4.4.4 视频图像清晰化处理实例-镜头畸变与噪声在线视频

在视频侦查工作中

常常会遇到例如ATM取款机

密拍密录设备

广角摄像头等视频拍摄设备

其拍摄画面中的人物或物品

通常带有明显的畸变

从而难以确定人物的五官比例

或物品的原始形状

另外还有一些视频影像

画面中带有雪花状

条纹状等各类噪声干扰

影响视频侦查人员辨识画面中的内容

如何通过视频清晰化处理手段

解决这两类问题呢

本节课我们与闫占磊工程师一起共同来探讨

镜头畸变与噪声的处理方法

同学你好

我首先来介绍一下镜头畸变的分类

及常规的解决办法

针对镜头畸变这一问题

其产生的主要原因是在拍摄视频影像时

为了能够获得更宽的拍摄角度

在摄像头前面加了鱼眼镜头

导致所拍摄的图片经常会出现比较明显的形变

这个问题会导致后续的视频清晰化处理工作

难度进一步的加大

比如说因为镜头的畸变

导致人像的比例失调

如果我们拿这类失真的

矫正的人像

去做人像比对

很有可能会对后期的排查结果

产生非常严重的干扰

再比如

有些时候

需要从视频中测量嫌疑人的身高

如果使用带有畸变的视频影像

那么

测量工作根本就无法进行

所以说

镜头的畸变

对视频侦查工作的影响是很大的

刚才讲到了镜头畸变的原因

那么接下来

我们再看一下镜头畸变的分类

以及具体的表现形式

镜头激变是沿着摄像头透镜半径方向分布的

这种畸变

在鱼眼镜头或者是一些廉价的镜头中表现非常明显

其主要包括枕形畸变和桶形激变两种

在实际场景中

则表现为目标

被压缩或者是拉伸

上面这张图就属于枕形畸变

可以明显看出人物脸部被压缩

下面这张图属于桶形畸变

人物的脸部被拉伸

闫工程师

您能不能具体来演示一下

如何处理这类镜头畸变的视频影像呢

好的

何老师

下面就使用安博影像处理系统

来处理一个镜头畸变的实例

接下来给大家讲解一个ATM机形变人像畸变

失真修复的一个案例

首先我们来看一下这个视频

在视频当中我们可以明显看到

在这个场景当中

我们这个视频啊

是被压缩了

这个门

还有我们的后边的墙线全部变成了曲线

那

这个是一个非常典型的桶形失真

针对于这种失真哪

在我们的安博里边最常用的一种方法

鱼眼修复

我们在滤镜组里边选择

那

它的用法是怎么来使用的

我们在这里可以看到

它这里有线条1

线条2

线条3

我们可以在场景里边选择三条变形的曲线

然后再每条曲线上面选择三个点

当然它最低要求是三个点

我们可以选择四个或者五个

这样的话

会把我们的准确率进行一个进一步的提高

那我们来操作一遍

这是线条1

好

选择完之后我们点击应用

紧接着线条2

这个线条的选择是没有限制的

选择完之后呢

点击应用

然后选择线条3

好

选择完之后点击应用

我们就可以看到我们当前的这个场景当中

后面原来被压缩过之后的曲线

已经变成了完整的直线

那如何来判定

我们这个畸变的图像已经修复完成了呢

我们可以在我们的工具栏里边有一个

ruler

也就是尺子工具

我们选择这个尺子工具

然后

选择我们当前修复过的

这个场景当中的任意一条线条

然后选择两个端点

从上往下

那这个时候我们可以看它的纵坐标

在我们的工具栏

这边会有显示

那这个时候我们可以看到它的纵坐标相差是非常小的

这说明它这两个点是在同一个直线当中

那么这个时候就说明我们的畸变失真修复

就已经完成了

这个时候我们再看我们的这个视频

在视频当中我们可以看到

原来我们这个人像

和现在处理完之后的人像的差别

原来的人像近乎于一个球形

因为它已经被压缩了

那我们修复完之后的图像

基本上已经接近于我们真实的一个人像比例

那这个时候

我们这个人像

再经过进一步的颜色调整等等

就可以直接拿来做一个人像的比对了

那么这个呢就是我们ATM机

形变的人像修复的一个简单的案例

闫工程师

那带有噪声的视频影像

能不能处理呢

视频去噪也是有一定方法的

我们先来了解一下噪声生成的原因

噪声主要是指拍摄设备的感光元器件

将光线作为接收信号

并输出的过程中所产生的影像中的粗糙部分

也就是画面中不该出现的一些像素

噪声来源主要有两个方面

一是在影像的获取过程中

视频拍摄设备在采集影像的过程中

由于受传感器材料属性或者工作环境

电子元器件和电路结构等影响

会引入各种噪声

如电阻引起的热噪声

场效应管的沟道热噪声

光子噪声

暗电流噪声

光响应

非均匀性噪声等

二

是在信号传输过程中产生的

由于传输介质和记录设备等问题

数字图像在其传输过程中

往往会受到多种噪声的污染

闫工程师

那当前有几种去噪的方法

去噪的方法

主要分为空间域滤波和变换域滤波

空间域滤波是在原图像上

直接进行的一个数据运算

对像素的灰度值进行处理

常见的空间域图像去噪算法

邻域

平均法

中值滤波

低通滤波等等

变换域滤波

去燥的方法

是对影像进行某种变换

将影像从空间域转换到变换域

在对变换域中的变换系数进行处理

在进行反变换

将影像从变换域转换到空间域来

达到除去视频噪声的目的

将影像从空间域转换到变换域的变换方法

有很多

如傅立叶变换

沃尔什-哈达玛变换

余弦变换

K-L变换以及小波变换等

而傅立叶变换和小波变换

是常用于视频影像去噪的算法

闫工程师

您能不能通过一个具体的实例来为我们演示下

如何去除视频影像中的噪声呢

好的

何老师

让我们一起来看一个

通过多帧融合技术对高噪声车牌进行修复的实例

好

接下来给大家讲一个通过多帧融合技术

对高噪声车牌的一个修复案例

首先

我们来看一下这段视频

这段视频当中我们可以看到车牌区域

在我们播放的过程当中

不同时刻

会有一些随机的噪声出现

导致我们无法对车牌的信息

进行一个非常清楚的观察

那么这个时候我们如何来解决这个问题

在我们的安博里边有一个多帧融合技术

首先呢

我们可以选择不同帧当中的同一区域

进行一个筛选

那

它的含义是什么呢

因为我们在视频当中不同时刻

同一区域

它的信息反馈是不一样的

那么如果说我们把不同帧当中的

这些信息叠加在一块

融合到一帧图像当中

那么它的信息是非常丰富的

这个呢就是我们多帧融合技术的一个实际的含义

那么下面我们看具体如何来操作

首先我们来对视频进行一个稳定

稳定其实就是我们对视频当中

同一个区域

进行的一个选择

稳定完之后

我们应用

好

应用完之后

紧接着我们就在合成里面选择

帧平均

这个时候

他就会把每一帧当中我们车牌区域这个信息啊

进行一个叠加

好

这个时候在我们帧平均完成之后

我们就能够看到车牌位置这个车牌信息

当然

它还有一些简单的一些光线的这个问题

我们再在调整里边进行一个简单的处理

好

现在我们再来看整个车牌区域的所有的信息

都能够完完整整的进行一个识别

那这个呢

就是我们多帧融合技术

在我们的高噪声的车牌处理的过程当中

如何来运用的

我们和闫占垒工程师

一起

学习了

如何处理带有镜头畸变和噪声的视频影像

本节课就到这里

再见