基于Photoshop 复原运动模糊图像的实验探究

宋少伟

（中国刑事警察学院，辽宁 沈阳110035）

引言

在监控视频图像中运动模糊现象是比较常见的，如抓拍到在单行道上快速逆行或迅速调头行驶、闯红灯或快速冲过检查站的违章车辆，或者拍摄到交通肇事逃逸的超速行驶车辆等。在这些情况下拍摄到的车牌图像大多数是模糊不清的，若根据视频图像直接辨认出车牌号码是较为困难的。

在运动模糊车牌的图像处理中，通过一定方法计算出原始图像退化时所形成的一些先验知识，包括点扩散函数（point spread function，PSF）和模糊角度θ，这两个参数能否准确估算是影响图像复原质量的关键因素。因此深入研究点扩散函数PSF 的参数估记有重大实际价值。本文将基于传统图像Radon 变换来估计PSF 参数的算法上做出改进，提高PSF 参数估计的精确性［1］。

1 运动模糊图像的成因、复原原理及方法

1.1 运动模糊图像形成的主要原因

在图像的获取、传输以及保存过程中，运动模糊图像是一种典型的图像退化现象。运动模糊图像形成的主要原因有如下几个方面：

（1）有些视频成像设备不具有高速摄像或闪光抓拍功能，当被拍目标以较快速度通过画面时则无法摄取到清晰的视频或不虚化的静态图像；

（2）即使有些视频成像设备具有高速摄像或闪光抓拍功能，但设备一般处于固定状态，与快速行驶的车辆产生相对运动，取景画面也较难记录下清晰影像；

（3）运动模糊图像实际上是记录被拍目标物的移动轨迹，呈现目标的移动方向和多个动态瞬间，如图1所示。

图1 运动模糊视频的截图

从图1 可见，在动态影像的记录过程中出现图像退化现象，即不再是传输前的原始图像，图像品质、分辨率明显降低，车牌信息出现重影、轮廓模糊不清。因此，将该类运动模糊图像处理恢复其原始图像这一过程称为图像复原［2］。

1.2 运动模糊图像复原的基本原理

图像复原就是对退化图像品质进行提升的一个过程，使得其图像呈现的效果在视觉上得到一定程度的改善。图像复原是建立在图像退化模型基础上的, 因此确定点扩散函数（PSF）和图像退化模型的建立尤为重要。退化模型建立后，可采取相应的处理算法对图像进行复原。根据是否确定模糊核函数（即点扩散函数）可分为，模糊图像盲复原和模糊图像非盲复原。根据复原算法性质的不同可分为，基于迭代思想的复原算法（例如，维纳滤波复原算法）、基于非迭代思想的复原算法（例如，L-R 算法）以及一些新兴的复原算法（例如，图像超分辨率复原技术）等［3］，关于图像由退化到复原的过程如图2所示［4］。

图2 图像由退化到复原模型过程

1.3 运动模糊图像的复原方法及常用工具

由于引起图像退化的因素众多，影响方式也多种多样，情况较为复杂。目前，还没有统一的复原流程及专门的处理方法。通常根据不同的应用环境，采用不同的退化模型、估计准则或处理技巧，从而得到不同的复原经验及复原效果。

早期的运动模糊图像的复原方法，主要是利用光学方法对已失真的观测图像进行光学校正。自从图形图像的数字复原技术出现以后，人们开始采用图形图像的数字化处理方法对已失真的模糊图像进行数字化校正。其中经典的恢复算法有逆滤波法、维纳滤波法、有约束最小平方滤波、最大熵恢复法、法以及卡尔曼滤波法和最期多见的传播波方程恢复法等［5］。随着数字信号处理和图像处理技术的进步与发展，新的复原算法正在不断涌现，在实际应用中也是可以根据具体情况加以选择使用的。

对于运动模糊图像的复原处理工具大致可分为两类，一类是以Photoshop 等为代表的通用型图形图像处理软件，另一类则是我国大多数公安机关曾购买过的一些国外引进或国内自主开发的图像处理软件。

