實驗的影像分為兩種類型，一種是同一場景拍攝單張影像，相機採用的是 Panasonic DMC-FZ50GT 的一般鏡頭拍攝；另外一種是同一場景拍攝兩張影像，
在一般鏡頭前面加裝偏光鏡並旋轉至某角度拍攝。而偏光鏡採用的是 B+W
CIRCULAR-POL。圖 4.1(a)為相機裝置偏光鏡前，而圖 4.1(b)為相機裝置偏光鏡 前後，圖 4.3(c)為偏光鏡。
(a) (b)
(C) 圖 4.1 實驗器材
41
42
本實驗在這部分所使用的影像為鏡頭前加裝偏光鏡並旋轉至若干角度所拍
攝。影像原本的解析度為 1600X1200，在經過 sub-sampling 程序後，所處理的影
像解析度為 320X240。使用 Pentium Duo Core2 為中央處理器的桌上型電腦作影
像處理，處理時間不到 1 秒。
首先，如圖 4.3 為非交通影像且起霧的時候，其中圖 4.3(a) 為I x( )max，圖
4.3(b)為I x( )min，靠近山區的建築物能見度並不佳。為了求得參數p各對兩張影 像作 Haar 小波離散轉換，如圖 4.3(c)為 4.3(a)作完三階小波離散轉換後的結果。
利用 ICA 求得 p 與演算法求得
A
後就可以利用以上的資訊回復景物原本的景致，如圖 4.3(d)。
(a) (b)
(c) (d)
圖 4.3 非交通起霧場景(a) I x( )max(b) I x( )min(c)三階 Haar 小波轉換(d)回復的影像
43
其中，下圖 4.4(a)為上圖 4.3(b)在遠處建築物附近紅色框框的放大圖。而圖 4.4(b)
為圖 4.3(d) 在遠處建築物附近紅色框框的放大圖，明顯的 4.4(b)清楚很多。但因
為 4.4(b)天空的部分全部變為白色造成對比程度下降，故此例子並無法用上述能
見度的估計方法來計算其能見度。
(a) (b)
圖 4.4 放大影像(a)為圖 4.3(b)之放大圖(b)為圖 4.3d 之放大圖
如下圖 4.5 在非交通且下雨的情況下，遠處的建築物因為雨的散射使得對比 度減少，在處理前的能見度 ( ) 0.27C I ≈ 。處理過後如圖 4.5(c)能見度 ( ) 0.30C I ≈ 。
(a) (b) 圖 4.5 非交通且下雨場景(a)I x( )max(b)回復的影像
44
在一般道路起霧的場景中，為了模擬交通監視系統通常架設在路口至高點處 的情形，我們把相機設置在天橋上並且由上往下的拍攝方式來取得一般道路起霧
的交通場景。也為了使起霧對視覺的影響更為顯著，我們通常利用伸縮鏡頭，把
場景拉至較遠處。如下圖 4.6 為一般道路中起霧的情形，處理前的能見度
( ) 0.23
C I ≈ 。圖 4.6(c)為處理後的影像。整個影像的能見度明顯提高，處理後的 能見度 ( ) 0.32C I ≈ 。而圖 4.6(d)為 4.6(a)在遠方起霧比較明顯之處的放大圖。
(a) (b)
(c) (d)
圖 4.6 一般道路起霧場景(a) I x( )max(b) I x( )min(c)回復的影像(d)為 4.6(a)紅色區
塊放大圖
45
在一般道路下雨的場景中，相機同樣設置在天橋上並且由上往下的拍攝方式
來取得一般道路下雨的交通場景。值得注意的是，下雨時路面會出現積水的情形
如圖 4.7(a)路緣的部分，積水會反射光線並且伴隨偏極化的情形。使得我們原本
認定景物原本散發出的光沒有被偏極化的假設因為積水的反射光而不成立，造成
airlight 估計的錯誤。如圖 4.7(c)路緣的部分因 airlight 估計的錯誤而錯誤。圖 4.7(a) 的能見度 ( ) 0.30C I ≈ ，圖 4.7(c)處理後影像的能見度 ( ) 0.34C I ≈ 。
(a) (b)
(c)
