• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于Photoshop 復(fù)原運動模糊圖像的實驗探究

      2022-04-28 02:00:36宋少偉
      廣東公安科技 2022年1期
      關(guān)鍵詞:圖像復(fù)原車牌復(fù)原

      宋少偉

      (中國刑事警察學(xué)院,遼寧 沈陽110035)

      引言

      在監(jiān)控視頻圖像中運動模糊現(xiàn)象是比較常見的,如抓拍到在單行道上快速逆行或迅速調(diào)頭行駛、闖紅燈或快速沖過檢查站的違章車輛,或者拍攝到交通肇事逃逸的超速行駛車輛等。在這些情況下拍攝到的車牌圖像大多數(shù)是模糊不清的,若根據(jù)視頻圖像直接辨認(rèn)出車牌號碼是較為困難的。

      在運動模糊車牌的圖像處理中,通過一定方法計算出原始圖像退化時所形成的一些先驗知識,包括點擴散函數(shù)(point spread function,PSF)和模糊角度θ,這兩個參數(shù)能否準(zhǔn)確估算是影響圖像復(fù)原質(zhì)量的關(guān)鍵因素。因此深入研究點擴散函數(shù)PSF 的參數(shù)估記有重大實際價值。本文將基于傳統(tǒng)圖像Radon 變換來估計PSF 參數(shù)的算法上做出改進,提高PSF 參數(shù)估計的精確性[1]。

      1 運動模糊圖像的成因、復(fù)原原理及方法

      1.1 運動模糊圖像形成的主要原因

      在圖像的獲取、傳輸以及保存過程中,運動模糊圖像是一種典型的圖像退化現(xiàn)象。運動模糊圖像形成的主要原因有如下幾個方面:

      (1)有些視頻成像設(shè)備不具有高速攝像或閃光抓拍功能,當(dāng)被拍目標(biāo)以較快速度通過畫面時則無法攝取到清晰的視頻或不虛化的靜態(tài)圖像;

      (2)即使有些視頻成像設(shè)備具有高速攝像或閃光抓拍功能,但設(shè)備一般處于固定狀態(tài),與快速行駛的車輛產(chǎn)生相對運動,取景畫面也較難記錄下清晰影像;

      (3)運動模糊圖像實際上是記錄被拍目標(biāo)物的移動軌跡,呈現(xiàn)目標(biāo)的移動方向和多個動態(tài)瞬間,如圖1所示。

      圖1 運動模糊視頻的截圖

      從圖1 可見,在動態(tài)影像的記錄過程中出現(xiàn)圖像退化現(xiàn)象,即不再是傳輸前的原始圖像,圖像品質(zhì)、分辨率明顯降低,車牌信息出現(xiàn)重影、輪廓模糊不清。因此,將該類運動模糊圖像處理恢復(fù)其原始圖像這一過程稱為圖像復(fù)原[2]。

      1.2 運動模糊圖像復(fù)原的基本原理

      圖像復(fù)原就是對退化圖像品質(zhì)進行提升的一個過程,使得其圖像呈現(xiàn)的效果在視覺上得到一定程度的改善。圖像復(fù)原是建立在圖像退化模型基礎(chǔ)上的, 因此確定點擴散函數(shù)(PSF)和圖像退化模型的建立尤為重要。退化模型建立后,可采取相應(yīng)的處理算法對圖像進行復(fù)原。根據(jù)是否確定模糊核函數(shù)(即點擴散函數(shù))可分為,模糊圖像盲復(fù)原和模糊圖像非盲復(fù)原。根據(jù)復(fù)原算法性質(zhì)的不同可分為,基于迭代思想的復(fù)原算法(例如,維納濾波復(fù)原算法)、基于非迭代思想的復(fù)原算法(例如,L-R 算法)以及一些新興的復(fù)原算法(例如,圖像超分辨率復(fù)原技術(shù))等[3],關(guān)于圖像由退化到復(fù)原的過程如圖2所示[4]。

      圖2 圖像由退化到復(fù)原模型過程

      1.3 運動模糊圖像的復(fù)原方法及常用工具

      由于引起圖像退化的因素眾多,影響方式也多種多樣,情況較為復(fù)雜。目前,還沒有統(tǒng)一的復(fù)原流程及專門的處理方法。通常根據(jù)不同的應(yīng)用環(huán)境,采用不同的退化模型、估計準(zhǔn)則或處理技巧,從而得到不同的復(fù)原經(jīng)驗及復(fù)原效果。

      早期的運動模糊圖像的復(fù)原方法,主要是利用光學(xué)方法對已失真的觀測圖像進行光學(xué)校正。自從圖形圖像的數(shù)字復(fù)原技術(shù)出現(xiàn)以后,人們開始采用圖形圖像的數(shù)字化處理方法對已失真的模糊圖像進行數(shù)字化校正。其中經(jīng)典的恢復(fù)算法有逆濾波法、維納濾波法、有約束最小平方濾波、最大熵恢復(fù)法、法以及卡爾曼濾波法和最期多見的傳播波方程恢復(fù)法等[5]。隨著數(shù)字信號處理和圖像處理技術(shù)的進步與發(fā)展,新的復(fù)原算法正在不斷涌現(xiàn),在實際應(yīng)用中也是可以根據(jù)具體情況加以選擇使用的。

      對于運動模糊圖像的復(fù)原處理工具大致可分為兩類,一類是以Photoshop 等為代表的通用型圖形圖像處理軟件,另一類則是我國大多數(shù)公安機關(guān)曾購買過的一些國外引進或國內(nèi)自主開發(fā)的圖像處理軟件。

      2 實驗設(shè)計

      2.1 實驗工具

      在實驗研究中,使用Adobe Photoshop CC 2015.0.0版(20150529.r.88 x32)工具軟件。

      2.2 實驗樣本的備制

      根據(jù)實驗所需樣本的最低要求,選取一段含有正常行駛車輛且具有運動模糊圖像復(fù)原處理條件的監(jiān)控視頻資料,然后截取視頻中一輛處于行駛中的汽車在不同監(jiān)控距離上的動態(tài)圖像。最終選擇了監(jiān)控視頻中模糊牌號圖像相對較大、整車牌號圖形較為完整的單幀圖像,實驗樣本數(shù)量總計4張。

      3 實驗過程及結(jié)果

      3.1 Photoshop處理模糊圖像過程及結(jié)果

      運用Photoshop CC 2015 工具軟件,對所有實驗圖像樣本依次、分別進行處理,其操作的步驟如下:

      (1)將視頻導(dǎo)入Photoshop CC 2015,選擇畫面中出現(xiàn)車牌的幀作為實驗圖像樣本。

      (2)選擇監(jiān)控中最后一幀出現(xiàn)車牌的圖層并復(fù)制圖層,在銳化中打開防抖濾鏡,使用模糊方向工具沿著車牌成帶狀擴散的地方畫線,長度以帶狀開始到原圖開始為最佳,此時隱約可見類似數(shù)字的形狀出現(xiàn)。

      (3)小范圍調(diào)整模糊描摹方向(114°左右)使車牌第一個數(shù)字“2”出現(xiàn),小范圍調(diào)整模糊描摹長度(5 左右)直到車牌剩余信息比較清晰,然后微調(diào)平滑和偽像抑制直到車牌部位較為清晰的位置(以車牌信息是否能被辨別為清晰度標(biāo)準(zhǔn))。

      (4)對于運動模糊圖像的復(fù)原,應(yīng)在可能的范圍內(nèi)對參數(shù)進行小步長調(diào)整,以達到精準(zhǔn)確定目標(biāo)(或鏡頭)運動的方向及運動量的目的[6]。故經(jīng)反復(fù)調(diào)整得出,模糊描摹長度為15.3、模糊描摹方向為129.1°、平滑為33.6%、偽像抑制為33.2%時車牌信息較為清晰,其參數(shù)設(shè)置如圖3所示。

      圖3 原圖在處理時的參數(shù)設(shè)置

      (5)當(dāng)點擊確定后,軟件自動跳回至圖層界面,將使用矩形選框工具選擇車牌區(qū)域,后添加蒙版在車牌處反相(反相可使車牌信息更易于觀察),其處理結(jié)果如圖4、圖5所示。

      圖4 原圖處理后的實際效果

      圖5 原圖處理之后,其車牌圖像部位局部放大的效果

      3.2 不同距離的復(fù)原處理效果

      行駛中的車輛與監(jiān)控攝像頭之間的距離、車牌號的模糊程度及變化都有一定的關(guān)系,甚至有時是直接影響圖像復(fù)原處理及正確讀取車牌有關(guān)信息的一個關(guān)鍵因素。因此,對實驗圖像樣本可分為“遠(yuǎn)、較遠(yuǎn)、較近、近”四種不同距離情況進行處理。其處理的相關(guān)參數(shù)(見表1);處理后的復(fù)原圖像,其能見度與清晰度評價結(jié)果見表2;處理效果的比較結(jié)果圖(見表3)。

      表1 處理參數(shù)的比較

      表2 圖像處理后的能見度與清晰度比較

      表3 圖像處理后的實際效果比較

      3.3 實驗結(jié)果

      通過對以上幾例運動模糊車牌圖像處理后的實際效果進行比對分析,可看出復(fù)原后的圖像能夠較清晰地反映出車牌的部分信息。使用Photoshop“漸變映射效果”代替“反相”這一功能,能夠讓復(fù)原圖像中某些特征更加醒目,使得肉眼在觀察時更易辨別出圖像特征[7]。

      其次,根據(jù)比較車輛與監(jiān)控點位不同距離的圖像處理結(jié)果,可知當(dāng)車輛處在“近距離”的監(jiān)控位置上,其復(fù)原效果最佳;反之,當(dāng)車輛處在“遠(yuǎn)距離”的監(jiān)控位置上,整體處理效果是較差即較難獲取車輛有效信息。

      此外,Photoshop 可以同時進行運動角度和運動距離的初步測定和復(fù)原,在不同參數(shù)下同樣的數(shù)字可能復(fù)原出相似的或不同的結(jié)果。因此,在實際應(yīng)用中對于復(fù)原處理效果與車牌信息辨讀的結(jié)果,需操作人員結(jié)合自身在加工處理、研判分析與模糊車牌辨讀的工作經(jīng)驗,推導(dǎo)出多個、不同車牌號碼的辨讀組合[8]。

      4 結(jié)論

      由實驗可知,運動模糊車牌圖像經(jīng)Photo?shop 處理后,可從其復(fù)原圖像中獲得車牌的部分信息,基于Photoshop 環(huán)境中對運動模糊車牌進行復(fù)原處理的方法是可行的。且通過對比分析車輛與監(jiān)控點位間不同距離上的處理效果,當(dāng)行駛中車輛與監(jiān)控點之間距離越近時,復(fù)原圖像效果越好。當(dāng)然,面對各種復(fù)雜的圖像退化原因,Photoshop 只能是一種較為簡便快捷的處理方法,應(yīng)當(dāng)結(jié)合其他圖像復(fù)原軟件多次處理相互印證[9]。

      猜你喜歡
      圖像復(fù)原車牌復(fù)原
      溫陳華:唐宋甲胄復(fù)原第一人
      淺談曜變建盞的復(fù)原工藝
      毓慶宮惇本殿明間原狀陳列的復(fù)原
      紫禁城(2020年8期)2020-09-09 09:38:04
      基于MTF的實踐九號衛(wèi)星圖像復(fù)原方法研究
      數(shù)字圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用
      電子制作(2019年12期)2019-07-16 08:45:16
      第一張車牌
      基于MATLAB 的車牌識別系統(tǒng)研究
      電子制作(2017年22期)2017-02-02 07:10:11
      基于MTFC的遙感圖像復(fù)原方法
      模糊圖像復(fù)原的高階全變差正則化模型構(gòu)建
      一種自適應(yīng)正則化技術(shù)的圖像復(fù)原方法
      桓台县| 阿拉善右旗| 龙山县| 宝丰县| 霍林郭勒市| 潼关县| 新兴县| 南皮县| 博爱县| 措美县| 图们市| 临颍县| 宜川县| 香港| 盐源县| 九龙城区| 正蓝旗| 辽阳县| 东明县| 文登市| 枣阳市| 嘉禾县| 大埔区| 红河县| 宁夏| 沛县| 阜城县| 康保县| 丰宁| 千阳县| 仁寿县| 耒阳市| 淮安市| 汾阳市| 新营市| 自贡市| 安福县| 涿州市| 黄陵县| 灵丘县| 广宁县|