CN117479019B - 一种网络摄像机视频质量提升方法及系统 - Google Patents
一种网络摄像机视频质量提升方法及系统 Download PDFInfo
- Publication number
- CN117479019B CN117479019B CN202311834000.7A CN202311834000A CN117479019B CN 117479019 B CN117479019 B CN 117479019B CN 202311834000 A CN202311834000 A CN 202311834000A CN 117479019 B CN117479019 B CN 117479019B
- Authority
- CN
- China
- Prior art keywords
- value
- channel value
- newly added
- pixel
- pixel point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012797 qualification Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000001172 regenerating effect Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/815—Camera processing pipelines; Components thereof for controlling the resolution by using a single image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Color Television Image Signal Generators (AREA)
Abstract
本发明公开了一种网络摄像机视频质量提升方法及系统，涉及图像处理技术领域，包括：使用网络摄像机实时采集视频；计算获得新增像素点的红色通道值、绿色通道值、蓝色通道值和像素强度值；计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化；依据每四个相邻像素点的坐标（，）确定新增像素点的坐标（，），并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。通过将像素点每个数据单独拎出来计算，可以更准确地描述像素点的颜色和亮度信息。
Description
技术领域
本发明涉及图像处理技术领域，具体为一种网络摄像机视频质量提升方法及系统。
背景技术
目前网络摄像机由于价格便宜，硬件性能配置往往不足以支持高分辨率视频的处理和传输。此外，网络摄像机需要通过网络传输视频数据，而网络带宽是有限的。在面对大量数据传输时，如果网络带宽不足以支持高分辨率视频的传输，就会导致分辨率降低。这种降低可能表现为视频画质的损失、颜色失真、对比度不足等问题，从而影响视频的清晰度和质量。
在申请公布号为CN110278415A的中国发明申请中，公开了一种网络摄像机视频质量提升方法，包括1、初步视频的获取；2、对初步视频的内容进行评估，采集视频数据，标定构建数据集，使用卷积神经网络和全连接网络训练，并使用显著性算法进行特征的融合，得到符合人的感官的视频质量评价模型，实时判断相机获取的视频质量；3、对视频质量满足要求的视频直接输出，对不满足要求的视频进行基于超像素的多帧视频优化处理，进行降帧优化。
在以上发明申请中，先将视频分成小块逐一评分，将不合格的小块视频使用超分辨率算法优化，并对优化后的视频再次评分，若仍不合格则将多帧图像组成一帧图像，实现降帧优化视频，超分辨率算法是依据像素点灰度和距离预估新的像素点数值，对于彩色图像的预测精度并不高，并且处理后的小块视频与原视频中合格的小块视频分辨率并不相同，会导致在视频播放或展示时出现画面不匹配的情况。
为此，本发明提供了一种网络摄像机视频质量提升方法及系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种网络摄像机视频质量提升方法及系统，本发明通过将像素点每个数据单独拎出来计算，可以更准确地描述像素点的颜色和亮度信息，并且在计算对应数据时考虑了相邻像素点的最大值、最小值和平均值确定新增像素点的对应数据，更全面地考虑像素点的特征数据的影响。而对新增像素点数据进行确认和优化，能够进一步改善图像细节，使整个图像更加清晰、平滑，因为将所有帧都进行优化，分辨率统一，所以视频有更丰富的细节和质感，从而解决了背景技术中记载的技术问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种网络摄像机视频质量提升方法，包括如下步骤：
将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪；
获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>；
获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化；
依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>），将新增像素点对应的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
进一步地，使用视频编辑软件获取视频每一帧图像及其对应的分辨率α×β，并进一步获取每一帧图像中每个像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，分辨率α×β是指图像水平和垂直方向上的像素数量，它通常以宽度像素数和高度像素数来表示，例如1920x1080表示宽度为1920像素，高度为1080像素。
进一步地，获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值、蓝色通道值/>和像素强度值/>，进行线性归一化处理后，计算获得每四个相邻像素的红色通道值均值/>、绿色通道值均值/>、蓝色通道值均值/>和像素强度值均值/>，对应的计算公式如下：
其中，i表示每一帧图像中每个像素点的顺序编号。
进一步地，获取每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值、像素强度值/>以及红色通道值均值/>、绿色通道值均值/>、蓝色通道值均值/>和像素强度值均值/>，进行线性归一化处理后，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>：
对应的新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>的计算公式如上。
