天气预报我国北方大部地区，西北地区东部、内蒙古大部、华北、东北地区等地出现大范围大风降温和沙尘天气。
最近北京的沙尘天气严重，没有心情出去游玩和跑步，针对黄蒙蒙的沙尘天气，看了一些论文对沙尘图像做色彩校正。
一、 沙尘图像特征
常见的三种典型劣化图像类型包括雾霾图像、水下图像和沙尘图像，目前许多水下图像增强方法和部分沙尘图像修复方案都基于自适应蒙特卡洛（ASM）模型——这是一种用于消除雾霾的物理模型。
沙尘图像具有较弱的蓝色分量和较强的红色分量，雾霾图像呈现灰度雾霭，其直方图显示出相似的红、绿、蓝三色分布。水下图像具有微弱的红色成分，其绿色成分的强度不同会呈现
图1(d)展示的沙尘图像带有黄色雾霭，该图像具有微弱的蓝色成分、正常的绿色成分以及强烈的红色成分。如图1(e)所示，同时具有微弱绿色和蓝色成分的沙尘图像呈现出红色雾霭。如图1所示，沙尘图像不仅具有强烈的红色成分，还存在微弱的蓝色成分
二、Liner-线性颜色校正
paper《A fusion-based enhancing approach for single sandstorm image》
论文分析
对沙尘暴图像进行预处理，采用基于统计方法的颜色校正方法去除色差，使图像呈现自然的外观。
O
m
a
x
c
=
O
m
e
a
n
c
+
μ
∗
O
v
a
r
c
O
m
i
n
c
=
O
m
e
a
n
c
−
μ
∗
O
v
a
r
c
O_{max}^{c} =O_{mean}^{c}+\\mu *O_{var}^{c} \\\\ O_{min}^{c} =O_{mean}^{c}-\\mu *O_{var}^{c}
Omaxc=Omeanc+μ∗OvarcOminc=Omeanc−μ∗Ovarc
其中，O表示输入图像，c表示RGB通道，
O
m
e
a
n
c
O_{mean}^{c}
Omeanc表示均值，
O
v
a
r
c
O_{var}^{c}
Ovarc表示均方差，
μ
\\mu
μ是控制图像饱和度的参数，论文中参数为3。
O
m
a
x
c
O_{max}^{c}
Omaxc表示色偏最大估计值，
O
m
i
n
c
O_{min}^{c}
Ominc表示色偏最小估计值。对每个颜色通道做归一化处理，得到：
O
C
R
c
=
O
c
−
O
m
i
n
c
O
m
a
x
c
−
O
m
i
n
c
∗
255
O_{CR}^{c} =\\frac{O^{c}-O_{min}^{c}}{O_{max}^{c}-O_{min}^{c}}*255
OCRc=Omaxc−OmincOc−Ominc∗255
其中，
O
C
R
c
O_{CR}^{c}
OCRc是颜色校正后的数据分量。
三、BlueComp-蓝通道补偿的色偏校正
paper《A Fast Sand-Dust Image Enhancement Algorithm by Blue Channel Compensation and Guided Image Filtering》 论文分析
3.1 蓝通道补偿（Blue Channel Compensation）
基于灰度世界假设与沙尘通道衰减特性（蓝通道衰减最快、绿通道相对稳定），在保持绿通道均值不变的前提下，对蓝通道进行补偿，补偿公式：
I
b
c
(
x
)
=
I
b
(
x
)
+
I
ˉ
g
−
I
ˉ
b
I
ˉ
r
+
I
ˉ
g
+
I
ˉ
b
∗
I
g
(
x
)
I_{bc}(x)=I_b(x)+\\frac{\\bar I_g-\\bar I_b}{\\bar I_r+\\bar I_g+\\bar I_b}*I_g(x)
Ibc(x)=Ib(x)+Iˉr+Iˉg+IˉbIˉg−Iˉb∗Ig(x)
其中，
I
b
c
I_{bc}
Ibc：补偿后蓝通道数据；
I
b
,
I
g
I_b,I_g
Ib,Ig：原图蓝、绿通道数据；
I
ˉ
r
,
I
ˉ
g
,
I
ˉ
b
\\bar I_r,\\bar I_g,\\bar I_b
