上市代码000062&&原中国安防网
官方微信 精彩呈现
56分钟前，来自台湾省的采购商联系了
产品供应商3小时前，来自广东省广州市的采购商联系了
产品供应商3小时前，来自广东省广州市的采购商联系了
产品供应商3小时前，来自广东省深圳市的采购商联系了
产品供应商
技术还原高清图像 监控视频模糊不再愁
[摘要]中科院自动化所模式识别国家重点实验室和清华大学人脸识别核心算法以及模糊图像处理，致力于视频图像模式识别技术的研发、成果转化和应用推广...
打造100个示范基地100家领军企业。业内人士预计，到2030年，我国...
人脸识别越来越收关注，其实在安防行业人脸识别的运用也十分...
在整个安防监控系统中，液晶拼接屏对整个安防监控系统能否发...
近两年VR/AR概念异常火爆，国外的Oculus及Magic leap在VR/AR领域风生...
近年来，随着相关人工智能技术的发展以及行业应用领域的开拓...
安防再也不能简单与"安全防范"画上等号，"互联网+"的不断渗透...
不论是近两年爆火的VR/AR还是引起全社会讨论的智慧养老，或者...
回顾2016，华强安防网通过全体员工和百万会员们不懈的努力，以...
在模拟时代，sony、sharp一统天下的时代已经一去不复返。随着网...
铜在吼，铝在叫，锌在笑，锡在跳，IC在呱呱叫，橡胶在咆哮，...
|||||产品检索：
安防网 (www.c-ps.net) 版权所有
经营许可证： 软件企业认证：把图片调成电影色|PS人像修图处理_土豆_高清视频在线观看说三道四技术文摘-感悟人生的经典句子
> 文档快照
一般都是那些警察办案的作品电影软件计算机图像处理刘炯，一个产品猿@宫生老师的答案跟问题完全不是一回事儿。运动抖动或者相机抖动导致的图像模糊是可以通过计算修复的，简单说，抖动相当于若干张清晰但有一定透明度的照片错位叠加在一起，所以如果能算出抖动的运动轨迹，还是有可能修复的。而电影里面，是一种丢失信息的复原。这个根本没法做
一般都是那些警察办案的作品电影软件计算机图像处理刘炯，一个产品猿@宫生 老师的答案跟问题完全不是一回事儿。运动抖动或者相机抖动导致的图像模糊是可以通过计算修复的，简单说，抖动相当于若干张清晰但有一定透明度的照片错位叠加在一起，所以如果能算出抖动的运动轨迹，还是有可能修复的。而电影里面，是一种丢失信息的复原。这个根本没法做到。这好比算法再牛也不能把魂斗罗里面的小人修出史泰龙的细节。电视剧电影里面的模糊都是由于录制设备本身清晰度所限（因为设备成本和存储成本），现在市面上监控设备的分辨率一般是30万左右，好些的也不过百万。加上距离拍摄对象一般超过5~10米，所以一般能辨别出男女就不错了，能看到脸的细节是绝对不可能的。另外一个因素是光线，由于光圈和快门时间，所以将实际光线转化为RGB的时候，会丢失过暗及过亮的细节。例如，实际光线亮度范围是0~1000，RGB支持的有效范围是250~500，那超过500的都只会记录成500。后期处理是无法从500逆向反推出原始亮度是500~1000中的哪个值。这都是信息丢失，无法补救了。通过类似锐化或一些滤波算法可以极为有限的“清晰”图像。原理是强化模糊的区域的“边缘”，“对比”，使得看上去清晰了一些。但实际表达的信息没有增加。丢失的细节，永远，永远找不回来了。附，解释一下评论说的车牌识别。车牌识别还真不是差值算法这么简单就能搞定的。车牌识别还是要用到图像模式识别的理论（这方面我只是业余）。基本原理是，车牌只有有限的数字和字母（加起来36个而已）。他们的形状特征固定。