进一步地，获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，进行线性归一化处理后，计算获得每个新增像素点的合格指数Hg：
对应的每个新增像素点的合格指数Hg的计算公式如上。
进一步地，当新增像素点的合格指数或/>时，去除四个相邻像素点每个数值的最大值或最小值，重新计算合格指数Hg，直至新增像素点的合格指数为止，输出去除四个相邻像素点每个数值的最大值或最小值后计算得到的新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>。
进一步地，在每一帧图像上建立坐标系，获取每四个相邻像素点的坐标（，/>），依据每四个相邻像素点的坐标（/>，/>）计算获得新增像素点的坐标（/>，/>）：
对应的新增像素点的坐标（/>，/>）的计算公式如上。
一种网络摄像机视频质量提升系统，包括：
视频采集模块，将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪；
新增像素点数据计算模块，获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>；
新增像素点数据确认模块，获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化；
新增像素点坐标计算模块，依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>）；
高质量视频生成模块，新增像素点对应的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
（三）有益效果
本发明提供了一种网络摄像机视频质量提升方法及系统，具备以下有益效果：
1、通过将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪，如果输入的视频本身存在噪声和干扰，在提升分辨率时会放大本身存在的噪声和干扰，导致视频的模糊和失真现象，在视频提升分辨率前去噪和滤波处理，可以有效地减少视频的模糊和失真现象，使视频更加清晰、真实。
2、通过获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>，将像素点每个数据单独计算，可以更准确地描述像素点的颜色和亮度信息，确定新增像素点的对应数据，能够有效提高视频分辨率提升精度。
3、通过获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化，可以进一步改善图像细节，使图像更加清晰、平滑，从而增强图像的整体质量。
4、依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>），将新增像素点对应的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频，可以逐一优化每一帧的图像质量，当所有帧都经过优化后，整合成的高分辨率视频将具有更高的整体质量，无论是边缘、纹理还是色彩过渡，都有更丰富的细节和质感。
附图说明
图1为本发明一种网络摄像机视频质量提升方法的流程示意图；
图2为本发明一种网络摄像机视频质量提升系统的结构示意图；
图3为本发明一种网络摄像机视频质量提升系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图3，本发明提供一种网络摄像机视频质量提升方法及系统，包括如下步骤：
步骤一、将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪。
所述步骤一包括如下内容：
步骤101、将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并通过网络上传至云端缓存。
需要说明的是：网络摄像机是一种结合传统摄像机与网络技术所产生的新一代摄像机，它可以将视频影像通过网络传至地球另一端，且远端的浏览者不需用任何专业软件，只要标准的网络浏览器（如Microsoft IE或Netscape）即可监视其视频影像。网络摄像机一般由镜头、图像传感器、声音传感器、信号处理器、A/D转换器、编码芯片、主控芯片、网络及控制接口等部分组成。网络摄像机又叫IP CAMERA（简称IPC）由网络编码模块和模拟摄像机组合而成。网络编码模块将模拟摄像机采集到的模拟视频信号编码压缩成数字信号，从而可以直接接入网络交换及路由设备。网络摄像机内置一个嵌入式芯片，采用嵌入式实时操作系统。
步骤102、使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪。
均值滤波是一种简单的平滑滤波方法，原理是用滤波窗口内像素的平均值来代替中心像素的值，可以有效地减小图像灰度值的“尖锐”变化，从而达到减小噪声的目的。
中值滤波是一种非线性信号处理技术，它与均值滤波有些类似，都是通过将邻域内的像素值进行排序，然后选择中间的值作为输出。对于灰度图像，中值滤波可以有效地去除椒盐噪声。
高斯滤波是一种基于高斯分布的平滑滤波方法，它认为像素点的邻域内的像素值与中心像素点的距离越近，其权重越大，通过加权平均的方式，可以更好地保留图像的细节和边缘信息，同时有效地去除噪声。
使用时，结合步骤101及102中的内容：
通过将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪，如果输入的视频本身存在噪声和干扰，在提升分辨率时会放大本身存在的噪声和干扰，导致视频的模糊和失真现象，在视频提升分辨率前去噪和滤波处理，可以有效地减少视频的模糊和失真现象，使视频更加清晰、真实。
步骤二、获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>。
所述步骤二包括如下内容：
步骤201、使用视频编辑软件获取视频每一帧图像及其对应的分辨率（α×β），并进一步获取每一帧图像中每个像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，视频编辑软件包括Adobe Premiere Pro和Final Cut Pro。
分辨率（α×β）是指图像水平和垂直方向上的像素数量，它通常以宽度像素数和高度像素数来表示，例如1920x1080表示宽度为1920像素，高度为1080像素。
步骤202、获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，进行线性归一化处理后，计算获得每四个相邻像素的红色通道值均值/>、绿色通道值均值/>、蓝色通道值均值/>和像素强度值均值/>，对应的计算公式如下：
其中，i表示每一帧图像中每个像素点的顺序编号。
