随着数字图像技术的发展和市场需求的推动,模糊图像处理技术的研究一直没有中断过。新的数字处理技术和设备不断出现,同时行业对图像清晰度的要求不断提高,模糊图像处理技术也在不断进步。模糊图像处理技术应用领域非常广泛,几乎有数字图像的地方都可能应用到模糊图像处理技术。维视图像大体为您总结了造成图像模糊的主要原因:

●镜头聚焦不当、摄像机故障等;

●传输太远、视频线老化、环境电磁干扰等;

●摄像机护罩视窗或镜头受脏污、受遮挡等;

●大雾、沙尘、雨雪等恶劣环境影响;

●由视频压缩算法和传输带宽原因导致的模糊;

●摄像机分辨率低,欠采样成像;

●光学镜头的极限分辨率和摄像机不匹配导致的模糊;

●运动目标处于高速运动状态导致的运动模糊等;

从技术方面来讲,模糊图像的处理方法主要分为三类,接下来维视图像将从这三个方面切入剖析。

图像增强

模糊图像处理

很多传统图像算法都可以减轻图像的模糊程度,比如图像滤波、几何变换、对比度拉伸、直方图均衡、空间域锐化、亮度均匀化、形态学、颜色处理等。就单个来讲,这些算法都比较成熟,相对简单。但是对于一个具体的模糊图像,往往需要上面的一种或者多种算法组合,配合不同的参数才能达到理想的效果。这些算法和参数的组合进一步发展成为具体的增强算法,比如"图像去雾"算法、"图像去噪"算法、"图像锐化"算法、"图像暗细节增强"算法等等。这些算法都不同程度提高了图像清晰度,很大程度改善了图像质量。

模糊图像处理

图像复原

图像复原是根据图像退化的先验知识建立一个退化模型,然后以此模型为基础,采用各种逆退化处理方法逐步进行恢复,从而达到改善图像质量的目的。

图像复原和图像增强是有区别的,两者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的,只有通过试探各种技术来增强图像的视觉效果,而图像复原就完全不同,需要知道图像退化过程的先验知识,据此找出一种相应的逆过程方法,从而得到复原的清晰图像。图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。

对由于离焦、运动、大气湍流等原因引起的图像模糊,图像复原的方法效果较好,常用的算法包括维纳滤波算法、小波算法、基于训练的方法等。在知道退化模型的情况下,相对图像增强来说,图像复原可以取得更好的效果。  

模糊图像处理

图像超分辨率重构

现有的监控系统主要目标为宏观场景的监视,即便是高达1400万像素的工业相机,在覆盖一个很大的范围时,也会让采集到的画面中目标太小,人眼很难直接辨认。这类由于欠采样导致的模糊占很大比例,对于由欠采样导致的模糊需要使用超分辨率重构的方法。

超分辨率复原是通过信号处理的方法,在提高图像的分辨率的同时改善采集图像质量。其核心思想是通过对成像系统截止频率之外的信号高频成分估计来提高图像的分辨率。超分辨率复原技术最初只对单幅图像进行处理,这种方法由于可利用的信息只有单幅图像,图像复原效果有着固有的局限。序列图像的超分辨率复原技术旨在采用信号处理方法通过对序列低分辨率退化图像的处理来获得一幅或者多幅高分辨率复原图像。由于序列图像复原可利用帧间的额外信息,比单幅复原效果更好,是当前的研究热点。

模糊图像处理

维视图像建议虽然模糊图像处理算法已经取得了非常广泛的应用,但是图像算法毕竟有局限性,不能将所有问题都寄希望于图像算法,对于不同种类的模糊问题,要区别对待。对于由镜头离焦、灰尘遮挡、线路老化、摄像机故障等造成的模糊或者图像质量下降,在视频诊断系统的帮助下,一定要及时维修,从源头上解决问题。对于低光照等优先选择日夜两用型高感光度工业摄像机,对于雨雾、运动和欠采样等造成的图像质量下降,可以借助于"视频增强服务器"包含的各种模糊图像处理算法来提升图像质量。