圖 4.7 一般道路下雨場景(a) I x( )max(b) I x( )min(c)回復的影像
46
在高速公路起霧的場景中，相機通常架設在路肩或者架設在高速公路旁的小
山坡上。為了使起霧對視覺的影響更為顯著，如同我們在拍攝一般道路時，把場
景拉至較遠處。下圖 4.8(a)為架設在路肩時起霧的情景(I x( )max)，處理前的能見
度 ( ) 0.26C I ≈ 。4.8(b)為處理過後的影像，能見度 ( ) 0.30C I ≈ 。圖 4.9(a)為架設在
路旁小山坡的情景(I x( )max)，能見度 ( )C I ≈0.26。圖 4.9(b)為處理過後的影像，
能見度 ( ) 0.34C I ≈ ，確實比處理前好。
(a) (b)
圖 4.8 高速公路起霧場景一(a)輸入影像(b) 回復的影像
(a) (b)
圖 4.9 高速公路起霧場景二(a)輸入影像(b) 回復的影像
47
在高速公路下雨的場景中，相機架設在高速公路旁的小山坡上。與在一般道
路的情形一樣，雖然高速公路積水的機率比較小，但如果發生會就會造成 airlight
估計的錯誤使得回復的影像錯誤。如 4.10(a)與 4.11(a)皆為處理前高速公路下雨
時的景象(I x( )max)。能見度各為 ( )C I ≈0.30和 ( ) 0.45C I ≈ 。4.10(b)與 4.11(b)為處
理後的影像，前者能見度 ( ) 0.31C I ≈ ，因為天空的部分皆變成白色，造成對比程
度的下降使整張影像能見度並沒有明顯提升。後者也因為此原因造成能見度與處
理前的影像一樣。但遠處的建築物附近可以明顯看出能見度比處理前為佳。
(a) (b)
圖 4.10 高速公路下雨場景一(a)輸入影像 (b) 回復的影像
(a) (b)
圖 4.11 高速公路下雨場景二(a)輸入影像(b) 回復的影像
48 4.2 單張影像單張影像單張影像為基礎單張影像為基礎為基礎為基礎
本實驗在這部分所使用的影像為單張影像。與前一章節一樣，影像原本的解 析度為 1600X1200，在經過 sub-sampling 程序後，所處理的影像解析度為
320X240。使用 Pentium Duo Core2 為中央處理器的桌上型電腦作影像處理，處 理時間約 20 秒。實驗場景如圖 4.2 所分類，我們針對各種情況皆作測試。
首先如圖 4.12(a)為非交通影像且下雨時的場景。因為水氣的散射，使得 遠方建築物的能見度明顯降低，此時能見度 ( ) 0.20C I ≈ 。為了估計雜訊和 A 我
們先對原影像求區域圖如 4.12(b)所示，區域圖中相同顏色的區塊我們認為是同
一性質的區域。求得 A 後就可以利用上一章節的推導求得景物原本的影像 J(x)
如圖 4.12(c)所示，此時能見度 ( ) 0.36C I ≈ ，提升約 1.8 倍。而圖 4.12(d)為圖 4.12(a)
在紅色方框的放大圖；圖 4.1(e)為圖 4.12(c) 在紅色方框的放大圖。由此比較後
更可以看出處理後的景物能見度明顯改善。
(a) (b)
49
(b) (d)
(e)
圖 4.12 非交通影像下雨場景(a)輸入影像(b)區域圖(c)處理結果(d)處理前遠方放
大圖(e)處理後遠方放大圖
下圖 4.13(a)為非交通且起霧的場景，處理前的能見度 ( )C I ≈0.28，處理 後的能見度 ( ) 0.35C I ≈ 。能見度提升約 1.25 倍
(a) (b)
圖 4.13 非交通起霧場景(a)輸入影像(b)處理後的影像
50
在一般道路起霧的場景中，因為輸入的影像為單張影像，並不會同上一章節 所出現的問題一樣，受到車輛移動的影響造成恢復影像的錯誤。如圖 4.14(a)、
