濟(jì)南神博信息技術(shù)有限公司專業(yè)從事國際視頻圖像智能分析處理技術(shù)、模式識(shí)別技術(shù)、數(shù)學(xué)模型、智能識(shí)別終端、計(jì)算機(jī)軟硬件等嵌入式軟件與相應(yīng)安檢產(chǎn)品、刑偵產(chǎn)品、行業(yè)產(chǎn)品的研發(fā)、生產(chǎn)、銷售與服務(wù)。造成圖像模糊的原因有很多，且不同原因?qū)е碌哪：龍D像需要不同的方法來進(jìn)行處理。公司立足于自主創(chuàng)新、集成創(chuàng)新，產(chǎn)品擁有全部核心技術(shù)和自主知識(shí)產(chǎn)權(quán)，為我國高科技產(chǎn)業(yè)的發(fā)展做出更大的貢獻(xiàn)。

問題現(xiàn)象1：白天正常，黃昏和晚上整體變模糊

問題原因：在上面兩組圖片中，攝像機(jī)的焦距，聚焦位置都沒有發(fā)生變化，但是白天光圈小，景深很大，晚上光圈大，景深小。提高視頻質(zhì)量意味著提高最終用戶的觀看滿意度，提高編碼效率則意味著在同樣的碼率限制下可以傳輸更高質(zhì)量的視頻。白天聚焦清楚的位置，到了晚上可能已經(jīng)落到景深之外了，就出現(xiàn)了這個(gè)現(xiàn)象，由于是光圈變化引起的，所以這種問題一般出現(xiàn)在自動(dòng)光圈的攝像機(jī)上。

解決方法：將攝像機(jī)設(shè)置為手動(dòng)（電子）光圈后，再調(diào)整鏡頭聚焦清楚，聚焦清楚之后，再將攝像機(jī)復(fù)原為“自動(dòng)光圈”模式。

問題現(xiàn)象2：圖像一半清晰，一半模糊，俗稱“半邊糊“問題原因：傳感器出廠安裝時(shí)沒有完全水平，導(dǎo)致有前后距離差，僅僅幾毫米的距離差就可能顯示為“半邊糊“。

解決方法：要完全解決只能返修

對(duì)于槍機(jī)加外接鏡頭的，可以通過重現(xiàn)聚焦，適當(dāng)改善，將模糊的部分分?jǐn)偟絻蛇叄蛘邔⒛：牟糠终{(diào)整到相對(duì)不明顯的角度，如顏色單一的平面。

很多攝像設(shè)備或是照相設(shè)備在錄像的時(shí)候總會(huì)因?yàn)楦鞣N各樣的原因?qū)е聢D像不是很清晰，隨著知識(shí)和科技的發(fā)展出現(xiàn)了，模糊圖像處理系統(tǒng)，下面就由神博來先來簡(jiǎn)單講解一下圖像處理和計(jì)算機(jī)視覺的分類吧。

圖像處理和計(jì)算機(jī)視覺的分類

按照當(dāng)前流行的分類方法，可以分為以下三部分：

A.圖像處理：對(duì)輸入的圖像做某種變換，輸出仍然是圖像，基本不涉及或者很少涉及圖像內(nèi)容的分析。比較典型的有圖像變換，圖像增強(qiáng)，圖像去噪，圖像壓      縮，圖像恢復(fù)，二值圖像處理等等?；陂撝档膱D像分割也屬于圖像處理的范疇。一般處理的是單幅圖像。

B.圖像分析：對(duì)圖像的內(nèi)容進(jìn)行分析，提取有意義的特征，以便于后續(xù)的處理。處理的仍然是單幅圖像。

C.計(jì)算機(jī)視覺：對(duì)圖像分析得到的特征進(jìn)行分析，提取場(chǎng)景的語義表示，讓計(jì)算機(jī)具有人眼和人腦的能力。這時(shí)處理的是多幅圖像或者序列圖像，當(dāng)然也包括部分單幅圖像。

高斯模糊是圖像處理中幾乎每個(gè)程序員都或多或少聽過的名詞，但是對(duì)其原理大家可能并不了解，只知道通過高斯模糊能實(shí)現(xiàn)圖像毛玻璃效果，下面就由模糊圖像處理系統(tǒng)廠家神博來講一講吧。

圖像處理中基本的概念：卷積；隨后介紹高斯模糊的核心內(nèi)容：高斯濾波器；接著，我們從頭實(shí)現(xiàn)了一個(gè)Java版本的高斯模糊算法，以及實(shí)現(xiàn)Renderscript版本。問題原因：槍機(jī)外接鏡頭，攝像機(jī)的接口是CS，正常配合接CS接口的鏡頭即可，如果的鏡頭接口是C,則需要增加C/CS轉(zhuǎn)接環(huán)。由于我們自己實(shí)現(xiàn)的Java版本的高斯模糊算法的效率太低，因此后介紹比較有名的高斯模糊的開源項(xiàng)目：Blurry以及BlurKit-Android。

BlurDemo是本文的配套Demo：Demo1：Java版本的高斯模糊的簡(jiǎn)單實(shí)現(xiàn)。Demo2：Renderscript的高斯模糊實(shí)現(xiàn)。因此，模糊圖像處理技術(shù)的研究和應(yīng)用在安防領(lǐng)域就有了很重要的意義。Demo3：BlurKit-Android的基本使用。Demo4：Blurry的基本使用。卷積本文只討論圖像，而圖像可以表示為二維矩陣，其中每個(gè)元素為ARGB像素值，因此這里討論二維矩陣的卷積操作。卷積（Convolution）是圖像處理中基本的操作，就是一個(gè)二維矩陣A（M*N）和一個(gè)二維矩陣B（m*n）做若干操作，生成一個(gè)新的二維矩陣C（M*N），其中m和n遠(yuǎn)小于M和N，B稱為卷積核（kernel），又稱濾波器矩陣或模板。

圖像模糊是什么呢？然而圖像中的像素每一個(gè)都有自己的像素值，這些像素值決定了圖像終的顯示。一幅模糊的圖，像素點(diǎn)之間的差別小。下面就由神博為大家講一講怎么樣解決圖像模糊吧。

簡(jiǎn)單的方法就是直接取所需處理像素值的周邊半徑內(nèi)平均來作為它自身的像素信息，對(duì)圖像內(nèi)所有像素點(diǎn)都可以這么處理，另外邊界點(diǎn)需要另外找處理方法。

還可以采取正態(tài)分布取權(quán)值的做法來取平均值，因?yàn)閷?shí)際上圍繞一個(gè)特定的像素點(diǎn)，離它越遠(yuǎn)，和它的相似度就越低，對(duì)它們處理的權(quán)重也應(yīng)該越低，而正態(tài)分布恰好是一個(gè)山型函數(shù)可以圍繞著這一個(gè)特定的像素點(diǎn)取半徑進(jìn)行處理。

然而實(shí)際情況下，正態(tài)分布雖說有理有據(jù)，但是效率不是很高，所以可以取多次周邊平均的方法來增加模糊效果。