Dark Channel Prior 코드 구현

Dark Channel Prior

  Dark Channel Prior(이하 DCP)는 단일 이미지 안개제거 기법으로 2009년에 "Single image haze removal using dark channel prior"라는 논문으로 발표되었다. DCP는 안개가 제거된 영상에서 빛의 3원색인 R, G, B 값 중 한 채널이 낮은 수치를 가진다는 통계적 특성으로 이를 활용하여 안개를 제거한다. DCP의 안개제거식은 다음과 같다.

위 식에서 $I(x)$는 안개 영상이고, $J(x)$는 맑은 영상이고, $A$는 안개값(안개가 있는 정도)이다. $e^{-\beta d(x)}$는 빛이 전달되는 양이고, $\beta$는 대기산란계수, $d(x)$는 깊이 정보이다. DCP는 위 식을 기반으로 하여 안개가 제거된 영상을 얻는다.

 

DCP 코드

import os
import cv2
import math
import numpy as np
# https://github.com/He-Zhang/image_dehaze/blob/master/dehaze.py

# Defined Dark Channel
def DarkChannel(img, size): # img: Haze image, size: kernel size
    b, g, r = cv2.split(img) 
    
    dark_channel = cv2.min(cv2.min(r, g), b)  # r,g,b 채널 중 최소값(dark channel) 
    # 안개가 제거된 영상에서 r,g,b 중 한 채널은 낮은 값을 가짐
        
    # cv2.getStructuringElement: 커널과 같은 역할을 하는 구조화 요소, cv2.MORPH_RECT: 직사각형 커널 모양
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (size, size))

    # 침식(Erosion): 기존 객체의 영역을 깎아 내는 연산으로 객체 크기가 감소
    dark = cv2.erode(dark_channel, kernel)

    return dark

# Estimate AtmLight(안개값 추정)
# Automatically estimate the atmospheric lights
def AtmLight(img, dark): 
    '''
    1. dark channel에서 가장 밝은 0.1%의 픽셀을 선택(Haze 농도 심한 곳)
    2. 선택한 픽셀 위치에서 input image(I) 중 명도(intensity)가 가장 높은 화소를 Atmospheric light로 선택
    -> 이를 automatically method 라고 함.
    '''
    [h, w] = img.shape[:2] 
    img_size = h*w  
    numpx = int(max(math.floor(img_size/1000), 1)) 
    
    # Vector data(1d)
    darkvec = dark.reshape(img_size) 
    imgvec = img.reshape(img_size, 3) 

    indices = darkvec.argsort() 
    indices = indices[img_size-numpx::] 
    
    atmsum = np.zeros([1, 3]) # r,g,b channel
    for ind in range(0, numpx): 
       atmsum = atmsum + imgvec[indices[ind]] 

    A = atmsum / numpx
    return A 

# Estimate Transmission(전달량 추정)
def TransmissionEstimate(img, A, size): # Haze image, 안개값, kernel size
    omega = 0.95 # 약간의 haze는 남겨야 함(논문 왈: 안개가 너무 완벽히 제거되면 어색하다)
    im3 = np.empty(img.shape, img.dtype) 

    for ind in range(0, 3): 
        im3[:, :, ind] = img[:, :, ind]/A[0, ind] # t = min_c(min_om(Haze image / A))

    transmission = 1 - omega*DarkChannel(im3, size) 
    return transmission

def TransmissionRefine(img, et): # Haze image, transmission
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    gray = np.float64(gray)/255
    
    # Guided Filter
    r = 60 # patch size
    eps = 0.0001 
    t = Guidedfilter(gray, et, r, eps)

    return t

def Guidedfilter(image, p, r, eps): # Haze image(Guide, I), transmission(input), kernel size, strength
    blur_factor = (r, r)
    
    mean_I = cv2.blur(image, blur_factor) # I blurring
    mean_p = cv2.blur(p, blur_factor) # p blurring
    corr_I = cv2.blur(image*image, blur_factor) # I * I blurring
    corr_Ip = cv2.blur(image*p, blur_factor) # I * p blurring

    var_I = corr_I - mean_I * mean_I # variance
    cov_Ip = corr_Ip - mean_I * mean_p # covariance

    a = cov_Ip / (var_I + eps) # 상관계수
    b = mean_p - a * mean_I

    mean_a = cv2.blur(a, blur_factor)
    mean_b = cv2.blur(b, blur_factor)

    q = mean_a * image + mean_b # linear transformation
    return q

def Recover(img, t, A, tx=0.1): # Haze image, transmission, A, tx(A small certain amount of haze are preserved in very dense haze regions)
    res = np.empty(img.shape, img.dtype)
    t = cv2.max(t, tx) 
    
    for ind in range(0, 3):
        res[:, :, ind] = (img[:, :, ind]-A[0, ind])/t + A[0, ind]

    return res

path = os.path.join('./image/mountains.jpg')
src = cv2.resize(cv2.imread(path), dsize=(0,0), fx=0.5, fy=0.5)
I = src.astype('float64')/255

dark = DarkChannel(I, 15)
A = AtmLight(I, dark)
te = TransmissionEstimate(I, A, 15)
t = TransmissionRefine(src, te) # Guieded Filter
J = Recover(I, t, A, 0.1)

cv2.imshow("Dark", dark)
cv2.imshow("Transmission", te)
cv2.imshow("Refine transmission", t)
cv2.imshow('Original', src)
cv2.imshow('Dehaze image', J)

cv2.imwrite("Dark channel prior/output/Haze.jpg", I*255)
cv2.imwrite("Dark channel prior/output/Dark channel.jpg", dark*255)
cv2.imwrite("Dark channel prior/output/DCP_transmission.jpg", te*255)
cv2.imwrite("Dark channel prior/output/DCP_Refined_transmission.jpg", t*255)
cv2.imwrite("Dark channel prior/output/DCP_Dehaze.jpg", J*255)
cv2.waitKey()

 

 

결과: 안개 이미지에 DCP 적용

안개 이미지	안개 제거 이미지
Dark channel	transmission

 

 

Reference

https://github.com/He-Zhang/image_dehaze

https://ieeexplore.ieee.org/document/5206515

Single image haze removal using dark channel prior