2 实验设计

2.1 实验工具

在实验研究中，使用Adobe Photoshop CC 2015.0.0版（20150529.r.88 x32）工具软件。

2.2 实验样本的备制

根据实验所需样本的最低要求，选取一段含有正常行驶车辆且具有运动模糊图像复原处理条件的监控视频资料，然后截取视频中一辆处于行驶中的汽车在不同监控距离上的动态图像。最终选择了监控视频中模糊牌号图像相对较大、整车牌号图形较为完整的单帧图像，实验样本数量总计4张。

3 实验过程及结果

3.1 Photoshop处理模糊图像过程及结果

运用Photoshop CC 2015 工具软件，对所有实验图像样本依次、分别进行处理，其操作的步骤如下：

（1）将视频导入Photoshop CC 2015，选择画面中出现车牌的帧作为实验图像样本。

（2）选择监控中最后一帧出现车牌的图层并复制图层，在锐化中打开防抖滤镜，使用模糊方向工具沿着车牌成带状扩散的地方画线，长度以带状开始到原图开始为最佳，此时隐约可见类似数字的形状出现。

（3）小范围调整模糊描摹方向（114°左右）使车牌第一个数字“2”出现，小范围调整模糊描摹长度（5 左右）直到车牌剩余信息比较清晰，然后微调平滑和伪像抑制直到车牌部位较为清晰的位置（以车牌信息是否能被辨别为清晰度标准）。

（4）对于运动模糊图像的复原，应在可能的范围内对参数进行小步长调整，以达到精准确定目标（或镜头）运动的方向及运动量的目的［6］。故经反复调整得出，模糊描摹长度为15.3、模糊描摹方向为129.1°、平滑为33.6%、伪像抑制为33.2%时车牌信息较为清晰，其参数设置如图3所示。

图3 原图在处理时的参数设置

（5）当点击确定后，软件自动跳回至图层界面，将使用矩形选框工具选择车牌区域，后添加蒙版在车牌处反相（反相可使车牌信息更易于观察），其处理结果如图4、图5所示。

图4 原图处理后的实际效果

图5 原图处理之后，其车牌图像部位局部放大的效果

3.2 不同距离的复原处理效果

行驶中的车辆与监控摄像头之间的距离、车牌号的模糊程度及变化都有一定的关系，甚至有时是直接影响图像复原处理及正确读取车牌有关信息的一个关键因素。因此，对实验图像样本可分为“远、较远、较近、近”四种不同距离情况进行处理。其处理的相关参数（见表1）；处理后的复原图像，其能见度与清晰度评价结果见表2；处理效果的比较结果图（见表3）。

表1 处理参数的比较

表2 图像处理后的能见度与清晰度比较

表3 图像处理后的实际效果比较

3.3 实验结果

通过对以上几例运动模糊车牌图像处理后的实际效果进行比对分析，可看出复原后的图像能够较清晰地反映出车牌的部分信息。使用Photoshop“渐变映射效果”代替“反相”这一功能，能够让复原图像中某些特征更加醒目，使得肉眼在观察时更易辨别出图像特征［7］。

其次，根据比较车辆与监控点位不同距离的图像处理结果，可知当车辆处在“近距离”的监控位置上，其复原效果最佳；反之，当车辆处在“远距离”的监控位置上，整体处理效果是较差即较难获取车辆有效信息。

此外，Photoshop 可以同时进行运动角度和运动距离的初步测定和复原，在不同参数下同样的数字可能复原出相似的或不同的结果。因此，在实际应用中对于复原处理效果与车牌信息辨读的结果，需操作人员结合自身在加工处理、研判分析与模糊车牌辨读的工作经验，推导出多个、不同车牌号码的辨读组合［8］。

4 结论

由实验可知，运动模糊车牌图像经Photo⁃shop 处理后，可从其复原图像中获得车牌的部分信息，基于Photoshop 环境中对运动模糊车牌进行复原处理的方法是可行的。且通过对比分析车辆与监控点位间不同距离上的处理效果，当行驶中车辆与监控点之间距离越近时，复原图像效果越好。当然，面对各种复杂的图像退化原因，Photoshop 只能是一种较为简便快捷的处理方法，应当结合其他图像复原软件多次处理相互印证［9］。