宋少偉

（中國刑事警察學(xué)院，遼寧 沈陽110035）

引言

在監(jiān)控視頻圖像中運動模糊現(xiàn)象是比較常見的，如抓拍到在單行道上快速逆行或迅速調(diào)頭行駛、闖紅燈或快速沖過檢查站的違章車輛，或者拍攝到交通肇事逃逸的超速行駛車輛等。在這些情況下拍攝到的車牌圖像大多數(shù)是模糊不清的，若根據(jù)視頻圖像直接辨認出車牌號碼是較為困難的。

在運動模糊車牌的圖像處理中，通過一定方法計算出原始圖像退化時所形成的一些先驗知識，包括點擴散函數(shù)（point spread function，PSF）和模糊角度θ，這兩個參數(shù)能否準確估算是影響圖像復(fù)原質(zhì)量的關(guān)鍵因素。因此深入研究點擴散函數(shù)PSF 的參數(shù)估記有重大實際價值。本文將基于傳統(tǒng)圖像Radon 變換來估計PSF 參數(shù)的算法上做出改進，提高PSF 參數(shù)估計的精確性［1］。

1 運動模糊圖像的成因、復(fù)原原理及方法

1.1 運動模糊圖像形成的主要原因

在圖像的獲取、傳輸以及保存過程中，運動模糊圖像是一種典型的圖像退化現(xiàn)象。運動模糊圖像形成的主要原因有如下幾個方面：

（1）有些視頻成像設(shè)備不具有高速攝像或閃光抓拍功能，當被拍目標以較快速度通過畫面時則無法攝取到清晰的視頻或不虛化的靜態(tài)圖像；

（2）即使有些視頻成像設(shè)備具有高速攝像或閃光抓拍功能，但設(shè)備一般處于固定狀態(tài)，與快速行駛的車輛產(chǎn)生相對運動，取景畫面也較難記錄下清晰影像；

（3）運動模糊圖像實際上是記錄被拍目標物的移動軌跡，呈現(xiàn)目標的移動方向和多個動態(tài)瞬間，如圖1所示。

圖1 運動模糊視頻的截圖

從圖1 可見，在動態(tài)影像的記錄過程中出現(xiàn)圖像退化現(xiàn)象，即不再是傳輸前的原始圖像，圖像品質(zhì)、分辨率明顯降低，車牌信息出現(xiàn)重影、輪廓模糊不清。因此，將該類運動模糊圖像處理恢復(fù)其原始圖像這一過程稱為圖像復(fù)原［2］。

1.2 運動模糊圖像復(fù)原的基本原理

圖像復(fù)原就是對退化圖像品質(zhì)進行提升的一個過程，使得其圖像呈現(xiàn)的效果在視覺上得到一定程度的改善。圖像復(fù)原是建立在圖像退化模型基礎(chǔ)上的, 因此確定點擴散函數(shù)（PSF）和圖像退化模型的建立尤為重要。退化模型建立后，可采取相應(yīng)的處理算法對圖像進行復(fù)原。根據(jù)是否確定模糊核函數(shù)（即點擴散函數(shù)）可分為，模糊圖像盲復(fù)原和模糊圖像非盲復(fù)原。根據(jù)復(fù)原算法性質(zhì)的不同可分為，基于迭代思想的復(fù)原算法（例如，維納濾波復(fù)原算法）、基于非迭代思想的復(fù)原算法（例如，L-R 算法）以及一些新興的復(fù)原算法（例如，圖像超分辨率復(fù)原技術(shù)）等［3］，關(guān)于圖像由退化到復(fù)原的過程如圖2所示［4］。

圖2 圖像由退化到復(fù)原模型過程

1.3 運動模糊圖像的復(fù)原方法及常用工具

由于引起圖像退化的因素眾多，影響方式也多種多樣，情況較為復(fù)雜。目前，還沒有統(tǒng)一的復(fù)原流程及專門的處理方法。通常根據(jù)不同的應(yīng)用環(huán)境，采用不同的退化模型、估計準則或處理技巧，從而得到不同的復(fù)原經(jīng)驗及復(fù)原效果。

早期的運動模糊圖像的復(fù)原方法，主要是利用光學(xué)方法對已失真的觀測圖像進行光學(xué)校正。自從圖形圖像的數(shù)字復(fù)原技術(shù)出現(xiàn)以后，人們開始采用圖形圖像的數(shù)字化處理方法對已失真的模糊圖像進行數(shù)字化校正。其中經(jīng)典的恢復(fù)算法有逆濾波法、維納濾波法、有約束最小平方濾波、最大熵恢復(fù)法、法以及卡爾曼濾波法和最期多見的傳播波方程恢復(fù)法等［5］。隨著數(shù)字信號處理和圖像處理技術(shù)的進步與發(fā)展，新的復(fù)原算法正在不斷涌現(xiàn)，在實際應(yīng)用中也是可以根據(jù)具體情況加以選擇使用的。

對于運動模糊圖像的復(fù)原處理工具大致可分為兩類，一類是以Photoshop 等為代表的通用型圖形圖像處理軟件，另一類則是我國大多數(shù)公安機關(guān)曾購買過的一些國外引進或國內(nèi)自主開發(fā)的圖像處理軟件。

