【第 01 章 基于直方图优化的图像去雾技术-全套系统MATLAB智能驾驶深度学习】

毋庸置疑的是，在汽车智能技术、汽车新能源技术、汽车电子这个群雄逐鹿的赛道。智能驾驶技术的要求也在不断的提升。
智能车辆教学平台、智能网联教学平台、汽车电子教学设备、在环仿真系统，目前主流的系统有很多，常用的基础部分和算法开发，智能驾驶模块，入门较好的还是matlab平台。
MATLAB/Simulink中比较关键的两部分是：m语言的语法和搭载的各种工具箱。

覆盖各个领域的强大工具箱是MATLAB软件的核心，各种function、app、blcoks均包含在这些工具箱内。因此MATLAB/Simulink的学习，核心是对这些工具箱的学习。因此我们在学MATLAB的时候，可以以工具箱为单位进行学习。
而且，matlab在资源整合这块优势明显，后发力大，足够学到真东西，从入门到精通

直方图技术处理

图像增强的常用手段，但全局直方均衡经常会给图像带来失真等问题，为了处理相关问题，本文采取了全局直方均衡、局部直方均衡和Retinex算法来对图像进行处理。
对于其中的具体函数及其语法的应用，在matlab的 帮助文档可以自行搜查，进行案例式学习和应用。
首先举例：
处理车轮胎效果如图。

demo.m

clc; clear all; close all;
I = imread('tire.tif');
J = histeq(I);
figure; 
subplot(2, 2, 1); imshow(I, []); title('原图');
subplot(2, 2, 2); imshow(J, []); title('原图均衡化后的图像');
subplot(2, 2, 3); imhist(I, 64); title('原图的直方图');
subplot(2, 2, 4); imhist(J, 64); title('均衡化后的直方图');

image文件，原始图像效果如图

基于直方图优化的图像去雾技术系统

GUI界面如图所示：

图像去雾系统，首先载入图像并显示，然后选择去雾算法，最后可以观察直方图对比效果

Initfig.m

function InitFig(hObject,handles)
axes(handles.axes1); cla; set(gca, 'Color', [0.8039 0.8784 0.9686]);
axes(handles.axes2); cla; axis on; box on; set(gca, 'Color', [0.8039 0.8784 0.9686]);
set(gca, 'XTickLabel', [], 'YTickLabel', [], 'XTick', [], 'YTick', []);
set(handles.textInfo, 'String', ...
    '图像去雾系统，首先载入图像并显示，然后选择去雾算法，最后可以观察直方图对比效果。');

截图函数
SnapImage.m

function SnapImage()
imagesPath = '.\\snap_images';
if ~exist(imagesPath, 'dir')
    mkdir(imagesPath);
end

[FileName,PathName,FilterIndex] = uiputfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';...
          '*.*','All Files' },'保存截图',...
          '.\\snap_images\\temp.jpg');
if isequal(FileName, 0) || isequal(PathName, 0)
    return;
end
fileStr = fullfile(PathName, FileName);
f = getframe(gcf);
f = frame2im(f);
imwrite(f, fileStr);
msgbox('抓图文件保存成功！', '提示信息');

图像保存子函数：
SaveImage.m

function SaveImage(Img)
imagesPath = '.\\results';
if ~exist(imagesPath, 'dir')
    mkdir(imagesPath);
end

[FileName,PathName,FilterIndex] = uiputfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';...
          '*.*','All Files' },'保存截图',...
          '.\\results\\result.jpg');
if isequal(FileName, 0) || isequal(PathName, 0)
    return;
end
fileStr = fullfile(PathName, FileName);
imwrite(Img, fileStr);
msgbox('处理结果保存成功！', '提示信息');

用Retinex的MSR实现图像去雾操作。
子函数RemoveFogByRetinex.m

function In = RemoveFogByRetinex(f, flag)
% 用Retinex的MSR实现图像去雾
% 输入参数：
%  f——图像矩阵
%  flag——显示标记
% 输出参数：
%  In——结果图像

