camera数字降噪（DNR）

Posted 2021-05-15 吴建明

camera数字降噪（DNR）

闭路电视摄像机 无论多么出色和弱光，在黑暗中拍摄视频监控录像时都会不可避免地产生一些噪音。噪声是任何电子通信中不可避免的部分，无论是视频还是音频。本质上是静态的–视频信号中的干扰，在图像帧中表现为白色和黑色斑点，使其呈现颗粒状外观。

昏暗的光线不足会导致相机难以区分颜色和对比度，导致图像中的像素混合在一起，而不是正确且细节丰富。当不良照明导致图像中的光太接近传感器中自然存在的噪声水平时，也会发生图像噪声，从而使传感器很难感应到图像。

在较大的分辨率下，噪声也更为普遍（或至少更为明显），这是由于传感器尺寸需要更多的光，而较大的图像使其更明显。

为了解决这个问题，安全摄像机配备了不同种类的数字降噪（DNR），存在两种DNR – 2D和3D。接着说明如何减少监视视频图像中的噪声技术。

2D DNR和临时降噪

 

 

 减少图像噪声的第一种方法是2D降噪，这是时域降噪的 一种形式。减少时域杂讯的工作原理是，将每个帧中的每个像素作为序列的一部分进行分析，将每个帧的像素作为整个序列的一部分进行比较，并查找在帧与帧之间出现的不一致的伪像，目标和像素。可以选择最有可能代表噪声的像素，并隔离和修复这些像素。

2D /临时降噪是一种有效的降噪方法，但在监视用途中存在一些缺点。首先，在低分辨率图像上效果最佳。视频开始超过4到8 MP时，将不如3D降噪有效。而且，如果要校正的区域存在运动（视频源中很可能会出现这种情况），临暂时性的噪点减少容易造成不良的运动模糊，影响视频的清晰度和质量，并使视频变得困难。

这就是3D降噪的用武之地。

3D DNR和空域降噪

 

3D DNR的工作原理与2D方法不同，依赖于空域降噪而不是时域降噪。空域降噪不是逐帧分析视频像素的顺序，而是将外观作为视频线性时域轴的一部分来判断，使用一种算法来分别比较每帧中的像素，然后将这些帧彼此进行比较，查看哪些像素改变或移动。该方法允许算法区分和隔离代表噪声的像素，并将其从图像中删除。

3D DNR可以更好地消除低光视频趋于呈现的颗粒状外观，并且对于运动较多的视频则要好得多，因为采用逐帧比较的方法，可以更准确的检测运动。结果，不会在图像中产生运动模糊，并且移动的目标不会在后面留下运动轨迹。适用于更大，更高分辨率的视频，后者需要额外的功能才能获得清晰的监控录像。

结合2D和3D DNR以获得最佳视频

现在，一些功能强大的高端相机将2D和3D DNR方法结合到一个动态算法中，可以创建具有尽可能低图像噪点的超清晰图像。3D DNR在帧中包含效果更好的运动区域，因为在减少噪点，而不产生运动模糊方面更有效；2D DNR在解码和清除帧的静态部分时效率更高。共同创建清晰和动态的低照度图像，可以作为全面闭路CCTV系统的一部分进行有效监视。