FDNR (Defog)

Kamery CCTV sa často inštalujú vonku. Očakáva sa od nich bezproblémová prevádzka v nonstop režime a tiež to, že vystavené silnému svetlu, dažďu, snehu a hmle budú minimalizovať negatívny vplyv prostredia na zaznamenávaný obraz. Podmienky prostredia majú obrovský vplyv na kvalitu obrazu z monitorovacej kamery. Zahmlenie znižuje kvalitu obrazu veľmi vysokým znížením koeficientu kontrastu, čo v následku vedie k nejasnosti a nedostatočnej ostrosti detailov scény snímanej kamerou. Výrobcovia svoje kamery čím ďalej, tým častejšie vybavujú celým radom funkcií, ktoré majú za úlohu zvyšovať kvalitu zaznamenávaného obrazu.

Odtiaľ plynie význam funkcie Defog, niekedy tiež označovanej ako F-DNR, ktorá je jedným z kľúčových algoritmov implementovaných do celého radu funkcií užitočných počas monitorovania vonku.

Obr. 1. Porovnanie obrazu s vypnutou (DEFOG OFF) a zapnutou (DEFOG ON) funkciou Defog

Pokrok v rozvoji digitálnej technológie prostredníctvom príslušných algoritmov spracovania obrazu viedol k tomu, že sa funkcia Defog začala čím ďalej, tým viac všeobecnejšie používať dokonca aj v nepríliš drahých kamerách. Táto technológia prispôsobuje rozloženie informácií zachycovaných snímačom kamery a tiež zlepšuje kontrast a detaily obrazu pre zníženie straty informácií počas neskoršieho spracovania.

Existujú dva známe algoritmy používané v digitálnej funkcii Defog: nemodelové vylepšenie obrazu a metóda obnovy modelového obrazu. Nemodelová metóda zlepšenia obrazu zvyšuje koeficient kontrastu tak, aby subjektívne zrakové hodnotenie zostávalo pre používateľov uspokojivé. Modelová metóda obnovy obrazu skúma príčiny zhoršenia kvality obrazu, a následne sa pokúša tento proces zvrátiť tak, aby sa nakoniec dosiahla kvalita obrazu blížiaca sa originálnej.

Typické spôsoby nemodelového vylepšenia obrazu zahrňujú ekvalizáciu histogramu a použitie algoritmov založených na fuzzy logike. Korekciu histogramu možno rozdeliť na globálnu a čiastočnú. Globálna ekvalizácia histogramu má nízke výpočtové nároky, ale vylepšenie detailných informácií obsiahnutých v obrázku väčšinou nie je uspokojivé. Oproti tomu čiastočná ekvalizácia histogramu má lepšiu účinnosť, ale môže vyvolať blokový efekt, a môže sa tiež vyskytnúť zosilnenie šumov. Algoritmus modifikácie filtra zaisťuje dobrú kvalitu obrazu, ale výpočtové nároky a spotreba zdrojov sú natoľko vysoké, že takéto riešenie sa nehodí v prípade živého náhľadu. Ďalej výsledky pôsobenia funkcie Defog založené na fuzzy logike nie sú obvykle uspokojivé.

Pokiaľ to zhrnieme, metódy nemodelového vylepšenia obrazu môžu do istej miery zvýšiť jeho kvalitu. Avšak nie sú schopné ho efektívne zlepšiť.

Metóda obnovy modelového obrazu zahŕňa metódu filtrácie, metódu maximálnej entropie a metódu estimácie funkcie degradovaného obrazu. Metóda filtrácie, trebárs Kalmanova filtrácia, obvykle vyžaduje komplikované výpočty. Vďaka metóde maximálnej entropie sa dosahuje vysoké rozlíšenie, ale ide o nelineárny algoritmus s vysokou zložitosťou výpočtov, a samotný proces je tiež veľmi komplikovaný. Metóda odhadu degradovanej obrazovej funkcie je obvykle navrhnutá na základe nejakého fyzikálneho modelu. Tento algoritmus vyžaduje zachytenie obrazu v rôznych časoch pre neskoršie použitie, aby bolo možné určiť parametre fyzického modelu, a pretože nejde o metódu v reálnom čase, je komplikované ju aplikovať na CCTV monitorovanie.

Najväčší výrobcovia v odvetví CCTV vyvinuli funkciu Defog, ktorá môže pracovať na živo. Táto technológia je založená na teórii atmosférickej optiky. Počas činnosti funkcie Defog sa rozlišuje hĺbka poľa obrazu a hustoty hmly v ich rôznych oblastiach, a tiež sa používa proces filtrovania tak, aby bol dosiahnutý subjektívne výrazný a prirodzený obraz.

Nižšie je predstavených niekoľko príkladov činnosti funkcie Defog.

Obr. 2. Porovnanie obrazu pred a po zosilnení koeficientu kontrastu.

Obr. 3. Porovnanie detailov obrazu.

Obr. 4. Porovnanie textu v scéne.