步骤203、获取每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值、像素强度值/>以及红色通道值均值/>、绿色通道值均值/>、蓝色通道值均值/>和像素强度值均值/>，进行线性归一化处理后，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>：
对应的新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>的计算公式如上。
使用时，结合步骤201至203中的内容：
通过获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>，将像素点每个数据单独拎出来计算，可以更准确地描述像素点的颜色和亮度信息，确定新增像素点的对应数据，能够有效提高视频分辨率提升精度。
步骤三、获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化。
所述步骤三包括如下内容：
步骤301、获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，进行线性归一化处理后，计算获得每个新增像素点的合格指数Hg：
对应的每个新增像素点的合格指数Hg的计算公式如上。
步骤302、当新增像素点的合格指数或/>时，去除四个相邻像素点每个数值的最大值或最小值，重新计算合格指数Hg，直至新增像素点的合格指数为止，输出去除四个相邻像素点每个数值的最大值或最小值后计算得到的新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>。
使用时，结合步骤301及302中的内容：
通过获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化，可以进一步改善图像细节，使图像更加清晰、平滑，从而增强图像的整体质量。
步骤四、依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>），将新增像素点对应的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
所述步骤四包括如下内容：
步骤401、在每一帧图像上建立坐标系，获取每四个相邻像素点的坐标（，/>），依据每四个相邻像素点的坐标（/>，/>）计算获得新增像素点的坐标（/>，/>）：
对应的新增像素点的坐标（/>，/>）的计算公式如上。
步骤402、将新增像素点对应的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
步骤403、将高分辨率视频使用HEVC/H.265编码技术压缩后存储在云端，并通过网络将压缩后的视频传输至接收端解码观看。
使用时，结合步骤401至403中的内容：
通过每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>），将新增像素点对应的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频，可以逐一优化每一帧的图像质量，当所有帧都经过优化后，整合成的高分辨率视频将具有更高的整体质量，无论是边缘、纹理还是色彩过渡，都有更丰富的细节和质感。
请参阅图1-图3，本发明提供一种网络摄像机视频质量提升系统，包括：
视频采集模块，将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪。
新增像素点数据计算模块，获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>。
新增像素点数据确认模块，获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化。
新增像素点坐标计算模块，依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>）。
高质量视频生成模块，新增像素点对应的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (2)
1.一种网络摄像机视频质量提升方法，其特征在于：包括如下步骤：
将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪；
获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>；
使用视频编辑软件获取视频每一帧图像及其对应的分辨率α×β，并获取每一帧图像中每个像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，其中，分辨率α×β是指图像水平和垂直方向上的像素数量；
获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值和像素强度值/>，进行线性归一化处理后，计算获得每四个相邻像素的红色通道值均值/>、绿色通道值均值/>、蓝色通道值均值/>和像素强度值均值/>；
获取每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>、像素强度值以及相应均值/>，进行线性归一化处理后，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/> 获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化；
获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值，进行线性归一化处理后，计算获得每个新增像素点的合格指数Hg：
当新增像素点的合格指数或/>时，去除四个相邻像素点每个数值的最大值或最小值，重新计算合格指数Hg，直至新增像素点的合格指数/>为止，输出去除四个相邻像素点每个数值的最大值或最小值后计算得到的新增像素点的红色通道值/>、绿色通道值、蓝色通道值/>和像素强度值/>；
依据四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>），将新增像素点对应的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>依据坐标（/>，/>）插入原图像，将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频；
在每一帧图像上建立坐标系，获取每四个相邻像素点的坐标（，/>），依据每四个相邻像素点的坐标（/>，/>）计算获得新增像素点的坐标（/>，/>）：
对应的新增像素点的坐标（/>，/>）的计算公式如上。