将图像中的每个字母数字拆开，然后往现有的特征上套，看跟哪个特征最接近，就认为是哪个。识别率目前绝对在90%以上。这个方法牛叉之处是全自动的，无需使用者肉眼参与识别。输入图片输出识别后的车牌。无法识别（就是感觉跟哪个字母都不像的）的才会人工介入。差值算法只是放大图片，并“猜”一些细节出来，最后识别还是要靠肉眼。所以属于笨办法，不具现实意义。冯东，Adobe 程序员@宫生 和 @talich 的答案在我看来各有偏颇。拿 @talich 的例子来说。一幅模糊图片，只要找到合适的滤波器，就能极大程度的恢复。但问题就在于这个滤波器很难自动找到。寻找滤波器的方法叫做 blind deconvolution。这是一个 ill-posed 问题，因为这个问题有无穷多解，而判断解的合理性只能通过肉眼对内容的识别。目前的很多算法是基于边缘探测，但是这种方法有很大的失败可能。@宫生 提到的 refocus 则根本不是图像还原问题。光场相机纪录了四维光场（成像面的每个点对应一个光锥，二维，成像面本身是二维），refocus 只是一个简单的信息提取问题。Ivony，，，，大多数是假的，信息不可能凭空冒出来。目前的软件可以对模糊的图片进行处理，但不能解决分辨率的硬伤。简单说，你拍照的时候，手抖了一下，画面糊了，大体上可以补救，但是你拿个30万像素的手机，拍几百米外的一张海报，放大一百倍，然后首长说这个地方弄清楚点，然后来了个什么神奇的软件一下子放大几千倍还高清画质，这就纯属扯淡了。宫生，计算机博士，研究方向：人工智能图像的清晰度，是一种主观的视觉度量。事实上，看起来更清晰的图像，并没有增加图像的真实信息量，反而可能使真实信息量减少，这是因为无论采用什么图像处理算法，都不能凭空产生新的图像细节，只能使原有的图像信息进一步被破坏，丢失。所以，图像清晰和图像信息量大，两者没有对应关系。将模糊图像处理成清晰图像，是以 “满足人眼观察的视觉效果” 作为主要目的，即 “看起来清晰”，技术手段主要是 锐化、对比度调节和色彩平衡。在Photoshop 中有一组插件，名为 Refocus，可以将以上若干技术手段组合，达到使模糊图像看起来更清晰的效果。2011年，Adobe公司曾展示了最新的图像去模糊技术（image deblurring），达到了非常惊人的效果，如下图：基于纯软件算法，对于运动模糊图像的校正能力达到前所未有的高度。其次，如果是一组连续拍摄的模糊图像，可以采用前后帧图像的相关性进行去模糊处理，这比单帧模糊图像的处理更简单，因为可用于复原的图像信息更多。再次，借助某些特殊的成像设备，也可以实现模糊图像的重新聚焦，如2011年，Lytro 公司正式发布了世界首款光场相机，具体可见以下链接：http://www./article/69734/其重新聚焦的效果非常好，可以在整个画面中自由选择聚焦位置，如下图：综上，影视剧中的神奇效果并非无法实现，借助图像处理算法或者某些特殊的采集设备，完全可以在现实中做到。talich首先，让模糊图案变得好看，有两种方法。一种是图像复原，一种是图像增强。图像复原是恢复原样，增强则视觉上好就可以。比如增加对比度，看着黑白分明了，这个是增强。简单的锐化也是。这个都是把原图像的基本特征向普通图片靠拢，给人以看着舒服的感觉。复原的基本原理，是找出一个造成原像失真的模型，然后根据这个模型来试图最大限度的去除失真。最常见的失真，有噪点，有运动模糊，有失焦这样的。建立正确的模型，估计出模型参数，用正确的滤波器，就很大程度上能修复图像。比如噪点，就可以通过取局部中值这样的方法去除。周期性噪声，在频域找到噪声源挖除。