图像去雾方法、装置、设备及存储介质

摘要

本申请公开了一种图像去雾方法、装置、设备及存储介质，属于数字图像处理技术领域。本申请对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。在本申请中，在改善原始图像（雾天图像）的退化现象的同时，提高了图像的清晰度。

权利要求

1.一种图像去雾方法，其特征在于，所述图像去雾方法包括以下步骤：对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；

对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；

对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；

将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像；

所述对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量的步骤，包括：将所述原始图像划分为k个平行子区域图像，其中k为大于1的正整数；

计算每个平行子区域图像灰度均值与第一灰度标准差值之间的差值；

计算满足第一预设条件的平行子区域图像的个数与k的比值，将该比值作为第一权重值，其中所述第一预设条件为所述差值小于第一差值阈值；

基于所述水平低频分量、所述第一权重值和所述原始图像的图像信号，得到去雾水平低频分量；

将所述原始图像划分为j个垂直子区域图像，其中j为大于1的正整数；

计算每个垂直子区域图像灰度均值与第二灰度标准差值之间的差值；

计算满足第二预设条件的垂直子区域图像的个数与j的比值，将该比值作为第二权重值，其中所述第二预设条件为所述每个垂直子区域图像灰度均值与第二灰度标准差值之间的差值小于第二差值阈值；

基于所述垂直低频分量、所述第二权重值和所述原始图像的图像信号，得到去雾垂直低频分量。

2.如权利要求1所述的图像去雾方法，其特征在于，所述对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量的步骤，包括：将原始图像划分为多个网格；

对每一行网格所对应的原始图像进行n层小波分解，得到每一行网格对应的1个水平低频分量和n个水平高频分量，其中n为正整数；

对每一列网格所对应的原始图像进行m层小波分解，得到每一列网格对应的1个垂直低频分量和m个垂直高频分量，其中m为正整数。

3.如权利要求1所述的图像去雾方法，其特征在于，所述对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量的步骤，包括：采用阈值法对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量。

4.如权利要求1至3任一项所述的图像去雾方法，其特征在于，所述将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像的步骤，包括：将所述去雾水平低频分量和所述去噪水平高频分量进行小波重构，得到第一去雾图像；

将所述去雾垂直低频分量和所述去噪垂直高频分量进行小波重构，得到第二去雾图像；

将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像。

5.如权利要求4所述的图像去雾方法，其特征在于，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像的步骤，包括：分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

计算同一编码对应的所述第一去雾图像的RGB色值与所述第二去雾图像的RGB色值的均值，得到目标RGB色值；

将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

6.如权利要求4所述的图像去雾方法，其特征在于，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像的步骤，包括：分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像；

对所述第二去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第二去雾图像中进行替换，得到新的第二去雾图像；

计算同一编码对应的所述新的第一去雾图像的RGB色值与所述新的第二去雾图像的RGB色值的均值，得到目标RGB色值；

将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

7.一种图像去雾装置，其特征在于，所述图像去雾装置包括：小波分解模块，用于对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；

去雾处理模块，用于对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；

去噪处理模块，用于对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；

处理模块，用于将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。

8.一种图像去雾设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像去雾程序，所述图像去雾程序配置为实现如权利要求

1至6中任一项所述的图像去雾方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有图像去雾程序，所述图像去雾程序被处理器执行时实现如权利要求1至6任一项所述的图像去雾方法的步骤。

说明书

图像去雾方法、装置、设备及存储介质

技术领域

[0001] 本申请涉及数字图像处理技术领域，尤其涉及一种图像去雾方法、装置、设备及存储介质。

背景技术

[0002] 目前对于雾天图像的处理方法主要分为两类：雾天图像复原和雾天图像增强。其中，针对雾天图像增强，传统常采用Retinex算法， Retinex算法采用高斯滤波器估计图像的照射分量易造成处理后的图像边缘模糊，图像暗淡，细节信息丢之且颜色易失真。

