監(jiān)控視頻中的圖像預(yù)處理技術(shù)詳細(xì)解析(二)
發(fā)布日期:2014-10-23
3.常見的預(yù)處理方法
現(xiàn)在常見的效果明顯的視頻預(yù)處理主要包括下面的幾個(gè)方面。
3.1 限帶濾波和降采樣
根據(jù)奈奎斯特定理,只有對(duì)圖像進(jìn)行高于兩倍信號(hào)最高頻率的采樣才能保證從采樣值完全恢復(fù)原圖像。但是如果該條件不滿足,即欠采樣時(shí),高次諧波的頻譜就會(huì)疊加到基波,出現(xiàn)頻譜混疊效應(yīng)。隨著圖像高清晰度的增加,由于采樣率的限制,絕大多數(shù)成像系統(tǒng)都存在不同的混疊現(xiàn)象。怎樣消除混疊效應(yīng)成為了預(yù)處理中的一個(gè)令人關(guān)注的問題。
抑制或消除混疊效應(yīng)常采用兩項(xiàng)措施,一是限帶濾波,二是下采樣。限帶濾波就是對(duì)高速采樣的數(shù)字視頻進(jìn)行一次低通濾波,抑制奈奎斯特定理定義的通帶以外的高頻分量。因?yàn)檫@些帶外分量在后續(xù)的處理中會(huì)引起混疊效應(yīng),產(chǎn)生無意義的高頻分量,而編碼器還得對(duì)它們進(jìn)行編碼,浪費(fèi)不少寶貴的編碼比特。僅采用限帶濾波只能濾除信號(hào)中少量的高頻分量,如果信號(hào)帶寬遠(yuǎn)高于奈奎斯特帶寬,那么在限帶濾波后還需進(jìn)行一次下采樣,進(jìn)一步減少碼字。
3.2 噪聲去除
噪聲對(duì)于任何實(shí)際的視頻采集來說均是不可避免的,如果在編碼前未將不必要的噪聲去除,不僅會(huì)影響解碼視頻質(zhì)量,而且后面的編碼部分還將為噪聲編碼,降低了效率。視頻中常見的噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。圖像中的噪聲往往和信號(hào)交織在一起,尤其是乘性噪聲,如果濾波不當(dāng),就會(huì)使圖像本身的細(xì)節(jié),如邊界輪廓、線條等,變得模糊不清。如何既平滑掉噪聲又盡量保持圖像細(xì)節(jié),是圖像去噪的難點(diǎn)所在。
圖像去噪方法很多,它們大體上可以分為兩類:空間域的去噪方法和變換域的去噪方法。這兩類方法的最主要區(qū)別是前者直接對(duì)觀察圖像數(shù)據(jù)進(jìn)行處理,而后者則是先對(duì)圖像進(jìn)行某種變換,然后再對(duì)變換后的系數(shù)進(jìn)行處理。
變換域的去噪方法認(rèn)為,在變換域圖像往往是稀疏表示的,即高頻分量很少,大部份噪聲處于高頻部分,通過在變換域設(shè)置閾值或者截?cái)喔叨祟l譜來去除噪聲。這類方法的優(yōu)點(diǎn)是在變換域進(jìn)行處理比較簡(jiǎn)單。它的不足之處在于對(duì)閾值的設(shè)置比較困難;在去除噪聲的同時(shí)不可避免地會(huì)平滑圖像本身的紋理細(xì)節(jié);圖像在變換域丟失了部分結(jié)構(gòu)特征,特別是邊界信息等。這些都會(huì)影響去噪圖像的質(zhì)量。