各种反变换，比如维纳滤波，Kalman 滤波，都是很常见的。效果上，可能没有电视上看得那么戏剧性，但如果模型正确，信息没有真正被噪声灭掉，那也可以有很不错的对比效果。不过，像电视上那样好像有个万能的算法，自己就知道该用什么模型什么参数只要点两下，应该是戏剧化的表现方法。但是也不是什么图像都能修复的。你有板子把脸挡住，模型很简单，但是什么都解不出来。比如，如果模糊图像是因为采样率不够，放大出来的，比如重复像素点出来的马塞克，或者线性/非线性，比如样条差值出来的均匀渐变的模糊，那个是信息根本就不够。模型不能无中生有，是无论如何也清晰不了的。 比如，下面这个例子取自经典教科书，Gonzalez 的 Digital Image Processing，第五章，图像复原： 原始图像：用维纳滤波器：看上去恢复了不少，但放在影视作品里可能不够有力。下面这张图看上去差不多：用同样的维纳滤波器修复：这个看上去就给力多了。实际上，第一幅图和第二幅图的区别，在于后者的白噪声要小了五个量级。没有了白噪声，只有运动模糊，就可以用反变换很好的恢复出低噪图像了。但是，对于普通人来说，这些差别好像不大，事实上对于影视画面来说，第二张模糊虽然模糊，却很干净，也更上镜吧。傻妹妹牌炸酱面，985高校在读博士，工科，信号处理方向。是真的还是假的，要看你站在那个角度来看这个问题。从过程上讲，将模糊图像变清晰的算法多得很，国际主流的图像处理期刊每期都有大量的探讨图像恢复（Image Restroation）和图像解卷积（Deconvolution）方法及其改进的文章。也即是说，这件事至少不是造假（好莱坞特效搞出来的恐龙、外星飞船就是造假）。但从科学上讲，对模糊的图像恢复是典型的逆问题。在数学上，图像退化可以表述为退化核函数（一般称为卷积核）和原始图像卷积，再叠加噪声的过程:图像恢复问题就是从得到的模糊图像尽可能的估计出的过程。之所以用了“尽可能”是因为，从物理上看，图像退化是个信息损失过程，是不可逆的。比如，我们都知道2+2=4，但是给你个4就让你说是谁和谁加出来的，咱们就不知道了。不过数学上有办法，把上面这个已经无解的问题，求解到一个最优的程度。这就涉及数学上最优化问题了。所以从这个角度看，图像恢复的结果，都是“蒙”出来的，只不过蒙的很对，也很有道理，但可能不能算作“真”的。夏夏moe，Belleve的家养巨猫反对排名第一的回答。首先，二逗逼的那个仅仅针对抖动模糊，如果是失焦造成的，一点办法都没有，而且你以为真有那么神？我为了这个功能特地更新到cc，结果效果奇差，一定是我人品不好。第二，光场相机，看一下它的原理就知道根本不是什么模糊变清晰，而是人家把所有对焦的结果都存储下来了！而且光场相机的图片格式是加密的，不买他们的软件就休想什么模糊变清晰了。第三，不能凭空产生信息也不完全对，特定情况下有三种方法可以修复，一种是人工重绘，二是内插，三是收集足够多的数据然后脑补。郝欣诚，一个喜形于色的IT人我认为适当的提高像素的对比度，做一些滤镜处理是可能的。但很多电影上，把屏幕上1%的面积，一个烟头在地上，鼠标画个框放大后。软件一处理，然后就看清上面的牌子了。。这完全是扯淡。。如果他们在烟丝上再一拉鼠标，是不是能看到烟草的纤维结构，还做个分子排列图啊~！信息采集，本身就是反映一家企业一个国家，基础学科国力的东西。。你现在日常能见到的，视频采集设备中，要数汽车超速拍照，获取车牌的那个摄像头了。但据称这个东西，一个点的成本要30万RMB。就算这帮人死磕国家的银子，但这个摄像头，没有个几万块是买不到的。电影里一个走廊的摄像头，不可能用这种高级货。。所以电影上是比较扯的。。