓慢了众多,双边滤波的神速算法其实抢不起的,所以是的实用性不赛,我选择了有图像做比较:

     数学 71   
数学 72

                                    (a)
原图                                                              
(b)   联合双边滤波去雾图

     数学 73   
数学 74

                        (c)
导向滤波获得透射率图                                                  
(d)联合双边滤波透射率图(Sigmad=SigmaR=100)

       上图可以生鲜明的收看联合双边滤波的透射率图无导向滤波的精,但较老之粗的透射率图或好过多,过渡很细腻,因此,也会得到不错的视觉去雾效果。

      
联合双边滤波器中的算法是参考了OpenCv中互相关函数写的。

     和平常一样,提供一个只是供应大家测试效果的先后:
基于暗原色先验的图像去雾演示程序

    数学 75

   
我分别就此VB6和C#做了个程序,两单程序还曾经经过各自的言语方式展开了优化,算法有编码是均等的,C#运行速度大约是VB6的1.8倍。

     在处理速度上,比
matalb的尽快了广大加倍,在I3的笔记本电脑上,一适合1024*768之图像去雾时间大体在150ms内(以灰度图也导向图)。

 

 五、算法的局限性

 

     
暗原色先验是如出一辙种统计的结果,是指向大气露天无雾照片(outdoor haze-free
images)的统计结果,如果目标场景内在的尽管跟大气光类似,比如雪地、白色背景墙、大海等,则由于前提条件就非得法,因此一般无法获取满意的功能,而对此一般的景照片是算法能处理的正确性。

    

 

    2013.8.23 后记补充修正:

     在持续对该算法的关爱中,发现自己在前头做出了一个荒唐的判断,就是关于式(11)中/A的操作。我当眼前说之除法会引起一些问题,因此,去除了及时同步。但是后来之实践证明正是有矣立即同一步,对于针对比度低之图像才得得好好的去雾高对比度图。

    前面说之/A操作可能会见导致t的值小于0,这种情况就是可把t的价值直接装为0来化解。

   
还有一个事情就是式(11)严格的来说是如果针对原本图像的每个通道进行归一化后,再取每个通道R/G/B值的太小值得到中图,然后对是当中图进行点名半径的极度小值滤波后,通过11式得到粗糙的透射率图,那么如此就算需多广大计量,我以骨子里被发现如一直用前的暗通道图/A进行操作,两者的效应区别不明白,因此,可用这种便当的法子。

数学 76  
数学 77

 上图是一模一样称经典的测试图,虽然赢得了于好之功用,不过似乎马路那同样片的作用不如部分其他人公开的收获那么好。

数学 78  
数学 79

    
这也是同一副比较广泛的测试图,该图也是紧用去雾获得结果,未开任何的晚甩卖,同CSDN一个的案例库:图像去雾的算法研究遭逢的效益相比,在整幅图像的比及和协调性及还使好一个程度。

    
再要下图,也正如CSDN那个案例库中之功能使好过多。

 
数学 80  
数学 81

     还有:

数学 82 
数学 83

数学 84  数学 85

   

   总结:我本着这种去雾算法的功效或蛮中意的, 效果以及进度都还比方便。

   附件的测试程序已经同更新。

   2013.10,10 后记补充:

    一直听说C的频率很高,于是用C实现了拖欠算法,并且编制了一个而供应其他语言调用的dll文件,然后针对最小值滤波算法又进行了超常规之优化,算法速度发出了老大要命的提高,特别是在用VS2010时,编写C的代码可以勾选下图中的SSE选项和便捷(fp:fast),程序会调用SSE一些函数,实现指令级别之竞相。而这些C#的编译器是力不从心实现的。

数学 86

    
同样的算法,相对于原来的C#程序,程序的速度能够提高一倍左右,对于800*600底图像,在自身之I3的CPU上平均能能及20fps之速(只占了一个审的CPU资源),因此得以适用于不高于该限制外的实时图像处理。