发明内容

[0003] 本申请的主要目的在于提供一种图像去雾方法、装置、设备及存储介质，旨在解决现有的雾天图像增强方法易导致处理后的图像不清晰的技术问题。

[0004] 为实现上述目的，本申请提供一种所述图像去雾方法，包括以下步骤：

[0005] 对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；

[0006] 对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；

[0007] 对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；

[0008] 将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。

[0009] 可选地，所述对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量的步骤，包括：

[0010] 将原始图像划分为多个网格；

[0011] 对每一行网格所对应的原始图像进行n层小波分解，得到每一行网格对应的1个水平低频分量和n个水平高频分量，其中n为正整数。

[0012] 对每一列网格所对应的原始图像进行m层小波分解，得到每一列网格对应的1个垂直低频分量和m个垂直高频分量，其中m为正整数。

[0013] 可选地，所述对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量的步骤，包括：

[0014] 将所述原始图像划分为k个平行子区域图像，其中k为大于1的正整数；

[0015] 计算每个平行子区域图像灰度均值与第一灰度标准差值之间的差值；

[0016] 计算满足第一预设条件的平行子区域图像的个数与k的比值，将该比值作为第一权重值，其中第一预设条件为所述差值小于第一差值阈值；

[0017] 基于所述水平低频分量、所述第一权重值和所述原始图像信号，得到去雾水平低频分量；

[0018] 将所述原始图像划分为j个垂直子区域图像，其中j为大于1的正整数；

[0019] 计算每个垂直子区域图像灰度均值与第二灰度标准差值之间的差值；

[0020] 计算满足第二预设条件的垂直子区域图像的个数与j的比值，将该比值作为第二权重值，其中第二预设条件为所述差值小于第二差值阈值；

[0021] 基于所述垂直低频分量、所述第二权重值和所述原始图像信号，得到去雾垂直低频分量。

[0022] 可选地，所述对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量的步骤，包括：

[0023] 采用阈值法对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量。

[0024] 可选地，所述将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像的步骤，包括：

[0025] 将所述去雾水平低频分量和所述去噪水平高频分量进行小波重构，得到第一去雾图像；

[0026] 将所述去雾垂直低频分量和所述去噪垂直高频分量进行小波重构，得到第二去雾图像；

[0027] 将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像。

[0028] 可选地，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像的步骤，包括：

[0029] 分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

[0030] 提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

[0031] 计算同一编码对应的所述第一去雾图像的RGB色值与所述第二去雾图像的RGB色值的均值，得到目标RGB色值；

[0032] 将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0033] 可选地，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像的步骤，包括：

[0034] 分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

[0035] 提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

[0036] 对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像；

[0037] 对所述第二去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第二去雾图像中进行替换，得到新的第二去雾图像；

[0038] 计算同一编码对应的所述新的第一去雾图像的RGB色值与所述新的第二去雾图像的RGB色值的均值，得到目标RGB色值；

[0039] 将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0040] 此外，为实现上述目的，本申请还提供一种图像去雾装置，所述图像去雾装置包括：

[0041] 小波分解模块，用于对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；

[0042] 去雾处理模块，用于对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；

[0043] 去噪处理模块，用于对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；

[0044] 处理模块，用于将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。

[0045] 此外，为实现上述目的，本申请还提供一种图像去雾设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像去雾程序，所述图像去雾程序配置为实现如上所述的图像去雾方法的步骤。

[0046] 此外，为实现上述目的，本申请还提供一种存储介质，所述存储介质上存储有图像去雾程序，所述图像去雾程序被处理器执行时实现如上所述的图像去雾方法的步骤。

[0047] 本申请公开了一种图像去雾方法、装置、设备及存储介质，与现有技术中，雾天图像增强方法易导致处理后的图像不清晰相比，本申请对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。即在本申请中，对水平低频分量和垂直低频分量进行去雾处理，对水平高频分量和垂直高频分量进行去噪处理，在改善原始图像（雾天图像）的退化现象的同时，提高了图像的清晰度。

附图说明

[0048] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

[0049] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0050] 图1是本申请实施例方案涉及的硬件运行环境的图像去雾设备的结构示意图；

[0051] 图2为本申请图像去雾方法第一实施例的流程示意图；

[0052] 图3为本申请图像去雾装置第一实施例的功能模块图。

[0053] 本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0054] 应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0055] 参照图1，图1为本申请实施例方案涉及的硬件运行环境的图像去雾设备结构示意图。