潘浩，计算机图形研究生这是图像处理的经典和热门问题。现有算法基本能处理运动模糊，方法就是重建相机运动轨迹，然后反解这个运动模糊的过程。只是像旋转运动，因为相机没有位移，现有方法不能正确重建。当然有的人给相机加一个运动传感器，这样记录了运动轨迹，就能比较容易的去模糊了。另一方面，如果模糊是物体而非相机的快速运动造成的，那么问题会相对容易一些，因为还有背景作为参考，去估计物体的运动。光场相机实现了聚焦的后期调整，因为它本身采集了比普通相机更多的信息，或者说基本上就是同时采集了不同焦距下的图像。知乎用户，看的远一些你指的是哪种模糊，失焦？运动模糊？雾化？卷积核已知吗？ 还是低像素图片简单插值放大造成的模糊？电影、电视剧里：
当然是先有清晰的图再劣化成模糊的做出特效。现实中：对图像的去模糊处理，都是解方程，
条件不够的话，就把靠谱的猜想硬加进去，效果各异，百花齐放。知乎用户，酱油小学生图像模糊，就是丢失真实信息。如果要得到清晰的图像，那就是图像复原，就是把真实的干净的信息找到，并且体现在图像上。信息丢失的方法可能有很多种，一种是压根不存在，比如图像分辨率偏低，没有足够的像素体现需要的信息，另一种是存在，但是由于噪声的干扰，隐藏在图片信息里。现有的技术也大概是按照这两个方面去走。如果是分辨率低，我们可以用多帧图像做超分辨重建，再下采样。也可以直接平行的重采样。这样的方法一般对视频材料用的比较多，选取多帧图像进行处理。每张图片都会保留一些自己独有的信息，我们希望能够将这些结合在一起，恢复原有的图像。这种情况下，往往会有一定的效果，因为毕竟是多帧恢复。但也可能遇到，帧间时间差较长，图像内容发生较大变化的情况。如果是存在噪声，那么就是去噪，首先就是要分析噪声是什么。现实世界中，能够造成噪声干扰的因素很多，光线，抖动，正如上面有位朋友说的，丢失就是丢失了。我们能做的就是猜，模拟出一个噪声模型，符合当前图像的噪声，然后就是去噪。就像talich给出的示例一样，受到维纳噪声干扰的图片，用维纳滤波处理后，图像很容就恢复清晰的状态。现实情况往往比这复杂的多，包含的噪声也没有规律。有时候可能就是几个无规则的脉冲，因为缺失信息，就是无法恢复。综合来说，恢复清晰图像的可能性有，一般属于比较理想的状态下。对于真实环境的图片，想要达到电影里的效果，是非常困难的，甚至是不现实的。匿名用户其实正是坚信信息不会凭空冒出来，所以很多人的答案就是这不可能。但是我们可以从原图像得到很多极有可能正确的信息。我曾见过微软亚洲研究院展示的一种算法，我亲眼见到一张像素很低的照片变得十分清晰。原理是：猜！举一个简单的例子，几个相邻的像素依次从淡蓝渐变到深蓝，那我为什么不能认为原本的图像就是从淡蓝渐变到深蓝，我制作一张像素更多更清晰的图像也让这部分像素从淡蓝渐变到深蓝，这样似乎也是很合理。当然算法规则不如我阐述的那么简单，还有很多东西去考虑，但基本原理还是猜，只是如何猜的更准确罢了。而所谓滤波器也是一种猜测规则罢了。事实上目前人工智能比不上人脑的原因也是猜的不够准。人眼捕捉一些静态画面就可以自动脑补成动画；靠左右眼角度不同的两张平面图就能猜测出立体图像，我们每天看到的立体世界中有超过90%是自己猜出来的，但我们相信这样的猜测基本就是正确的。孙召忠，著名电影专家孙召忠教授假的，不可能有这种局部放大的技术！其他答案里说的模糊变清楚仅适用于部分情况的模糊：运动模糊、放射模糊，虽然看起来是模糊的，但是图片信息可以由周边的图像计算。但这并不是适用于所有图片都可以这样，像图片的分辨率低这种就无法局部放大就绝不可能实现！甚至光学成像时都没有获得那么细节的图像信息，你用软件捣鼓捣鼓就算出来了？