模糊圖像產生的原因分析

隨著計算機圖像處理技術的快速發展、信息化普及度加大，以及人們安防意識的提高，實時視頻監控系統已經逐步成為人們生活中不可或缺的一部分，已經被廣泛應用在生產、交通、社會安全等方面。但是受惡劣天氣(霧、雨、風、光等)和監控系統自身技術條件的限制，視頻圖像往往達不到理想的效果。圖質出現退化或模糊不清，進而導致對識別、取證、事件分析等操作造成困難，使系統無法正常應用。因此，模糊圖像處理技術的研究和應用在安防領域具有很重要的意義。

模糊圖像產生的原因分析

系統自身因素

一個全模擬監控系統中，從前端到后端由圖像采集、圖像傳輸、圖像存儲、圖像顯示等幾個環節構成。在每一個環節或都會產生視頻信息損失，也就是讓圖像質量變差或變模糊。

鏡頭：影響進入攝像機的光通量和成像的精確性，會直接導致圖像模糊；攝像機感光元件Sensor：影響到光信號的采集和光電轉換效果，會直接導致圖像模糊；視頻傳輸電纜兩端的BNC接頭：因信號屏蔽的縫隙會造成信號損失，視頻傳輸電纜經過長距離的傳輸，傳輸線纜的電阻、屏蔽、阻抗匹配等問題，都會引起信號的衰減，也會直接導致圖像質量變差變模糊，監視器圖像呈現端也會有一定的信號損失。

在一個全數字視頻監控系統中，采用網絡傳輸，經過數字化編碼的視頻信號的傳輸和存儲相對于模擬系統，可以更有效避免因信號衰減造成圖像損傷。但是，在鏡頭、圖像采集以及后端呈現時的圖像信號耗損仍然無法避免。另外，在數字視頻監控系統中，又增加了視頻信號的A/D轉換、視頻編碼壓縮環節，這些環節仍會導致圖像信息的損失。現有的視頻壓縮編碼算法都是有損壓縮，會直接導致視頻信息的丟失，影響視頻清晰度。

自然環境

除系統本身因素以外，自然環境對視頻圖像清晰度影響也非常大。若遇到刮風、下雨、下雪、大霧等自然天氣，都會導致圖像質量急劇下降或模糊不清。除此以外，還有照度不足、背光、逆光、溫度過低或過高等，都會對圖像還原系統造成影響，影響到圖像清晰度。在光線不足的條件下，攝像機的Sensor成像會產生很多噪聲，這些噪聲會影響圖像清晰度，而且會使圖像編碼的碼流大幅增加。

人為環境

供電系統的電源不“干凈”，即竄入比較強的干擾信號，具體是指在50Hz的正弦波上疊加有干擾信號，如果電網中有大功率可控硅調頻調速裝置、可控硅整流裝置、可控硅交直流變換裝置等都會對電源產生污染。

電視監控系統附近有很強的電磁干擾源或電磁輻射。電磁干擾源如電焊、無線電發射、大電機、大繼電器的干擾等，也會導致對視頻信號干擾。電磁干擾會導致圖像有間距相等的豎條或圖像呈規律性閃爍條紋等，從而導致圖像模糊。還有，就是人為破壞導致，比如被弄得難以識別的車牌等，致使攝像機無法攝取車牌號等。

模糊圖像處理技術的發展

從20世紀90年代以來，安防行業經歷了一個飛速發展的時期。隨著安防監控系統從全模擬到全數字的發展，人們對圖像質量要求越來越高，圖像分辨率也經歷了從CIF到標清再到高清的變遷。

早期傳統的監控系統采用模擬信號傳輸方式，稱為第一代全模擬監控時代，那時的視頻文件通過磁帶錄像機進行錄制和保存。因為視頻圖像的存儲都是采用模擬設備，模擬存儲設備隨著使用時間的延長，圖像會有一定的信息損失。但是模糊圖像處理技術是基于數字圖像進行處理的技術，所以在純模擬年代，其還沒有被引入到安防領域。

因模擬監控系統固有的缺陷，隨著計算機技術的不斷發展，數字存儲方式逐漸取代了模擬磁帶存儲。隨之進入了第二代準數字監控系統，以數字硬盤錄像DVR為主，替代了模擬錄像機，跨出數字監控的第一步。在視頻圖像數字化以后，圖像處理技術開始派上了用場，模糊圖像處理技術逐步被引入到安防領域。

隨著計算機與網絡技術的發展，目前視頻監控已經發展到了基于IP網絡的全數字監控時代，這樣就進入了第三代全數字網絡視頻監控時代。這個時代的代表產品以IPC、NVR為主。視頻圖像數字化以后，模糊圖像處理技術在安防領域便得到了廣泛的應用。