4.15(a)為一般道路起霧的影像，能見度各為 ( )C I ≈0.22和 ( ) 0.21C I ≈ 。4.14(b)和
4.15(b)為處理後的影像，改善後的能見度各為 ( )C I ≈0.29和 ( ) 0.27C I ≈ ，個別提 升了約 1.3 倍和 1.28 倍。
(a) (b)
圖 4.14 一般道路起霧場景一(a)輸入影像(b)處理後的影像
(a) (b)
圖 4.15 一般道路起霧場景二(a)輸入影像(b)處理後的影像
51
在一般道路下雨的場景中，此方法並不會受到路面積水的影響而造成錯誤。
如圖 4.16(a)、4.17(a)為一般道路下雨的影像，能見度各為 ( ) 0.19C I ≈ 和
( ) 0.30
C I ≈ 。4.16(b)和 4.17(b)為處理後的影像，改善後的能見度各為 ( ) 0.25C I ≈ 和 ( ) 0.39C I ≈ ，個別提升了約 1.31 倍和 1.3 倍。
(a) (b)
圖 4.16 一般道路下雨場景一(a)輸入影像(b)處理後的影像
(a) (b)
圖 4.17 一般道路下雨場景二(a)輸入影像(b)處理後的影像
52
在高速公路起霧時的場景，如下圖 4.18(a)為在高速公路旁小山坡上拍攝的 影像，此時能見度 ( ) 0.21C I ≈ 。圖 4.18(b)為處理過後的影像，此時能見度
( ) 0.34
C I ≈ ，提升約 1.61 倍。圖 4.19(a)為在路肩拍攝的影像，能見度 ( ) 0.26C I ≈ 。 圖 4.19(b)為處理過後的影像，能見度 ( ) 0.33C I ≈ ，提升約 1.26 倍。
(a) (b)
圖 4.18 高速公路起霧場景一(a)輸入影像(b)處理後的影像
(a) (b)
圖 4.19 高速公路起霧場景二(a)輸入影像(b)處理後的影像
53
在高速公路下雨時的場景，如下圖 4.20(a)為在高速公路旁小山坡上拍攝的
影像，此時能見度 ( ) 0.22C I ≈ 。圖 4.20(b)為處理過後的影像，此時能見度
( ) 0.43
C I ≈ ，提升約 1.95 倍。圖 4.21(a)為另一在高速公路旁小山坡上拍攝的影 像，能見度 ( ) 0.36C I ≈ 。圖 4.21(b)為處理過後的影像，能見度 ( ) 0.45C I ≈ ，提
升約 1.25 倍。
(a) (b)
圖 4.20 高速公路下雨場景一(a)輸入影像(b)處理後的影像
(a) (b)
圖 4.21 高速公路下雨場景二(a)輸入影像(b)處理後的影像
54 4.3 交通影像之能見度統計交通影像之能見度統計交通影像之能見度統計 交通影像之能見度統計
本實驗在此部分為針對各種交通場景統計其影像改善前後能見度的差異，並
以折線圖表示。如下圖為一般道路下雨時能見度統計圖，橫軸為影像編號，在此
場景總共張數有 13 張影像。縱軸為能見度。
其中，藍色實線為處理前各個影像之能見度，而紅色實線則為處理後各個影像之
能見度。我們以同樣影像來做比較，明顯的處理後的影像能見度皆有一定程度的
改善。藍色虛線則為此場景所有處理前影像能見度之平均，而紅色虛線則為此場
景所有處理後影像能見度之平均。
由下表得知影像處理後能見度之平均遠大於影像處理前能見度的平均。
圖 4.22 一般道路下雨時能見度統計圖
55
下圖則為一般道路起霧時能見度統計圖，此場景總共用 13 張影像來統計：
圖 4.23 一般道路起霧時能見度統計圖
下圖為高速公路下雨時能見度統計圖，此場景總共用了 11 張影像來統計：
圖 4.24 高速公路下雨時能見度統計圖
56
下圖為高速公路起霧時能見度統計圖，此場景總共用了 14 張影像
來統計：
圖 4.25 高速公路起霧時能見度統計圖
由上述統計資料得知，處理後能見度皆有一定程度的提升。
57