想想也知道不可能。楼上楼下这些伪科学家们，求求大家动动脑子，不要看人家演示了一个模糊变清晰就认为是放之四海而皆准的万能法宝。更新：如果几十年后科技发展真有技术能把光学镜头都没捕捉下来的图像信息放大还原的话，我把我那根东西阉一下做香肠吃。我的信心就是这么爆棚。知乎用户，求小伙伴猛击http://wp.me/p2PLRc-aX在图像处理的研究领域，这种技术叫super resolution。不过我觉得做不到电影里那么厉害，主要还是要看模糊的程度。因为图像里没有的信息，你是无法凭空捏造出来的，除非你对图像内容进行了预先的假设。参考 http://en.wikipedia.org/wiki/Super-resolution。布拿拿Lee，做一个低调的Lisp脑残粉用各种各样的算法理论上是可以实现的。就像暴风现在的左眼一样。肖奇，走别人没有走过的路，让别人有路可走。是真的！首先要纠正一个观点：“图像处理不能增加图像的原始信息量，所以不能把图像变更清晰”，这个结论是错误的。图像处理不能增加图像的原始信息量，指的是计算机认为的“信息量”，与人对信息量的认识是不同的！比如，有张纸上写了“通过了图*测试...”，计算机可能不理解，但是人类，只要是有计算机相关知识的，都能理解，这就是指“图灵测试”，因为人是有上下文的，图像是人类的事物构成的，它是有规则的，我们可以通过这些规则让它看起来“更清晰”（不一定增加了信息量），比如某车牌*A 12345，前面的字看不到了，我们可能通过如下的方法进行处理：（1）如果有可能的话，知道这个字为为什么不清晰，比如是由于运动模糊，那就可以进行相应处理还原（其它答案提到过）；（2）前面的字只能是中国三十多个省份的简称，把所有可能的字进行模糊处理，对比，就基本上能确认是哪个（些）字了（即使不能确定是某一个字，确定一个范围，对于人们来说，也是更清晰了吧？）；（3）更有意思的可能是，使用 *A 12345 这个“模式”去检索交通局的数据库，结果发现，居然只有一个搜索结果，比如“京A 12345”，那就是了，没有疑问（当然有可能还有其它结果，我们还要一一确认）；所以，人类对“清晰度”的认定与计算机是有区别的，而且人类有更智能的方法来确认信息原来的面貌，不单单是“图像处理”那么简单！臧涛，前端开发理论上只要对干扰源有足够的数据，再有对应的算法，就可以。但现实中不太可能有，因为无论是 维纳滤波器 还是adobe插件都只对某几种情况有效，更复杂的现实环境就摆不平了匿名用户知乎用户同意以上大牛们……超分辨问题其实挺热的1.运动解模糊，前提是你要知道运动的大致方向，这其实就是一系列信息在一个成像平面上做的积分，积分路径要是知道了，你就能恢复出一些，路径不知道你就傻眼了，于是大牛们开始用各种方法估计未知的路径……等等2.车牌识别，这个讲的更明白也更好理解，就是用字母数字去对，一个字母模糊了之后是个什么德行，哪个长的最像，记得赌神有一部就是周润发把底牌亮了一半，大反派们在他背后安了个摄像机，电脑根据露出来的这一半分析，这张牌有多少的概率是什么，道理差不多3.真正的原始意义的超分辨，估计就是扯淡了，就像告诉你x+y=5，求x和y，没有任何对x和y的先验知识，求个毛线……汴果果一大波研究员正在为实现看清犯人的脸而绞尽脑汁。（多图，未入寺研究僧胡扯八扯。。）
首先，我们来介绍一个《犯罪现场调查》甚至FBI可能用到的一个软件vReveal，它的作用主要是图片增强与“第一代”图像复原。 就像下图所示【盗图侵删==】。
