视频监控中的图像质量检测
摘要:视频监控中图像产生噪声的原因很多, 生成的噪声也多种多样, 本文主要针对“雪花屏”进行检测。基于“雪花屏”的特性分析, 其纹理较多较深, 且有规律可循, 在做灰度共生矩阵分类算法的过程中, 发现“雪花屏”的共性:像素灰度值变化剧烈, 幅值起伏大!究其原因:图像中噪声点的灰度值与其邻域范围内非噪声点的灰度值有比较大的差别。故本文采用小窗口来计算局部图像的方差的方法, 来辨别正常图像与“雪花屏”。
关键词:雪花屏 灰度共生矩阵 局部方差
1 概述
由于图像在采集、传输之后可能会导致失真现象, 图像的“雪花屏”较为常见, 这会导致图像显示不清晰, 使用者操作不便, 也会加大错误处理的概率。所以本文主要做了一个自动检测、分辨雪花窗的工作。
2 图像质量检测的关键技术
2.1 关键技术
想到运用小窗口来计算局部图像的方差, 因为方差反映数据分布集中程度, 如果是正常图像, 像素的幅值变化较平缓, 方差较小, 而“雪花屏”则不会。例如取3*3小窗口, 相当于计算图像的高频信息, 设定阈值后, 就能分辨是“雪花屏”、正常图像还是“黑屏”图像。
视频监控中的图像质量检测
摘要:视频监控中图像产生噪声的原因很多, 生成的噪声也多种多样, 本文主要针对“雪花屏”进行检测。基于“雪花屏”的特性分析, 其纹理较多较深, 且有规律可循, 在做灰度共生矩阵分类算法的过程中, 发现“雪花屏”的共性:像素灰度值变化剧烈, 幅值起伏大!究其原因:图像中噪声点的灰度值与其邻域范围内非噪声点的灰度值有比较大的差别。故本文采用小窗口来计算局部图像的方差的方法, 来辨别正常图像与“雪花屏”。
关键词:雪花屏 灰度共生矩阵 局部方差
1 概述
由于图像在采集、传输之后可能会导致失真现象, 图像的“雪花屏”较为常见, 这会导致图像显示不清晰, 使用者操作不便, 也会加大错误处理的概率。所以本文主要做了一个自动检测、分辨雪花窗的工作。
2 图像质量检测的关键技术
2.1 关键技术
想到运用小窗口来计算局部图像的方差, 因为方差反映数据分布集中程度, 如果是正常图像, 像素的幅值变化较平缓, 方差较小, 而“雪花屏”则不会。例如取3*3小窗口, 相当于计算图像的高频信息, 设定阈值后, 就能分辨是“雪花屏”、正常图像还是“黑屏”图像。