FDNR (Defog)

Kamery CCTV często są instalowane na zewnątrz. Oczekuje się od nich bezproblemowego działania w trybie 24h/7dni, a także tego, że narażone na silne światło, deszcz, śnieg i mgłę, będą minimalizować niekorzystny wpływ środowiska na rejestrowany obraz. Warunki środowiskowe mają ogromny wpływ na jakość obrazu z kamery monitorującej. Zamglenie obniża jakość obrazu poprzez bardzo duże obniżenie współczynnika kontrastu, co w następstwie wywołuje efekt braku wyrazistości oraz ostrości dla szczegółów sceny obejmowanej przez kamerę. Producenci coraz częściej wyposażają swoje kamery w szereg funkcji które mają za zadanie podnosić jakość rejestrowanego obrazu.

Wynika stąd istotność funkcji Defog, zwanej też czasami F-DNR, która jest jednym z kluczowych algorytmów implementowanych w szeregu funkcji przydatnych podczas monitoringu na zewnątrz.

Rys. 1. Porównanie obrazu przy wyłączonej (DEFOG OFF) i włączonej (DEFOG ON) funkcji Defog

Postępy w rozwoju technologii cyfrowej poprzez odpowiednie algorytmy przetwarzania obrazu powodują, że funkcja Defog zaczęła być coraz powszechniej stosowana nawet w niedrogich kamerach. Technologia ta dostosowuje rozkład informacji przechwytywanych przez przetwornik kamery, a także poprawia kontrast i szczegóły obrazu w celu zmniejszenia utraty informacji podczas późniejszego przetwarzania.

Istnieją dwa znane algorytmy wykorzystywane w cyfrowej funkcji Defog: niemodelowe ulepszenie obrazu i metoda odzyskiwania obrazu modelowego. Niemodelowa metoda poprawy obrazu zwiększa współczynnik kontrastu, tak aby subiektywna ocena wzrokowa pozostała zadowalająca dla użytkownika. Modelowa metoda odzyskiwania obrazu bada przyczyny pogorszenia jakości obrazu, a następnie próbuje odwrócić ten proces, tak aby ostatecznie uzyskać zbliżoną do oryginalnej jakość obrazu.

Typowe sposoby niemodelowego ulepszania obrazu obejmują wyrównanie histogramu oraz użycie algorytmów opartych na logice rozmytej. Korektę histogramu można podzielić na globalną oraz częściową. Globalne wyrównanie histogramu ma niski koszt obliczeniowy, ale poprawa szczegółowych informacji zawartych w obrazie najczęściej nie jest zadowalająca. Natomiast częściowe wyrównania histogramu ma lepszą skuteczność, lecz może wywołać efekt blokowy, oraz może także wystąpić wzmocnienie szumów. Algorytm modyfikacji filtra zapewnia dobrą jakość obrazu, lecz koszt obliczeń i zużycie zasobów są na tyle wysokie, że takie rozwiązanie nie sprawdza się w przypadku podglądu na żywo. Natomiast efekty działania funkcji Defog oparte na logice rozmytej nie są zazwyczaj zadowalające.

Podsumowując, metody niemodelowego ulepszania obrazu mogą do pewnego stopnia podnieść jego jakość. Jednak nie są w stanie poprawić jej w skuteczny sposób.

Metoda odzyskiwania obrazu modelowego obejmuje metodę filtrowania, metodę maksymalnej entropii oraz metodę estymacji funkcji zdegradowanego obrazu. Metoda filtrowania, taka jak filtrowanie Kalmana, wymaga zazwyczaj skomplikowanych obliczeń. Dzięki metodzie maksymalnej entropii uzyskuje się wysoką rozdzielczość, ale jest to algorytm nieliniowy z dużą złożonością obliczeń, a sam proces jest również bardzo skomplikowany. Metoda szacowania funkcji zdegradowanego obrazu jest zwykle projektowana w oparciu o pewien model fizyczny. Algorytm ten wymaga przechwytywania obrazu w różnych momentach do późniejszego odniesienia w celu ustalenia parametrów modelu fizycznego, a ponieważ jest to metoda nie wykonywana w czasie rzeczywistym, trudno jest ją zastosować w monitoringu CCTV.

Najwięksi producenci w branży CCTV opracowali funkcję Defog mogącą działać na żywo. Technologia ta oparta jest na teorii optyki atmosferycznej. Podczas działania funkcji Defog rozróżnia się głębię pola obrazu oraz gęstość mgły w różnych jego obszarach, a także używa się procesu filtrowania tak, aby uzyskać subiektywnie wyraźny i naturalny obraz.

Poniżej przedstawiono kilka przykładów działania funkcji Defog.

Rys. 2. Porównanie obrazu przed i po wzmocnieniu współczynnika kontrastu.

Rys. 3. Porównanie szczegółów obrazu.

Rys. 4. Porównanie tekstu w scenie.