模糊圖像處理技術屬于圖像處理技術的一種，其利用計算機，對圖像信息中的數字信號進行運算或處理，以期提高圖像的質量，使達到預期的結果，因此也稱為計算機圖像處理技術。如對被噪聲污染的圖像除去噪聲、對信息微弱的圖像進行增強處理、對失真的圖像進行幾何校正等。近年，隨著人們安全防范意識越來越高和社會對安保需求的越來越強烈，監控圖像處理技術也將在這樣的市場需求和規律中不斷演進，并發揮出越來越明顯的作用。

安防行業的特殊要求

計算機圖像處理是將圖像信號轉換成數字信號并利用計算機對其進行處理。由于計算機的處理速度極快，且數字信號具有失真小、易保存、易傳輸、抗干擾能力強等特點，因而計算機圖像處理的應用十分廣泛，包括航空航天、遙測技術、醫療器械、工業自動化檢測、安全識別等各大領域。每一個應用領域都有其特殊性要求，在安防監控行業應用也有其固有的特殊性：

1、對圖像清晰度要求較高。在治安監控現場，公安機關往往需要通過監控錄像來辨認嫌疑人、證據等，一般清晰度不高的視頻都達不到這種要求。在交通監控現場，交警需要通過監控圖像來識別車牌、違章行為、駕駛人等要求，模糊圖像在這種場合根本無法應用。

2、不同行業的監控，對圖像要求具有差異性。比如醫療監控，對圖像的色彩還原性要求比較高。智能交通監控，對攝像機夜間照度和抓拍速度要求比較高，要求能清晰辨別車牌。在無人值守監控，需要設備在無人監管的條件下能長期穩定工作。

3、戶外安裝，無人看守。在安防領域，大多情況設備需要安裝在室外，設備需要經受常年的風吹日曬。電子設備自身的老化的速度會比其他領域要相對快一些。攝像機、鏡頭、傳輸線路等設施的老化會導致圖像越來越模糊。

4、海量視頻路數的要求。在大型平安城市監控項目中，視頻路數會達到上萬路，甚至更多。所以在視頻監控領域都期望視頻編碼的碼率壓縮比達到最高，從而降低對帶寬和存儲容量的要求。這就導致在視頻編碼環節產生更多的信息丟失，從而導致圖像模糊。

安防領域的這些特殊應用要求都會導致圖像清晰度的下降，反過來又對圖像清晰度有很高的要求，勢必會導致模糊圖像處理技術在這里有廣闊的應用前景。

模糊圖像處理技術的局限性

目前受硬件技術水平、傳輸帶寬以及應用環境等因素影響，圖像模糊問題還無法得到徹底解決。

圖像從采集、傳輸、存儲到顯示，任何一個環節對圖像質量都很關鍵，任何一個步驟出問題都會影響圖像質量，而且這種影響是不可逆的。所以說，徹底解決圖像模糊問題，需要一個全方位的技術更新。比如，在當前的數字圖像技術的背景下，編碼技術是影響圖像質量的瓶頸之一，如果出現一種壓縮比高、圖像損失小的編碼算法，當然會一定程度解決因為壓縮導致的圖像模糊問題，不過要實現這種算法效果，通常需要更高的運算代價，所以還需要硬件技術的更新來滿足這樣的算法。

類似超分辨重構的模糊圖像處理技術，由于其算法的復雜性，目前的常規設備還很難做到實時處理高清圖像，所以算法的效率仍是目前模糊圖像處理不足的原因之一，這就需要從算法和硬件兩方面入手，提高算法效率，同時也需要提升硬件性能。

另外，目前各種針對模糊圖像處理的算法，都是基于某種特定場景應用而產生的解決方法，各種算法存在的局部性和局限性都造成了算法應用的障礙。所以在未來的很多年，關于圖像處理的算法和模型也還有很長的路要走。

發展趨勢及展望

廣義上說，獲取不到足夠信息的圖像都可以叫做模糊圖像，所以圖像模糊問題會隨著人們需求的提升而有新的表現。比如目前的監控領域也許只需要一幅有一定分辨率的圖像能滿足人臉識別的需求即可，隨著社會的發展也許我們需要通過一段視頻來分析某人的嘴部動作，從而分析他在說什么，這樣的話會需要更高分辨率更清晰的圖像。這將是一個永恒不變的追求方向，所以模糊圖像處理的問題將會被一直研究下去。

視頻監控作為物聯網的一部分，隨著物聯網的不斷發展和應用，最終將會朝著智能化的方向發展，圖像模糊的自動分析即成為系統自檢應用的技術之一，通過智能分析，系統將會自動識別圖像的幾何形狀、色彩、噪聲、模糊、融合，以及超分辨等圖像效果進行自動分析和處理。隨著模糊圖像處理技術的應用范圍越來越廣泛，模糊圖像處理技術和智能分析的完美結合必然成為發展趨勢。