2 實驗設(shè)計

2.1 實驗工具

在實驗研究中，使用Adobe Photoshop CC 2015.0.0版（20150529.r.88 x32）工具軟件。

2.2 實驗樣本的備制

根據(jù)實驗所需樣本的最低要求，選取一段含有正常行駛車輛且具有運動模糊圖像復(fù)原處理條件的監(jiān)控視頻資料，然后截取視頻中一輛處于行駛中的汽車在不同監(jiān)控距離上的動態(tài)圖像。最終選擇了監(jiān)控視頻中模糊牌號圖像相對較大、整車牌號圖形較為完整的單幀圖像，實驗樣本數(shù)量總計4張。

3 實驗過程及結(jié)果

3.1 Photoshop處理模糊圖像過程及結(jié)果

運用Photoshop CC 2015 工具軟件，對所有實驗圖像樣本依次、分別進行處理，其操作的步驟如下：

（1）將視頻導(dǎo)入Photoshop CC 2015，選擇畫面中出現(xiàn)車牌的幀作為實驗圖像樣本。

（2）選擇監(jiān)控中最后一幀出現(xiàn)車牌的圖層并復(fù)制圖層，在銳化中打開防抖濾鏡，使用模糊方向工具沿著車牌成帶狀擴散的地方畫線，長度以帶狀開始到原圖開始為最佳，此時隱約可見類似數(shù)字的形狀出現(xiàn)。

（3）小范圍調(diào)整模糊描摹方向（114°左右）使車牌第一個數(shù)字“2”出現(xiàn)，小范圍調(diào)整模糊描摹長度（5 左右）直到車牌剩余信息比較清晰，然后微調(diào)平滑和偽像抑制直到車牌部位較為清晰的位置（以車牌信息是否能被辨別為清晰度標準）。

（4）對于運動模糊圖像的復(fù)原，應(yīng)在可能的范圍內(nèi)對參數(shù)進行小步長調(diào)整，以達到精準確定目標（或鏡頭）運動的方向及運動量的目的［6］。故經(jīng)反復(fù)調(diào)整得出，模糊描摹長度為15.3、模糊描摹方向為129.1°、平滑為33.6%、偽像抑制為33.2%時車牌信息較為清晰，其參數(shù)設(shè)置如圖3所示。

圖3 原圖在處理時的參數(shù)設(shè)置

（5）當點擊確定后，軟件自動跳回至圖層界面，將使用矩形選框工具選擇車牌區(qū)域，后添加蒙版在車牌處反相（反相可使車牌信息更易于觀察），其處理結(jié)果如圖4、圖5所示。

圖4 原圖處理后的實際效果

圖5 原圖處理之后，其車牌圖像部位局部放大的效果

3.2 不同距離的復(fù)原處理效果

行駛中的車輛與監(jiān)控攝像頭之間的距離、車牌號的模糊程度及變化都有一定的關(guān)系，甚至有時是直接影響圖像復(fù)原處理及正確讀取車牌有關(guān)信息的一個關(guān)鍵因素。因此，對實驗圖像樣本可分為“遠、較遠、較近、近”四種不同距離情況進行處理。其處理的相關(guān)參數(shù)（見表1）；處理后的復(fù)原圖像，其能見度與清晰度評價結(jié)果見表2；處理效果的比較結(jié)果圖（見表3）。

表1 處理參數(shù)的比較

表2 圖像處理后的能見度與清晰度比較

表3 圖像處理后的實際效果比較

3.3 實驗結(jié)果

通過對以上幾例運動模糊車牌圖像處理后的實際效果進行比對分析，可看出復(fù)原后的圖像能夠較清晰地反映出車牌的部分信息。使用Photoshop“漸變映射效果”代替“反相”這一功能，能夠讓復(fù)原圖像中某些特征更加醒目，使得肉眼在觀察時更易辨別出圖像特征［7］。

其次，根據(jù)比較車輛與監(jiān)控點位不同距離的圖像處理結(jié)果，可知當車輛處在“近距離”的監(jiān)控位置上，其復(fù)原效果最佳；反之，當車輛處在“遠距離”的監(jiān)控位置上，整體處理效果是較差即較難獲取車輛有效信息。

此外，Photoshop 可以同時進行運動角度和運動距離的初步測定和復(fù)原，在不同參數(shù)下同樣的數(shù)字可能復(fù)原出相似的或不同的結(jié)果。因此，在實際應(yīng)用中對于復(fù)原處理效果與車牌信息辨讀的結(jié)果，需操作人員結(jié)合自身在加工處理、研判分析與模糊車牌辨讀的工作經(jīng)驗，推導(dǎo)出多個、不同車牌號碼的辨讀組合［8］。

4 結(jié)論

由實驗可知，運動模糊車牌圖像經(jīng)Photo?shop 處理后，可從其復(fù)原圖像中獲得車牌的部分信息，基于Photoshop 環(huán)境中對運動模糊車牌進行復(fù)原處理的方法是可行的。且通過對比分析車輛與監(jiān)控點位間不同距離上的處理效果，當行駛中車輛與監(jiān)控點之間距離越近時，復(fù)原圖像效果越好。當然，面對各種復(fù)雜的圖像退化原因，Photoshop 只能是一種較為簡便快捷的處理方法，應(yīng)當結(jié)合其他圖像復(fù)原軟件多次處理相互印證［9］。