if nargin < 2
    flag = 1;
end
%提取图像的R、G、B分量
fr = f(:, :, 1);
fg = f(:, :, 2);
fb = f(:, :, 3);
%数据类型归一化
mr = mat2gray(im2double(fr));
mg = mat2gray(im2double(fg));
mb = mat2gray(im2double(fb));
%定义alpha参数
alpha = 1200;
%定义模板大小
n = 128;
%计算中心
n1 = floor((n+1)/2);
for i = 1:n
    for j = 1:n
        %高斯函数
        b(i,j)  = exp(-((i-n1)^2+(j-n1)^2)/(4*alpha))/(pi*alpha);
    end
end
%卷积滤波
nr1 = imfilter(mr,b,'conv', 'replicate');
ng1 = imfilter(mg,b,'conv', 'replicate');
nb1 = imfilter(mb,b,'conv', 'replicate');
ur1 = log(nr1);
ug1 = log(ng1);
ub1 = log(nb1);
tr1 = log(mr);
tg1 = log(mg);
tb1 = log(mb);
yr1 = (tr1-ur1)/3;
yg1 = (tg1-ug1)/3;
yb1 = (tb1-ub1)/3;
%定义beta参数
beta = 55;
%定义模板大小
x = 32;
%计算中心
x1 = floor((n+1)/2);
for i = 1:n
    for j = 1:n
        %高斯函数
        a(i,j)  = exp(-((i-n1)^2+(j-n1)^2)/(4*beta))/(6*pi*beta);
    end
end
%卷积滤波
nr2 = imfilter(mr,a,'conv', 'replicate');
ng2 = imfilter(mg,a,'conv', 'replicate');
nb2 = imfilter(mb,a,'conv', 'replicate');
ur2 = log(nr2);
ug2 = log(ng2);
ub2 = log(nb2);
tr2 = log(mr);
tg2 = log(mg);
tb2 = log(mb);
yr2 = (tr2-ur2)/3;
yg2 = (tg2-ug2)/3;
yb2 = (tb2-ub2)/3;
%定义eta参数
eta = 13944.5;
%定义模板大小
l = 500;
%计算中心
l1 = floor((n+1)/2);
for i = 1:n
    for j = 1:n
        %高斯函数
        e(i,j)  = exp(-((i-n1)^2+(j-n1)^2)/(4*eta))/(4*pi*eta);
    end
end
%卷积滤波
nr3 = imfilter(mr,e,'conv', 'replicate');
ng3 = imfilter(mg,e,'conv', 'replicate');
nb3 = imfilter(mb,e,'conv', 'replicate');
ur3 = log(nr3);
ug3 = log(ng3);
ub3 = log(nb3);
tr3 = log(mr);
tg3 = log(mg);
tb3 = log(mb);
yr3 = (tr3-ur3)/3;
yg3 = (tg3-ug3)/3;
yb3 = (tb3-ub3)/3;
dr = yr1+yr2+yr3;
dg = yg1+yg2+yg3;
db = yb1+yb2+yb3;
cr = im2uint8(dr);
cg = im2uint8(dg);
cb = im2uint8(db);
% 集成处理后的分量得到结果图像
In = cat(3, cr, cg, cb);
%结果显示
if flag
    figure;
    subplot(2, 2, 1); imshow(f); title('原图像', 'FontWeight', 'Bold');
    subplot(2, 2, 2); imshow(In); title('处理后的图像', 'FontWeight', 'Bold');
    % 灰度化，用于计算直方图
    Q = rgb2gray(f);
    M = rgb2gray(In);
    subplot(2, 2, 3); imhist(Q, 64); title('原灰度直方图', 'FontWeight', 'Bold');
    subplot(2, 2, 4); imhist(M, 64); title('处理后的灰度直方图', 'FontWeight', 'Bold');
end

灰度直方图及图像归一化函数：
RemoveFogByGlobalHisteq.m

function In = RemoveFogByGlobalHisteq(I, flag)

if nargin < 2
    flag = 1;
end
R = I(:,:,1);
G = I(:,:,2);
B = I(:,:,3);
M = histeq(R);
N = histeq(G);
L = histeq(B);
In = cat(3, M, N, L);
if flag
    figure;
    subplot(2, 2, 1); imshow(I); title('原图像', 'FontWeight', 'Bold');
    subplot(2, 2, 2); imshow(In); title('处理后的图像', 'FontWeight', 'Bold');
    Q = rgb2gray(I);
    W = rgb2gray(In);
    subplot(2, 2, 3); imhist(Q, 64); title('原灰度直方图', 'FontWeight', 'Bold');
    subplot(2, 2, 4); imhist(W, 64); title('处理后的灰度直方图', 'FontWeight', 'Bold');
end

本文全部文件源代码打包整理–>传送门

基于直方图优化的图像去雾技术-全套系统–MATLAB智能驾驶深度学习
全局处理效果如图所示。

局部直方图均衡化实现效果

通过Retinex算法去雾处理效果对比：

与之对应的直方图对比

运行主流程文件
MainForm.fig
全套源码下载