[0056] 如图1所示，该图像去雾设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless‑FIdelity，WI‑FI）接口）。存储器1005可以是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non‑Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

[0057] 本领域技术人员可以理解，图1中示出的结构并不构成对图像去雾设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

[0058] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及图像去雾程序。

[0059] 在图1所示的图像去雾设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请图像去雾设备中的处理器1001、存储器1005可以设置在图像去雾设备中，所述图像去雾设备通过处理器1001调用存储器1005中存储的图像去雾程序，并执行本申请实施例提供的图像去雾方法。

[0060] 本申请实施例提供了一种图像去雾方法，参照图2，图2为本申请一种图像去雾方法第一实施例的流程示意图。

[0061] 在本实施例中，所述图像去雾方法包括：

[0062] 步骤S10、对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量。

[0063] 具体地，对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量，包括：

[0064] 步骤S101、将原始图像划分为多个网格。

[0065] 在本申请实施例中，将原始图像的左右边线平均分成若干段，左右连接，得到若干个长方形网格，该长方形网格即为每一行网格。

[0066] 在本申请实施例中，将原始图像的上下边线平均分成若干段，上下连接，得到若干个长方形网格，该长方形网格即为每一列网格。

[0067] 步骤S102、对每一行网格所对应的原始图像进行n层小波分解，得到每一行网格对应的1个水平低频分量和n个水平高频分量，其中n为正整数。

[0068] 对每一行网格所对应的原始图像进行n层小波分解，得到1个水平低频分量和n个水平高频分量，其中第1层水平高频分量是对每一行网格所对应的原始图像进行第一层小波分解后得到的水平高频分量，第2层水平高频分量是对第一层小波分解得到的水平低频分量进行第二层小波分解后得到的水平高频分量，以此类推，第n层水平高频分量是对第n‑1层小波分解得到的水平低频分量进行第n层小波分解后得到的水平高频分量，水平低频分量是对第n‑1层小波分解得到的水平低频分量进行第n层小波分解后得到的水平低频分量。

[0069] 步骤S103、对每一列网格所对应的原始图像进行m层小波分解，得到每一列网格对应的1个垂直低频分量和m个垂直高频分量，其中m为正整数。

[0070] 对每一列网格所对应的原始图像进行m层小波分解，得到1个垂直低频分量和m个垂直高频分量，其中第1层垂直高频分量是对每一列网格所对应的原始图像进行第一层小波分解后得到的垂直高频分量，第2层垂直高频分量是对第一层小波分解得到的垂直低频分量进行第二层小波分解后得到的垂直高频分量，以此类推，第m层垂直高频分量是对第m‑1层小波分解得到的垂直低频分量进行第m层小波分解后得到的垂直高频分量，垂直低频分量是对第m‑1层小波分解得到的垂直低频分量进行第m层小波分解后得到的垂直低频分量。

[0071] 步骤S20、对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量。

[0072] 具体地，对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量，包括：

[0073] 步骤S201、将所述原始图像划分为k个平行子区域图像，其中k为大于1的正整数。

[0074] 需要说明的是，在本申请实施例中，将所述原始图像划分为k个平行子区域图像，即可以为将原始图像的左右边线平均分成k段，将左右两边对应的分段点相互对应连接，即可得到k个平行子区域图像。

[0075] 步骤S202、计算每个平行子区域图像灰度均值与第一灰度标准差值之间的差值。

[0076] 步骤S203、计算满足第一预设条件的平行子区域图像的个数与k的比值，将该比值作为第一权重值，其中第一预设条件为所述差值小于第一差值阈值。

[0077] 步骤S204、基于所述水平低频分量、所述第一权重值和所述原始图像信号，得到去雾水平低频分量。

[0078] 需要说明的是，在本申请实施例中，基于所述水平低频分量、所述第一权重值和所述原始图像信号，得到去雾水平低频分量是通过以下公式完成的：

[0079]

[0080] 其中，l´（x，y）为去雾水平低频分量，α为第一权重值，l（x，y）为水平低频分量，I（x，y）为原始图像信号。

[0081] 步骤S205、将所述原始图像划分为j个垂直子区域图像，其中j为大于1的正整数。

[0082] 需要说明的是，在本申请实施例中，将所述原始图像划分为j个垂直子区域图像，即可以为将原始图像的上下边线平均分成j段，将上下两边对应的分段点相互对应连接，即可得到j个垂直子区域图像。

[0083] 步骤S206、计算每个垂直子区域图像灰度均值与第二灰度标准差值之间的差值。

[0084] 步骤S207、计算满足第二预设条件的垂直子区域图像的个数与j的比值，将该比值作为第二权重值，其中第二预设条件为所述差值小于第二差值阈值。

[0085] 步骤S208、基于所述垂直低频分量、所述第二权重值和所述原始图像信号，得到去雾垂直低频分量。

[0086] 需要说明的是，在本申请实施例中，基于所述垂直低频分量、所述第二权重值和所述原始图像信号，得到去雾垂直低频分量是通过以下公式完成的：

[0087]

[0088] 其中，g´（x，y）为去雾垂直低频分量，β为第二权重值，g（x，y）为垂直低频分量，I（x，y）为原始图像信号。

[0089] 步骤S30、对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量。

[0090] 需要说明的是，在本申请实施例中，可以采用阈值法的方式对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量。阈值法可以对原始吐下的边缘和细节等局部信息进行保留。其主要理论依据是经过小波分解后，信号（水平高频分量、垂直高频分量）的小波系数幅度要大于噪声的系数幅度。具体处理过程如下：设定一个阈值，将幅值低于该阈值的小波系数置零，高于该阈值的小波系数保留。在后续的对水平高频分量和垂直高频分量进行小波重构时，只需将保留下来的小波系数利用逆小波变换进行重构即可。

[0091] 步骤S40、将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。

[0092] 具体地，将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像的步骤，包括：

[0093] 步骤S401、将所述去雾水平低频分量和所述去噪水平高频分量进行小波重构，得到第一去雾图像。

[0094] 步骤S402、将所述去雾垂直低频分量和所述去噪垂直高频分量进行小波重构，得到第二去雾图像。

[0095] 需要说明的是，步骤S102中的小波分解和对应的步骤S401中的小波重构，以及步骤S103中的小波分解和对应的步骤S402中的小波重构均为现有技术，在此不再描述小波分解和小波重构的具体实施流程。

[0096] 步骤S403、将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像。

[0097] 具体地，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像，包括：

[0098] 分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

[0099] 提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

[0100] 计算同一编码对应的所述第一去雾图像的RGB色值与所述第二去雾图像的RGB色值的均值，得到目标RGB色值；

[0101] 将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0102] 进一步地，在另一实施例中，所述将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像，包括：

[0103] 分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；

[0104] 提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；

[0105] 对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像；

[0106] 对所述第二去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第二去雾图像中进行替换，得到新的第二去雾图像；

[0107] 计算同一编码对应的所述新的第一去雾图像的RGB色值与所述新的第二去雾图像的RGB色值的均值，得到目标RGB色值；

[0108] 将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0109] 需要说明的是，在对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像的步骤中，像素点位于第一去雾图像的边缘第一行、最后一行、第一列或最后一列上时，以像素点为原点，构建二维坐标系，以二维坐标系的X轴和Y轴为对称轴，对已有的像素点进行对称复制，得到完整的九宫格。其中，九宫格中各RGB色值对应的加权值的获取过程如下：

[0110] 计算九宫格中每个像素点的灰度值，构建灰度值矩阵；

[0111] 基于灰度值矩阵，构建加权值矩阵，其中，加权值矩阵中所有加权值的总和为1。

[0112] 具体的，加权值矩阵中的每一个加权值的计算过程如下：计算九宫格中每个像素点的灰度值与九宫格中所有像素点的灰度值总和的比值，作为每个像素点对应的加权值。

[0113] 需要说明的是，对所述第二去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第二去雾图像中进行替换，得到新的第二去雾图像的步骤与在对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像的步骤相同，在此不再赘述。

[0114] 上述方法中，对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。在改善原始图像（雾天图像）的退化现象的同时，提高了图像的清晰度。