2.一种网络摄像机视频质量提升系统，用于实现权利要求1中所述方法，其特征在于：包括：
视频采集模块，将网络摄像机连接上电源和网络，使用网络摄像机实时采集视频，并使用均值滤波、中值滤波或高斯滤波算法对视频进行滤波和去噪；
新增像素点数据计算模块，获取每一帧图像中每四个相邻像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得新增像素点的红色通道值/>、绿色通道值/>、蓝色通道值/>和像素强度值/>；
新增像素点数据确认模块，获取新增像素点的红色通道值、绿色通道值/>、蓝色通道值/>和像素强度值/>，计算获得每个新增像素点的合格指数Hg，对新增像素点数据进行确认和优化；
新增像素点坐标计算模块，依据每四个相邻像素点的坐标（，/>）确定新增像素点的坐标（/>，/>）；
高质量视频生成模块，新增像素点对应的红色通道值、绿色通道值/>、蓝色通道值和像素强度值/>依据坐标（/>，/>）插入原图像，并将提高分辨率后的每一帧图像按照顺序重新生成高分辨率视频。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311834000.7A CN117479019B (zh) | 2023-12-28 | 2023-12-28 | 一种网络摄像机视频质量提升方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311834000.7A CN117479019B (zh) | 2023-12-28 | 2023-12-28 | 一种网络摄像机视频质量提升方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117479019A CN117479019A (zh) | 2024-01-30 |
| CN117479019B true CN117479019B (zh) | 2024-03-22 |
Family
ID=89631607
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311834000.7A Active CN117479019B (zh) | 2023-12-28 | 2023-12-28 | 一种网络摄像机视频质量提升方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117479019B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703798A (zh) * | 2023-08-08 | 2023-09-05 | 西南科技大学 | 基于自适应干扰抑制的食管多模态内镜图像增强融合方法 |
| CN116797462A (zh) * | 2023-08-18 | 2023-09-22 | 深圳市优森美科技开发有限公司 | 基于深度学习的实时视频超分辨率重建方法 |
-
2023
- 2023-12-28 CN CN202311834000.7A patent/CN117479019B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703798A (zh) * | 2023-08-08 | 2023-09-05 | 西南科技大学 | 基于自适应干扰抑制的食管多模态内镜图像增强融合方法 |
| CN116797462A (zh) * | 2023-08-18 | 2023-09-22 | 深圳市优森美科技开发有限公司 | 基于深度学习的实时视频超分辨率重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117479019A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI527435B (zh) | 攝影機 | |
| US20020191699A1 (en) | Detection system and method for enhancing digital video | |
| US7508448B1 (en) | Method and apparatus for filtering video data using a programmable graphics processor | |
| KR102182697B1 (ko) | 영상 처리 장치 및 방법 | |
| CN107862672B (zh) | 图像去雾的方法及装置 | |
| US11983848B2 (en) | AI frame engine for mobile edge | |
| CN112448962A (zh) | 视频抗锯齿显示方法、装置、计算机设备及可读存储介质 | |
| CN111738951A (zh) | 图像处理方法及装置 | |
| CN111836103B (zh) | 基于数据分析的防遮挡处理系统 | |
| CN117479019B (zh) | 一种网络摄像机视频质量提升方法及系统 | |
| CN110796689B (zh) | 一种视频处理方法、电子设备及存储介质 | |
| CN116095291B (zh) | 一种用于媒体流图像传输的图像预处理方法 | |
| CN116489457A (zh) | 视频的显示控制方法、装置、设备、系统和存储介质 | |
| CN115937045A (zh) | 一种迭代式色阶重建方法 | |
| CN116156198A (zh) | 一种舞蹈教学用视觉测量信号传输装置及系统 | |
| CN113014745B (zh) | 视频图像降噪方法及装置、存储介质及电子设备 | |
| CN113935928B (zh) | 基于Raw格式岩心图像超分辨率重建 | |
| CN113542864B (zh) | 视频的花屏区域检测方法、装置、设备及可读存储介质 | |
| CN111382772B (zh) | 一种图像处理方法、装置及终端设备 | |
| CN112533024A (zh) | 一种人脸视频处理方法、装置及存储介质 | |
| CN112565178A (zh) | 基于流媒体技术的无人机电力设备巡检系统 | |
| CN110753229A (zh) | 基于h.265编码的视频采集装置及方法 | |
| CN112348742B (zh) | 一种基于深度学习的图像非线性插值获取方法及获取系统 | |
| CN111866516A (zh) | 一种灰度视频的实时图像增强装置及方法 | |
| KR100909024B1 (ko) | 정밀한 기울기 특성을 고려한 저복잡도 영상 보간 장치 및방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |