隨著高清采集、高清傳輸、高清解碼和顯示設備的不斷升級，極大地滿足了人們對高清畫質的需求。高清設備帶來的高分辨率提升了視頻清晰度，但仍不能保證在所有情況下都能看的清楚，看的明白，比如雨天、霧霾等惡劣天氣或者夜間低照度環境下，雖百萬像素也只能望圖興嘆，無可奈何了；又如為了節省帶寬而采用高壓縮比編碼帶來的分塊效應，造成圖像質量下降。如何解決這些極端環境造成的畫質大幅下降，在這些惡劣環境下看得更清楚，這是視頻圖像技術亟待解決的問題，尤其視頻監控在生活中應用的范圍越來越廣，人們對新形勢下視頻處理技術的應用和發展問題尤為關注。

數字視頻和數字圖像比傳統的圖像和視頻分辨率要高，處理方便，易于操作和整理。但由于部分設備性能不足、客觀條件限制等因素，在實際的視頻監控應用中，仍會出現視頻圖像模糊不清、關鍵信息捕捉不到等問題。而在視頻圖像處理的過程中，由于操作技術問題或者客觀因素等，給視頻圖像處理技術的應用帶來一些負面影響，降低了處理技術的水平和質量。

視頻圖像處理技術的四大技術

視頻圖像處理過程中會涉及到對視頻圖像數據的采集、傳輸、處理、顯示和回放等過程，這些過程共同形成了一個系統的整體周期，可以連續性的運作。在視頻圖像處理技術范圍內最主要的就是包括了圖像的壓縮技術和視頻圖像的處理技術等。目前，市場上主流的視頻圖像處理技術包括：智能分析處理，視頻透霧增透技術，寬動態處理，超分辨率處理，下面分別介紹以上四種處理技術。

智能分析處理技術

智能視頻分析技術是解決視頻監控領域大數據篩選、檢索技術問題的重要手段。目前國內智能分析技術可以分為兩大類：一類是通過前景提取等方法對畫面中的物體的移動進行檢測，通過設定規則來區分不同的行為，如拌線、物品遺留、周界等；另一類是利用模式識別技術對畫面中所需要監控的物體進行針對性的建模，從而達到對視頻中的特定物體進行檢測及相關應用，如車輛檢測、人流統計、人臉檢測等應用。

視頻透霧增透技術

視頻透霧增透技術，一般指將因霧和水氣灰塵等導致朦朧不清的圖像變得清晰，強調圖像當中某些感興趣的特征，抑制不感興趣的特征，使得圖像的質量改善，信息量更加豐富。由于霧霾天氣以及雨雪、強光、暗光等惡劣條件導致視頻監控圖像的圖像對比度差、分辨率低、圖像模糊、特征無法辨識等問題，增透處理后的圖像可為圖像的下一步應用提供良好的條件。

數字圖像寬度動態的算法

數字圖像處理中寬動態范圍是一個基本特征，在圖像和視覺恢復中占據了重要的位置，關系著最終圖像的成像質量。其動態的范圍主要受保護信號量和平均噪聲比值來決定的，其中動態范圍可以從光能的角度來定義。

數字的信號處理會受到曝光量中曝光效果、光照度和強度的影響和作用。動態范圍跟圖案的深度息息相關，如果圖像動態范圍寬，則在圖像處理時亮度變化較為明顯，但如果動態范圍較窄，在亮度轉化時，亮暗程度的變化并不明顯。目前圖像的寬動態范圍在視頻監控、醫療影像等領域應用較為廣泛。

超分辨率重建技術

提高圖像分辨率最直接的辦法就是提高采集設備的傳感器密度。然而高密度的圖像傳感器的價格相對昂貴，在一般應用中難以承受；另一方面，由于成像系統受其傳感器陣列密度的限制，目前已接近極限。

解決這一問題的有效途徑是采用基于信號處理的軟件方法對圖像的空間分辨率進行提高，即超分辨率（SR：Super-Resolution）圖像重建，其核心思想是用時間帶寬（獲取同一場景的多幀圖像序列）換取空間分辨率，實現時間分辨率向空間分辨率的轉換，使得重建圖像的視覺效果超過任何一幀低分辨率圖像。

圖像增強的兩種技術方法

除了視頻圖像處理技術外，圖像增強技術可針對給定圖像的應用場合，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征。在圖像增強技術的發展中，抑制或消除圖像噪聲點占據了很重要的位置，也發展出很多專門“去噪”的算法。

首先介紹空間域圖像增強方法?？臻g域增強是指增強構成視頻圖像的像素，直接對這些像素操作的過程。主要有以下方法：

基本灰度變換：將圖像像素值由一個范圍映射到另一個范圍，包括線性變換，對數變換和冪次變換等，比如大家熟知的伽瑪校正就是一種冪次變換。通過灰度變換，可以提高不同像素點間灰度差，提高對比度，更有利于人眼認清細節。同時該方法也是其他一些高級方法的基礎。

直方圖處理：將原圖像通過某種變換，得到一副灰度直方圖為均勻分布或者規定分布的新圖像的方法，是圖像增強算法中最常用、最重要的算法之一。它以概率理論做基礎，運用灰度點運算來實現直方圖的變換，從而達到圖像增強的目的。通過直方圖均勻化可以有效改進圖像的動態范圍，提高對比度，更有利于人眼對細節的辨認。

平滑空間濾波：平滑空間濾波主要是進行過濾圖像噪點，平滑圖像。平滑濾波方法很多，比如線性平滑濾波，包括均值濾波等，非線性平滑濾波，如中值濾波。線性濾波有很好的平滑效果，可以過濾噪點，但也會導致邊緣細節的模糊。非線性濾波是對線性濾波的一個改進，會對根據像素點的狀態采取不同的策略，可消除一些孤立的噪點，對圖像細節影響不大，但會對圖像的邊緣帶來一定的失真。為了克服以上兩種算法的缺點，人們又提出很多改進方案，引入自適應的平滑算法，通過各種方法兼顧噪點的濾除和圖像細節的保持。

銳化空間濾波：同平滑空間濾波相反，銳化空間濾波是為了突出圖像中的細節或者增強被模糊了細節。銳化空間濾波主要通過一階和二階的銳化濾波器來實現，如梯度法，拉普拉斯算子濾波等。銳化空間濾波會提升圖像細節，但也會使噪聲點得到放大。

其次頻率域圖像增強方法。頻率域圖像增強是將圖像視為2維信號，變換到頻率域進行過濾增強操作。圖像從空間域轉換到變換域的變換方法很多，如傅立葉變換、沃爾什-哈達瑪變換、余弦變換、K-L變換以及小波變換等。而傅立葉變換和小波變換則是常見的用于圖像去噪的變換方法。

低通過濾：類似空間平滑濾波，將高頻部分過濾到，達到去噪的目的。常用到的有巴特沃斯低通濾波器，高斯低通濾波器等。

高通濾波：類似銳化空間濾波，保留更多高頻部分，達到提升圖像細節的目的，但也會帶來噪點的放大。

頻率域圖像增強由于要進行頻率變換，計算復雜度比較高，在監控視頻領域的應用受到一定限制。還有很多圖像增強和去噪方法在噪聲點去除、邊緣細節處理和對比度提升上都有很好的表現，但由于其運算復雜度高或者針對性比較強，并不適合在視頻監控領域內使用，而更多面向專門圖像處理系統，如醫療圖像、遙感等領域。但隨著硬件設備和圖像技術的不斷發展和進步，必將有更多新的視頻增強技術應用到視頻監控中來。

審核編輯：黃飛