Iˉr,Iˉg,Iˉb：原图各通道全局均值。
3.2 鲁棒白平衡（Robust-AWB）
蓝通道补偿后仍存在色偏问题，采用白平衡算法对补偿后的图像进行色彩校正，进一步校正色偏、消除蓝色伪影。
采用Robust- AWB 校正了沙尘图像的色彩偏差，该算法利用提取图像中的灰度色点来估计色温，通过不同色温下灰度色点之间的色差来估计光源的色温。
四、BaseGreen-基于绿色通道色偏校正
Sand-Dust Image Enhancement Using Successive Color Balance With Coincident Chromatic Histogram
论文分析
4.1 基于绿色通道的加权色偏校正
首先对于图像各通道采取加权绿色通道的方式进行补偿，可有效调整图像的红色通道和蓝色通道，使蓝色通道的平均值和标准差得到一定增强，红色通道的平均值和标准差得到一定程 度的减弱。
I
1
c
(
x
)
=
I
c
(
x
)
+
Δ
c
I
g
(
x
)
I_1^c(x)=I^c(x)+\\Delta^cI^g(x)
I1c(x)=Ic(x)+ΔcIg(x)
其中，
I
c
(
x
)
I^c(x)
Ic(x)表示原始各通道的像素值；
I
1
c
(
x
)
I_1^c (x)
I1c(x)表示经过补偿后各通道对应的像素值；
Δ
c
\\Delta^c
Δc 表示绿色通道的权重因子，为3个权重系数分量的乘积
Δ
c
=
δ
m
c
∗
δ
s
c
∗
δ
w
c
\\Delta^c=\\delta_{m}^c*\\delta_{s}^c*\\delta_{w}^c
Δc=δmc∗δsc∗δwc
其中，
δ
m
c
\\delta_{m}^c
δmc是基于平均值的全局权重系数，
∗
δ
s
c
*\\delta_{s}^c
∗δsc是基于标准差的全局权重系数，
δ
w
c
\\delta_{w}^c
δwc是基于像素的局部加权因子，计算公式如下：
δ
m
c
=
m
(
I
g
)
−
m
(
I
c
)
δ
s
c
=
σ
(
I
g
)
σ
(
I
c
)
δ
w
c
(
x
)
=
1
−
1
−
m
(
I
b
)
+
m
(
I
r
)
2
∗
I
c
(
x
)
\\delta_{m}^c=m(I^g)-m(I^c) \\\\ \\delta_{s}^c=\\frac{\\sigma(I^g)}{\\sigma(I^c)}\\\\ \\delta_{w}^c(x)=1-\\frac{1-m(I^b)+m(I^r)}{2}*I^c(x)
δmc=m(Ig)−m(Ic)δsc=σ(Ic)σ(Ig)δwc(x)=1−21−m(Ib)+m(Ir)∗Ic(x)
其中，
m
(
I
g
)
m(I^g)
m(Ig)为g通道全局均值，
σ
\\sigma
σ为通道数据标准差
该步骤主要是以绿色通道作为补偿量，对图像的红色通道和蓝色通道进行调整
4.2 通道数据归一化
在初始化调整红蓝通道的基础上，进一步根据绿色分量的均值拉伸其他通道，达到有效校正色偏的目的，具体实现为
I
2
c
(
x
)
=
I
1
c
(
x
)
−
m
(
I
1
c
(
x
)
)
m
a
x
I
1
c
(
x
)
−
m
i
n
I
1
c
(
x
)
+
m
(
I
g
(
x
)
)
I_2^c(x)=\\frac{I_1^c(x)-m(I_1^c(x))}{maxI_1^c(x)-minI_1^c(x)}+m(I^g(x))
I2c(x)=maxI1c(x)−minI1c(x)I1c(x)−m(I1c(x))+m(Ig(x))
处理后图像三通道直方图集中分布，色偏问题已基本解决
五、仿真效果
复现论文仿真结果如下，图1是原始图，图2是2节的线性校正，图3是3节的蓝通道补偿，图4是基于绿通道的校正结果
测试代码链接 分别运行Liner、BlueComp、BaseGreen模式查看仿真结果
觉得本文对您有一点帮助，欢迎讨论、点赞、收藏，您的支持激励我多多创作。