空間域的去噪方法關(guān)注圖像數(shù)據(jù)本身,如近年來流行的基于塊的去噪方式,其基本思想是為去噪圖像的每一個(gè)塊尋找與它相似的塊,相似塊可以在同一幀內(nèi)部尋找,或者其它幀中尋找,還可在其它圖像中尋找,最后通過加權(quán)平均等操作恢復(fù)圖像塊??臻g域的方法利用了更多的圖像數(shù)據(jù)信息,保留圖像的結(jié)構(gòu),有利于保持圖像細(xì)節(jié),但也容易出現(xiàn)過平滑現(xiàn)象。近年來針對(duì)圖像的混合高斯噪聲,出現(xiàn)了一種將變換域和空間域方法相結(jié)合的自適應(yīng)噪聲去除方法。這種方法首先采用基于塊和濾波的噪聲參數(shù)估計(jì),自適應(yīng)的估計(jì)混合高斯噪聲參數(shù),然后利用估計(jì)得到的噪聲參數(shù)進(jìn)行圖像去噪,將多幅去噪圖像進(jìn)行簡(jiǎn)單的數(shù)據(jù)融合,最終獲得性能良好的去噪圖像,其過程如下圖2所示。

3.3 圖像增強(qiáng) 圖像增強(qiáng)處理的任務(wù)是有目地突出圖像中的感興趣部分,或目標(biāo)的特征,抑制圖像中某些不需要的特征,提高圖像的清晰度,改進(jìn)圖像的觀賞質(zhì)量。在圖像增強(qiáng)過程中,一般不考慮圖像降質(zhì)的原因,增強(qiáng)后的圖像也不一定要逼近原圖像。圖像增強(qiáng)中常見的幾種具體處理方法為: (1)直方圖均衡 在圖像處理中,圖像直方圖表示了圖像中像素灰度值的分布情況。為使圖像變得清晰,增大反差,凸顯圖像細(xì)節(jié),通常希望圖像灰度的分布從暗到亮大致均勻。直方圖均衡就是把那些直方圖分布不均勻的圖像(如大部分像素灰度集中分布在某一段)經(jīng)過一種函數(shù)變換,使之成一幅具有均勻灰度分布的新圖像,其灰度直方圖的動(dòng)態(tài)范圍擴(kuò)大。用于直方均衡化的變換函數(shù)不是統(tǒng)一的,它是輸入圖像直方圖的積分,即累積分布函數(shù)。 (2)灰度變換 灰度變換可使圖像動(dòng)態(tài)范圍增大,對(duì)比度得到擴(kuò)展,使圖像清晰、特征明顯,是圖像增強(qiáng)的重要手段之一。它主要利用圖像的點(diǎn)運(yùn)算來修正像素灰度,由輸入像素點(diǎn)的灰度值確定相應(yīng)輸出像素點(diǎn)的灰度值,可以看作是“從像素到像素”的變換操作,不改變圖像內(nèi)的空間關(guān)系。像素灰度級(jí)的改變是根據(jù)輸入圖像f(x, y)灰度值和輸出圖像g(x, y)灰度值之間的轉(zhuǎn)換函數(shù)g(x,y)=T進(jìn)行的。 灰度變換包含的方法很多,如逆反處理、閾值變換、灰度拉伸、灰度切分、灰度級(jí)修正、動(dòng)態(tài)范圍調(diào)整等。 (3)白平衡 白色是人眼對(duì)比例相同且具有一定亮度的藍(lán)、綠、紅三種色光所形成的視覺反應(yīng)。在正常的情況下,視頻采集系統(tǒng)對(duì)白光的輸出為白色,簡(jiǎn)單地說這個(gè)系統(tǒng)處于白平衡狀態(tài)。如果系統(tǒng)對(duì)白光不能夠保持白色輸出,出現(xiàn)偏色,如發(fā)紅或發(fā)藍(lán)等,就說明采集系統(tǒng)對(duì)現(xiàn)場(chǎng)彩色的處理出現(xiàn)了偏差,即未達(dá)到白平衡。由于場(chǎng)景的彩色情況非常復(fù)雜,難以斷定白平衡情況,所以在實(shí)際應(yīng)用中,常常用白光來判定系統(tǒng)的白平衡狀況。這是一種衡量系統(tǒng)的色彩比例是否恰當(dāng)?shù)囊环N方便、直觀的方法。如果達(dá)到了白平衡,那么輸出的色彩也是白色,沒有其它的偏色;如果有偏色,說明沒有達(dá)到白平衡,需要在預(yù)處理時(shí)加以調(diào)整,使之成像后仍然為白色。 (4)伽瑪校正 在視頻采集系統(tǒng)中,CCD、CMOS等光電轉(zhuǎn)換的器件的特性都是非線性的。場(chǎng)景的亮度L和是傳感器輸出的電壓E,之間的關(guān)系可用一個(gè)冪函數(shù)E(x, y)=kLr(x, y)來表示,其中k是比例常數(shù),r是冪函數(shù)的指數(shù),用它來衡量非線性器件的轉(zhuǎn)換特性,稱之為伽瑪特性。在視頻中由于伽瑪特性的存在,會(huì)導(dǎo)致圖像信號(hào)的亮度失真,影響圖像質(zhì)量。因此要對(duì)這個(gè)失真進(jìn)行補(bǔ)償,即伽瑪校正。簡(jiǎn)單地說,就是對(duì)輸出電壓用一個(gè)負(fù)指數(shù)函數(shù)對(duì)其進(jìn)行校正,使得校正后的光、電兩個(gè)量之間保持線性關(guān)系。 (5)圖像平滑 在空間域中進(jìn)行平滑濾波技術(shù)主要用于消除圖像中的噪聲,主要有鄰域平均法、中值濾波法等等。這種局部平均的方法在削弱噪聲的同時(shí),常常會(huì)帶來圖像細(xì)節(jié)信息的損失。 鄰域平均,也稱均值濾波,對(duì)于給定的圖像f(x,y)中的每個(gè)像素點(diǎn)(x,y),它所在鄰域S中所有M個(gè)像素灰度值平均值為其濾波輸出,即用一像素鄰域內(nèi)所有像素的灰度平均值來代替該像素原來的灰度。 中值濾波,對(duì)于給定像素點(diǎn)(x,y)所在領(lǐng)域S中的n個(gè)像素值數(shù)值{f1, f2,…,fn},將它們按大小進(jìn)行有序排列,位于中間位置的那個(gè)像素?cái)?shù)值稱為這n個(gè)數(shù)值的中值。某像素點(diǎn)中值濾波后的輸出等于該像素點(diǎn)鄰域中所有像素灰度的中值。中值濾波是一種非線性濾波,運(yùn)算簡(jiǎn)單,實(shí)現(xiàn)方便,而且能較好的保護(hù)邊界。 (6)圖像銳化 采集圖像變得模糊的原因往往是圖像受到了平均或者積分運(yùn)算,因此,如果對(duì)其進(jìn)行微分運(yùn)算,就可以使邊緣等細(xì)節(jié)信息變得清晰。這就是在空間域中的圖像銳化處理,其的基本方法是對(duì)圖像進(jìn)行微分處理,并且將運(yùn)算結(jié)果與原圖像疊加。從頻域中來看,銳化或微分運(yùn)算意味著對(duì)高頻分量的提升。常見的連續(xù)變量的微分運(yùn)算有一階的梯度運(yùn)算、二階的拉普拉斯算子運(yùn)算,它們分別對(duì)應(yīng)離散變量的一階差分和二階差分運(yùn)算。 (7)小波變換增強(qiáng) 對(duì)圖像進(jìn)行小波變換,可得到圖像的不同頻率分量的小波變換系數(shù),如果對(duì)適當(dāng)?shù)母哳l系數(shù)進(jìn)行增強(qiáng)處理后,再進(jìn)行小波逆變換之后,就可以達(dá)到圖像的細(xì)節(jié)或邊緣增強(qiáng)的目的。當(dāng)然,小波變換還可以用來去除圖像中的噪聲。由于噪聲大多屬于高頻信息,因此,當(dāng)進(jìn)行小波變換之后,噪聲信息大多集中在高頻子塊之中,對(duì)這一部分系數(shù)進(jìn)行抑制,則可以達(dá)到一定的噪聲去除效果。文章來源:迅通顧問
更多專業(yè)資訊請(qǐng)?jiān)L問:www.美音美言.com www.www.worldroadconference.com