FDNR (Defog)

Kamery CCTV se často instalují venku. Očekává se od nich bezproblémový provoz v non-stop režimu a také to, že vystavené silnému světlu, dešti, sněhu a mlze budou minimalizovat negativní vliv prostředí na zaznamenávaný obraz. Podmínky prostředí mají obrovský vliv na kvalitu obrazu z monitorovací kamery. Zamlžení snižuje kvalitu obrazu velmi vysokým snížením koeficientu kontrastu, což v následku vede k nejasnosti a nedostatečné ostrosti detailů scény snímané kamerou. Výrobci své kamery čím dál častěji vybavují celou řadou funkcí, které mají za úkol zvyšovat kvalitu zaznamenávaného obrazu.

Odtud plyne význam funkce Defog, někdy také označované jako F-DNR, která je jedním z klíčových algoritmů implementovaných do celé řady funkcí užitečných během monitorování venku.

Obr. 1. Porovnání obrazu s vypnutou (DEFOG OFF) a zapnutou (DEFOG ON) funkcí Defog

Pokrok v rozvoji digitální technologie prostřednictvím příslušných algoritmů zpracování obrazu vedl k tomu, že se funkce Defog začala čím dál všeobecněji používat dokonce i v nepříliš drahých kamerách. Tato technologie přizpůsobuje rozložení informací zachycovaných snímačem kamery a také zlepšuje kontrast a detaily obrazu pro snížení ztráty informací během pozdějšího zpracování.

Existují dva známé algoritmy používané v digitální funkci Defog: nemodelové vylepšení obrazu a metoda obnovy modelového obrazu. Nemodelová metoda zlepšení obrazu zvyšuje koeficient kontrastu tak, aby subjektivní zrakové hodnocení zůstávalo pro uživatele uspokojivé. Modelová metoda obnovy obrazu zkoumá příčiny zhoršení kvality obrazu, a následně se pokouší tento proces zvrátit tak, aby se nakonec dosáhlo kvality obrazu blížící se originální.

Typické způsoby nemodelového vylepšení obrazu zahrnují ekvalizaci histogramu a použití algoritmů založených na fuzzy logice. Korekci histogramu lze rozdělit na globální a částečnou. Globální ekvalizace histogramu má nízké výpočetní nároky, ale vylepšení detailních informací obsažených v obrázku většinou není uspokojivé. Oproti tomu částečná ekvalizace histogramu má lepší účinnost, ale může vyvolat blokový efekt, a může se také vyskytnout zesílení šumů. Algoritmus modifikace filtru zajišťuje dobrou kvalitu obrazu, ale výpočetní nároky a spotřeba zdrojů jsou natolik vysoké, že takovéto řešení se nehodí v případě živého náhledu. Dále výsledky působení funkce Defog založené na fuzzy logice nejsou obvykle uspokojivé.

Pokud to shrneme, metody nemodelového vylepšení obrazu mohou do jisté míry zvýšit jeho kvalitu. Ovšem nejsou schopny ho efektivně zlepšit.

Metoda obnovy modelového obrazu zahrnuje metodu filtrace, metodu maximální entropie a metodu estimace funkce degradovaného obrazu. Metoda filtrace, třeba Kalmanova filtrace, obvykle vyžaduje komplikované výpočty. Díky metodě maximální entropie se dosahuje vysokého rozlišení, ale jde o nelineární algoritmus s vysokou složitostí výpočtů, a samotný proces je také velice komplikovaný. Metoda odhadu degradované obrazové funkce je obvykle navržena na základě nějakého fyzikálního modelu. Tento algoritmus vyžaduje zachycení obrazu v různých časech pro pozdější použití, aby bylo možné určit parametry fyzického modelu, a protože se nejedná o metodu v reálném čase, je obtížné ji aplikovat na CCTV monitorování.

Největší výrobci v odvětví CCTV vyvinuli funkci Defog, která může pracovat na živo. Tato technologie je založena na teorii atmosférické optiky. Během činnosti funkce Defog se rozlišuje hloubka pole obrazu a hustoty mlhy v jejich různých oblastech, a také se používá proces filtrování tak, aby bylo dosaženo subjektivně výrazného a přirozeného obrazu.

Níže je představeno několik příkladů činnosti funkce Defog.

Obr. 2. Porovnání obrazu před a po zesílení koeficientu kontrastu.

Obr. 3. Porovnání detailů obrazu.

Obr. 4. Porovnání textu ve scéně.