    
同样我增加了3单里面可调的参数供大家测试。

数学 87

     相应的DLL函数声明如下:

     c风格:

void HazeRemovalUseDarkChannelPrior(unsigned char * Src,unsigned char * Dest,int Width,int Height,int Stride, int Radius ,int GuideRadius, int MaxAtom, float Omega,float Epsilon,float T0 )

    c#调用:

 [DllImport("HazeRemoval.dll", CallingConvention = CallingConvention.StdCall, CharSet = CharSet.Unicode, ExactSpelling = true)]
  private static extern void HazeRemovalUseDarkChannelPrior(byte* Src, byte* Dest, int Width, int Height, int Stride, int Radius,int GuideRadius, int MaxAtom, float Omega, float Epsilon, float T0);

    VB6调用:

Private Declare Sub HazeRemovalUseDarkChannelPrior Lib "HazeRemoval.dll" (ByVal Src As Long, ByVal dest As Long, ByVal Width As Long, ByVal Height As Long, ByVal Stride As Long, ByVal Radius As Long, ByVal GuideRadius As Long, ByVal MaxAtom As Long, ByVal Omega As Single, ByVal Epsilon As Single, ByVal T0 As Single)

     

    
调用实例源代码下载:http://files.cnblogs.com/Imageshop/HazeRemovalTest.rar

 2013.11,22修正: 

  通过并双边滤波求透射率图的效用上面的匪科学的,进最新的钻研结果表明,双边滤波确实也能博得迷你的投射图,比如依旧那点的测试图像,不同之SigmaS和SigmaR下得透射率效果如下:

  
数学 88   
 数学 89

          SigmaS=50,SigmaR=30                          
SigmaS=100,SigmaR=30

 

 2014.1.12
重大更新(可实现实时效应):

   
 何的算法效果与广的实用性还比较其余的去雾算法要好,而主要的问题就是该速还是休足够快,有着极其多之浮点计算。鉴于此,作者也频试着对代码进行好层次的优化,包括SSE处理、并行运行等,但鉴于算法本身的各个执行,无法全程并行,偶尔一个稍微函数可以互相,但由于该本身执行就特意快,比如不要5ms,你去用并行算法可能耗时尚会生片段。因此,一直没什么好的进化,对于同样合1024*768底彩图进行去雾需要90ms,这定无法满足要求。

   
 最近,在揣摩,既然暗通道去雾的透射率图于另外的算法都来的精巧,如果正好的降落一点点那精度,其夺雾的效果理论及应无见面产生极好的别,于是我想到了一致种植艺术,即求取透射率的时候不是对准原图进行求取,而是先对原图进行下采样,比如缩小为原图的1/4,计算起小图的透射率,之后于经过插值的法门的拿走原图大概的透射率,则应当吗可以收获效果。经过实践,这种措施大大的加强了履行进度,而且效果和老的方案基本一致,对于1024*768之图像大约只有需要(I3CPU)30ms了,如果更取得1/9的缩放,则独自需要横20ms,完全好满足工业实时性要求大之场合。

   
当然,如果您的缩小系数不是特别大的话语,比如缩小为原的0.5大小,可能有限不善缩放所用的耗时尚抵了算小图的透射率图所更换来的得利,因此须合理合法选择是下采样率。

   
要促成这样的速度,当然要需要格外高的优化技术的,这些东西还是拥有保留比较好。 

   
我举行了一个先后,集成了本博客中6栽图像去雾的算法: 图像去雾综合版

数学 90

     

   
用暗通道的算法对平段子视频展开了处理,大家好在此处看到效果:http://video.sina.com.cn/v/b/124538950-1254492273.html

 
  数学 91

****************************笔者:
laviewpbt   时间: 2013.8.23    联系QQ:  33184777
 转载请保留本行信息********************

 

 

 写博对,土豪请打赏,屌丝一分割呢是善(非强制要求):

 

相关文章

No Comments, Be The First!
近期评论
    分类目录
    功能
    网站地图xml地图