Das Videorauschen ist zufällig und nicht zeitlich korreliert. Ich nehme an, die beste Methode ist in diesem Fall die Verwendung von Wavelet-Denoise , oder? Wenn ja, wie wird Wavelet Denoise für Video implementiert? Gibt es etwas zu beachten, um die Berechnung auf die gesamte Bildsequenz anzuwenden?
7
Antworten:
Ausarbeitung zur zeitlichen Lösung:
Ich habe nicht viele konkrete Informationen für Sie, aber ich beziehe mich auf die Idee des "zeitlichen Anti-Aliasing".
Wenn eine Kamera stationär wäre, könnten Sie die Pixelwerte über die letzten N Frames mitteln, möglicherweise unter Verwendung des harmonischen Mittelwerts oder ähnlichem, um Spitzen herauszufiltern. Das Ergebnis wäre ein saubereres, weniger verrauschtes und korrekteres Bild.
Aber nicht alle Kameras (oder Objekte!) Sind stationär, und was dann? Wenn Sie auf irgendeine Weise feststellen können, wo ein Pixel in diesem Frame mit einem Pixel in den vorherigen N Frames übereinstimmt, können Sie diese auf die gleiche Weise mitteln. Wenn ein aktuelles Pixel kein übereinstimmendes vorheriges Pixel hat (weil etwas, das zuvor verdeckt war, sichtbar wird), zeigen Sie nur den aktuellen Rohwert an.
Spiele verwenden dies für Antialiasing, indem sie Super-Sampling über die Zeit simulieren. Sie haben jedoch den Vorteil von Bewegungsvektoren pro Pixel sowie der aktuellen und vorherigen Kameramatrix, sodass es in Ihrer Situation viel schwieriger ist!
quelle
Eine ziemlich einfache, aber effektive Technik ist die Medianfilterung . Für Videos können Sie es zeitlich anwenden (räumlich), indem Sie den Wert jedes Pixels in jedem Bild durch den Median der Werte des Pixels (und seiner Nachbarn) im aktuellen und im N vorherigen und späteren Bild ersetzen .
Ein nettes Merkmal der Medianfilterung ist, dass lineare Kanten erhalten bleiben (und bei zeitlicher Verwendung Kanten, die sich mit einer konstanten Geschwindigkeit bewegen). Es neigt jedoch dazu, scharfe Ecken und schmale Grate (und zeitlich schmale, sich schnell bewegende Merkmale) zu erodieren. Bei übermäßiger Verwendung neigt die räumliche Medianfilterung dazu, ein übermäßig glattes "plastisches" Erscheinungsbild zu erzeugen, während eine übermäßige zeitliche Medianfilterung sogar dazu führen kann, dass kleine, sich schnell bewegende Objekte vollständig verschwinden. ( Manchmal wird dies als eine Funktion angesehen. )
Mit fortschrittlichen Techniken wie Bewegungsverfolgung und Schwellenwerterkennung ist es möglich, die Medianfilterung weiter zu optimieren und zu verbessern. Diese bieten jedoch auch eine zusätzliche Komplexitätsebene und damit zusätzliche Möglichkeiten für unerwünschte Artefakte, wenn sie unachtsam angewendet werden. Für viele Zwecke ist ein einfacher Medianfilter von mittlerer Größe und Stärke oft alles, was Sie wirklich brauchen.
quelle
Im Jahr 2009 wurde offenbar ein Algorithmus zur Erkennung hierarchischer und vergleichender Bewegungen entwickelt, der in diesem Artikel vorgeschlagen wurde:
Bewegungserkennung: Schnelle und robuste Algorithmen für eingebettete Systeme
Sie haben es geschafft, eine anständige Geräuschreduzierung zu erzielen, wie Sie auf dem letzten Bild des Papiers sehen können. Es scheint, dass es die "morphologische Nachbearbeitung" ist, die eigenständige Pixel entfernt (Abschnitt 2.4 Neuer hierarchischer Algorithmus ). Möglicherweise kann eine ähnliche Technik angewendet werden, um das Video zu entrauschen.
quelle