图像增强是图像预处理中非常重要且常用的一种方法，图像增强不考虑图像质量下降的原因，只是选择地突出图像中感兴趣的特征，抑制其它不需要的特征，主要目的就是提高图像的视觉效果。譬如美图秀秀里的锐化——让边缘清晰，像下图。这种方法都是在图像本身上进行各种计算，平滑、去噪、直方图计算、频域增强。。。好处是根据人眼需要突出想看的，是一个主观过程，并不要求逼近原始图。因此对于摄像头里那个黑影我可以增强它的轮廓，但我还是分不清他是谁。
图像复原1.0版本的目标是对退化（传播过程中的噪声啊，大气扰动啊好多原因）的图像进行处理，尽可能获得未退化的原始图像。如果把退化过程当一个黑匣子（系统H），图片经过这个系统变成了一个较烂的图。这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。图像复原常用二种方法。当不知道图像本身的性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像中通过检测原始图像而复原图像。像菊花手机的再定焦就是在拍摄照片时就记录了这些黑匣子的信息，所以你可以重新选择焦点：想用图片复原摄像头里的黑影，前提是你采集的时候就是有犯罪嫌疑人的清晰图啊。所以它也不能提供多余的图片信息。
接下来，就是让人绞尽脑汁的图片复原方法2.0——图像超分辨了。一张图我们想脑补细节信息好难，但是相似的多幅图我们就能互相脑洞了。所以，我们可以通过一系列相似的低分辨图来共同脑补出一张高清晰图啊，有了这一张犯罪人的脸，我就可以画通缉令了啊。。。
超分辨有频域超分辨、空域超分辨还有好火的基于学习的超分辨。前两种统称为基于重建的超分辨。
按照傅里叶光学的观点，光学成像系统相当于一个低通滤波器，由于受到光学衍射的影响，系统应在衍射极限分辨率所决定的某个截止频率以上的值均为零。超分辨率复原技术的目的就是要在提高图像质量的同时恢复成像系统截止频率之外的信息，重建高于系统分辨率的图像。就是130万像素的摄像机拍的图我能重建260万像素甚至更高，白花花的银子啊！
（此段可不看） 它的基本理论依据是解析延拓理论和正则化理论。前者根据给定解析函数在某区间的取值对函数的整体进行重建。后者则是因为超分辨复原问题是一个病态求逆问题，解决这种问题的方法就是正则化，即利用图像的先验知识（局部平滑、边缘保持、正数和能量有限等）来约束解空间，将复原问题转成球最小化代价函数的优化问题。 超分辨是对图像降质过程的逆过程。
继续说超分辨，它其实就是根据多幅低质量的图片间的关系以及一些先验知识来重构一个高分辨的图片。因此我们可以说这个高分辨的图片信息是人造出来的，以此（弱弱）反驳楼上说不能增加图片信息。示意图如下：
至于方法（这才是让人绞尽脑汁的，全都是数学。。买菜不用数学可数学真的可以挣回批发菜的钱。。）：
那么结果如何呢
是不是觉得“钱景”无限呐。目前来看，重建的方法还是有许多局限性的，当超分辨倍数太大时会出现过度平滑等问题。然后，基于学习的方法就很火啦，它通过机器学习方法从训练样本集中提取所需的高频信息模型，从而对未知测试样本的所需信息进行预测，达到提高图像分辨率的，目的。所以人工智能真有可能超过人们预设，譬如我明明给他安的眼睛是800万像素的，怎么它看到了更清晰的图啊啊，因为它会计算啊。。。瞎扯。。。
反正呢，就是，我们真的很努力地想用些不费钱的方法增高图像分辨率，然后说出那句——真相只有一个！或者，看到比现在还清晰的冥王星自拍照而不需要离它更近。最后，初级学生一枚，错误望指出，虚心受教。。（彩蛋，没见过图像处理美女图的全部的~哈，是playboy的一幅，被和谐就不怪我额。。。）
备案号： 说三道四