基于深度学习的图像去雨

提出一种基于深度学习（卷积神经网络）的图像去雨框架，取得的效果优于已经存在的绝大多数方法

# This tensorflow implementation of guided filter is from: H. Wu et al. “Fast End-to-End Trainable Guided Filter“ CPVR 2018.

# Web: https://github.com/wuhuikai/DeepGuidedFilter

import tensorflow as tf

def diff_x（input r）:
    assert input.shape.ndims == 4

    left   = input[: :         r:2 * r + 1]
    middle = input[: : 2 * r + 1:         ] - input[: :           :-2 * r - 1]
    right  = input[: :        -1:         ] - input[: : -2 * r - 1:    -r - 1]

    output = tf.concat（[left middle right] axis=2）

    return output


def diff_y（input r）:
    assert input.shape.ndims == 4

    left   = input[: : :         r:2 * r + 1]
    middle = input[: : : 2 * r + 1:         ] - input[: : :           :-2 * r - 1]
    right  = input[: : :        -1:         ] - input[: : : -2 * r - 1:    -r - 1]

    output = tf.concat（[left middle right] axis=3）

    return output


def box_filter（x r）:
    assert x.shape.ndims == 4

    return diff_y（tf.cumsum（diff_x（tf.cumsum（x axis=2） r） axis=3） r）


def guided_filter（x y r eps=1e-8 nhwc=False）:
    assert x.shape.ndims == 4 and y.shape.ndims == 4

    # data format
    if nhwc:
        x = tf.transpose（x [0 3 1 2]）
        y = tf.transpose（y [0 3 1 2]）

    # shape check
    x_shape = tf.shape（x）
    y_shape = tf.shape（y）

    assets = [tf.assert_equal（   x_shape[0]  y_shape[0]）
              tf.assert_equal（  x_shape[2:] y_shape[2:]）
              tf.assert_greater（x_shape[2:]   2 * r + 1）
              tf.Assert（tf.logical_or（tf.equal（x_shape[1] 1）
                                      tf.equal（x_shape[1] y_shape[1]）） [x_shape y_shape]）]

    with tf.control_dependencies（assets）:
        x = tf.identity（x）

    # N
    N = box_filter（tf.ones（（1 1 x_shape[2] x_shape[3]） dtype=x.dtype） r）

    # mean_x
    mean_x = box_filter（x r） / N
    # mean_y
    mean_y = box_filter（y r） / N
    # cov_xy
    cov_xy = box_filter（x * y r） / N - mean_x * mean_y
    # var_x
    var_x  = box_filter（x * x r） / N - mean_x * mean_x

    # A
    A = cov_xy / （var_x + eps）
    # b
    b = mean_y - A * mean_x

    mean_A = box_filter（A r） / N
    mean_b = box_filter（b r） / N

    output = mean_A * x + mean_b

    if nhwc:
        output = tf.transpose（output [0 2 3 1]）

    return output

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-09-26 17:40  图像去雨（附代码）\
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\
     文件       60804  2016-01-14 11:10  图像去雨（附代码）\TIP17_training_code\1.jpg
     文件       53022  2017-02-28 11:47  图像去雨（附代码）\TIP17_training_code\100.jpg
     文件      360831  2016-03-03 19:06  图像去雨（附代码）\TIP17_training_code\1001.jpg
     文件       44139  2017-02-28 16:46  图像去雨（附代码）\TIP17_training_code\7.jpg
     文件       29234  2018-09-15 14:46  图像去雨（附代码）\TIP17_training_code\8.jpg
     文件       58118  2017-02-28 16:45  图像去雨（附代码）\TIP17_training_code\88.jpg
     文件       40066  2017-02-28 11:46  图像去雨（附代码）\TIP17_training_code\99.jpg
     文件        2318  2018-06-14 15:39  图像去雨（附代码）\TIP17_training_code\GuidedFilter.py
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\TrainData\
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\TrainData\input\
     文件       60804  2016-01-14 11:10  图像去雨（附代码）\TIP17_training_code\TrainData\input\1.jpg
     文件       70171  2016-01-14 11:10  图像去雨（附代码）\TIP17_training_code\TrainData\input\2.jpg
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\TrainData\label\
     文件      204181  2016-01-14 11:18  图像去雨（附代码）\TIP17_training_code\TrainData\label\1.jpg
     文件      292156  2016-01-14 11:09  图像去雨（附代码）\TIP17_training_code\TrainData\label\2.jpg
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\__pycache__\
     文件        2241  2018-09-07 09:12  图像去雨（附代码）\TIP17_training_code\__pycache__\GuidedFilter.cpython-36.pyc
     文件        5424  2018-09-08 08:59  图像去雨（附代码）\TIP17_training_code\__pycache__\training.cpython-36.pyc
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\model\
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\model\test-model\
     文件     9056300  2018-06-14 14:29  图像去雨（附代码）\TIP17_training_code\model\test-model\model.data-00000-of-00001
     文件         821  2018-06-14 14:29  图像去雨（附代码）\TIP17_training_code\model\test-model\model.index
     文件      190986  2018-06-14 14:29  图像去雨（附代码）\TIP17_training_code\model\test-model\model.meta
     目录           0  2018-09-26 17:39  图像去雨（附代码）\TIP17_training_code\model-me\
     文件         277  2018-09-07 21:18  图像去雨（附代码）\TIP17_training_code\model-me\checkpoint
     文件     9056300  2018-09-07 21:00  图像去雨（附代码）\TIP17_training_code\model-me\model-epoch-7900.data-00000-of-00001
     文件         821  2018-09-07 21:00  图像去雨（附代码）\TIP17_training_code\model-me\model-epoch-7900.index
     文件      190835  2018-09-07 21:00  图像去雨（附代码）\TIP17_training_code\model-me\model-epoch-7900.meta
     文件     9056300  2018-09-07 21:05  图像去雨（附代码）\TIP17_training_code\model-me\model-epoch-8000.data-00000-of-00001
............此处省略15个文件信息