[0115] 本申请实施例还提供了一种图像去雾装置，参照图3，图3为本申请一种图像去雾装置第一实施例的功能模块图。

[0116] 在本实施例中，所述图像去雾装置包括：

[0117] 小波分解模块10，用于对原始图像进行二维小波分解，得到所述原始图像对应的水平低频分量、水平高频分量、垂直低频分量和垂直高频分量；

[0118] 去雾处理模块20，用于对所述水平低频分量和所述垂直低频分量进行去雾处理，得到去雾水平低频分量和去雾垂直低频分量；

[0119] 去噪处理模块30，用于对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量；

[0120] 处理模块40，用于将所述去雾水平低频分量、所述去雾垂直低频分量、所述去噪水平高频分量和所述去噪垂直高频分量进行小波重构，得到去雾图像。

[0121] 可选地，所述的小波分解模块包括：

[0122] 网格划分单元，用于将原始图像划分为多个网格；

[0123] 第一小波分解单元，用于对每一行网格所对应的原始图像进行n层小波分解，得到每一行网格对应的1个水平低频分量和n个水平高频分量，其中n为正整数；

[0124] 第二小波分解单元，对每一列网格所对应的原始图像进行m层小波分解，得到每一列网格对应的1个垂直低频分量和m个垂直高频分量，其中m为正整数。

[0125] 可选地，所述去雾处理模块包括：

[0126] 第一去雾处理单元，用于实现：将所述原始图像划分为k个平行子区域图像，其中k为大于1的正整数；计算每个平行子区域图像灰度均值与第一灰度标准差值之间的差值；计算满足第一预设条件的平行子区域图像的个数与k的比值，将该比值作为第一权重值，其中第一预设条件为所述差值小于第一差值阈值；基于所述水平低频分量、所述第一权重值和所述原始图像信号，得到去雾水平低频分量；

[0127] 第二去雾处理单元，用于实现：将所述原始图像划分为j个垂直子区域图像，其中j为大于1的正整数；计算每个垂直子区域图像灰度均值与第二灰度标准差值之间的差值；计算满足第二预设条件的垂直子区域图像的个数与j的比值，将该比值作为第二权重值，其中第二预设条件为所述差值小于第二差值阈值；基于所述垂直低频分量、所述第二权重值和所述原始图像信号，得到去雾垂直低频分量。

[0128] 可选地，所述去噪处理模块还用于采用阈值法对所述水平高频分量和垂直高频分量进行去噪处理，得到去噪水平高频分量和去噪垂直高频分量。

[0129] 可选地，所述处理模块包括：

[0130] 第一小波重构单元，用于将所述去雾水平低频分量和所述去噪水平高频分量进行小波重构，得到第一去雾图像；

[0131] 第二小波重构单元，用于将所述去雾垂直低频分量和所述去噪垂直高频分量进行小波重构，得到第二去雾图像；

[0132] 融合单元，用于将所述第一去雾图像和所述第二去雾图像融合，得到去雾图像。

[0133] 可选地，所述融合单元还用于分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；计算同一编码对应的所述第一去雾图像的RGB色值与所述第二去雾图像的RGB色值的均值，得到目标RGB色值；将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0134] 可选地，所述融合单元还用于分别对所述第一去雾图像中的每个像素点和第二去雾图像中的每个像素点进行编码；提取所述第一去雾图像中每个像素点的RGB色值，以及所述第二去雾图像中每个像素点的RGB色值；对所述第一去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第一去雾图像中进行替换，得到新的第一去雾图像；对所述第二去雾图像中每个像素点为中心所在九宫格的RGB色值进行加权计算，将计算得到的RGB色值在所述第二去雾图像中进行替换，得到新的第二去雾图像；计算同一编码对应的所述新的第一去雾图像的RGB色值与所述新的第二去雾图像的RGB色值的均值，得到目标RGB色值；将所述目标RGB色值按照其对应的编码进行排列，得到去雾图像。

[0135] 本申请图像去雾装置具体实施方式与上述图像去雾方法各实施例基本相同，在此不再赘述。

[0136] 本申请实施例还提出一种存储介质，所述存储介质上存储有图像去雾程序，所述图像去雾程序被处理器执行时实现如上所述的图像去雾方法的步骤。

[0137] 本申请存储介质具体实施方式与上述图像去雾方法各实施例基本相同，在此不再赘述。

[0138] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0139] 上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

[0140] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

[0141] 以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。