视频透雾增透技术分析

　　视频增透技术，一般指将因雾和水气灰尘等导致朦胧不清的图像变得清晰，强调图像当中某些感兴趣的特征，抑制不感兴趣的特征，使得图像的质量改善，信息量更加丰富。增强后的图像为图像的下一步应用提供良好的条件。一般来说增透技术有两种：空域的和频域的方法。但这些方法的对不同图像的适应性还存在一些缺陷。在上个世纪70年代，美国物理学家Land等提出了Retinex图像增强方法，它是基于人类视觉感知的图像处理模型。它能压缩图像动态范围，显示图像中被湮没的细节。但算法复杂，工程实现难度大，尤其是对实时视频的实时增强，因为计算量大，导致很难实际应用。随着硬件性能的提高，我们终于能把这个具有普遍适应性的图像增强算法变成实际的工程化产品。这是业内首次实现的Retinex算法的硬件产品。

　　Retinex算法是基于人类视觉系统感知和调节物体颜色和亮度的模型，这个模型解释了一般颜色理论无法解释的人眼对颜色的波长与亮度不是特别对应的现象。Land通过大量的实验证明我提的表面颜色不会因为光照条件的变化而改变即颜色恒常性。简单来说颜色恒常就是说无论是在正午的阳光下、白炽灯下，还是在阴暗的光照条件下，人类感觉到的同样物体颜色是一致的。正因如此，在进行图像操作时应当去除光照强度，照射不均等一些不确定和非本质的影响，只保留物体本质的反射性质如反射率等信息。基于这种方法处理的图像可以使图像在边缘锐化、动态范围压缩和颜色的恒定方面都有很好的效果，

　　Retinex理论的基本思想就是将原始图像看成是由照射图像和物体反射属性组成，照射光图像直接决定一幅图像中像素能够达到的动态范围，物体反射属性决定了图像的内在性质，因此，在原始图像中去除或降低照射图像的影响从而保留本质的反射属性是Retinex理论的基本思想。与其它图像增强方法相比，Retinex算法具有锐化、颜色恒常性、动态范围压缩大、色彩逼真度高等特点。

　　现在多部分的视频增强器只是采用基于全局的Retinex图像增强算法通过在对数域内计算相邻像素点灰度值之间的比值从而得到相邻像素点之间的相对明暗关系，继而通过该明暗关系对原像素点灰度值进行校正，最后再对校正后的像素点灰度值进行线性拉伸，得到增强的图像。所以得到的增强图像对比度不高。

　　电子透雾监控摄像机图像处理方式

　　当安防需求从被动检测发展为主动防御，智能分析依赖的各种图像处理算法变得举足轻重起来，其中透雾处理集合了多种图像算法，是较为重要的一类图像处理技术。目前已知的透雾算法大致可以分为两大类：一种是非模型的图像增强方法，通过增强图像的对比度，满足主观视觉的要求来达到清晰化的目的；另一种是基于模型的图像复原方法，它考查图像退化的原因，将退化过程进行建模，采用逆向处理，以最终解决图像的复原问题。

　　为了得到更好的处理效果，摄像机厂家会增设专门的图像处理芯片，可自动侦测图像的密度，最大限度地保持图像信号的细节，实现彩色增强、反差增强、边缘增强、对比度增强和亮度增强，并进行密度分割、去模糊等运算，使不同场景下的摄像画质得到明显提高，达到透雾的目的。而根据厂家的能力与研发选择，会分别选择在DSP或FPGA等不同芯片上进行相应处理。

　　芯片会实时读取视频流信息，通过对比参数判定是否需要开启透雾模式，也就是可以达到自动侦测雾气，甚至可以通过设定的预置模式判定出雾气浓淡，选择进入相应的透雾模式。