数字图像处理研究（33）
转自：&http://nkwavelet./blog/static/&& & & &在无参考图像的质量评价中，图像的清晰度是衡量图像质量优劣的重要指标，它能够较好的与人的主观感受相对应，图像的清晰度不高表现出图像的模糊。本文针对无参考图像质量评价应用，对目前几种较为常用的、具有代表性清晰度算法进行讨论分析，为实际应用中选择清晰度算法提供依据。（1）Brenner 梯度函数Brenner梯度函数是最简单的梯度评价函数，它只是简单的计算相邻两个像素灰度差的平方，该函数定义如下：& & & & 其中：f(x,y) 表示图像f对应像素点(x,y)的灰度值，D(f)为图像清晰度计算结果(下同)。（2）Tenengrad&梯度函数Tenengrad&梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值，基与Tenengrad&梯度函数的图像清晰度定义如下：& & & &G(x,y) 的形式如下：&&& 其中：T是给定的边缘检测阈值，Gx和Gy分别是像素点(x,y)处Sobel水平和垂直方向边缘检测算子的卷积，建议使用以下的Sobel算子模板来检测边缘：&&（3）Laplacian&梯度函数Laplacian&梯度函数与Tenengrad梯度函数基本一致，用Laplacian算子替代Sobel算子即可，该算子定义如下：& & & & 因此基于Laplacian&梯度函数的图像星清晰度的定义如下：& & & & 其中G(x,y)是像素点(x,y)处Laplacian算子的卷积。（4）SMD（灰度方差）函数& & & & 当完全聚焦时，图像最清晰，图像中的高频分量也最多，故可将灰度变化作为聚焦评价的依据，灰度方差法的公式如下：（5）SMD2 （灰度方差乘积）函数& & & & 灰度差分评价函数具有较好的计算性能，但其缺点也很明显，即在焦点附近灵敏度不高，即该函数在极值点附近过于平坦，从而导致聚焦精度难以提高。在文章《》中提出了一种新的评价函数，称之为灰度方差乘积法，即对每一个像素领域两个灰度差相乘后再逐个像素累加，该函数定义如下：&（6）方差函数& & & & 因为清晰聚焦的图像有着比模糊图像更大的灰度差异，可以将方差函数作为评价函数：& & & &&&&其中：为整幅图像的平均灰度值，该函数对噪声比较敏感，图像画面越纯净，函数值越小。（7）能量梯度函数& & & & 能量梯度函数更适合实时评价图像清晰度，该函数定义如下：&（8）Vollath函数& & & &&Vollath函数定义如下：&其中：为整幅图像的平均灰度值，M和N分别为图像宽和高。&&（9）熵函数& & & &基于统计特征的熵函数是衡量图像信息丰富程度的一个重要指标，有信息论可知，一幅图像 f 的信息量是由该图像的信息熵 D(f) 来度量：&其中：Pi&是图像中灰度值为i的像素出现的概率，L为灰度级总数（通常取值256）。根据Shannon信息论，熵最大时信息量最多。将此原理应用到对焦过程，D(f)越大则图像越清晰。熵函数灵敏度不高，依据图像内容不同容易出现与真实情况相反的结果。（10）&EAV点锐度算法函数& & & & 徐贵力、张霞等提出了一种基于边缘锐度的算法用于评价图像的清晰度。通过统计图像某一边缘方向的灰度变化情况来评价。计算公式如下：&其中：df/dx为边缘法向的灰度变化率，f(b) - f(a)为该方向的总体灰度变化。该算法只对图像的特定边缘区域做统计，能否代表整幅图像的清晰度仍有疑问，此外计算前需人工选定边缘区域，不便实现程序运算的自动化，因为王鸿南等在论文&&中对上述算法进行了改进，改进如下：& & & & a) &将针对边缘的梯度计算改为逐个像素领域梯度的计算，以便算法能对图像的整体进行评价，并使算法实现自动化。& & & & b) &对方格像素 8 领域的灰度变化进行距离加权，水平和垂直方向的权重为1，而45度和135度方向的权重为&。& & & & c) &对计算结果按图像的大小进行规格化，以便于图像的对比。经过以上三步改进后的点锐度算法为：&其中：M和N为图像的行数和列数。&（11）Reblur 二次模糊& & & & &如果一幅图像已经模糊了，那么再对它进行一次模糊处理，高频分量变化不大；但如果原图是清楚的，对它进行一次模糊处理，则高频分量变化会非常大。因此可以通过对待评测图像进行一次高斯模糊处理，得到该图像的退化图像，然后再比较原图像和退化图像相邻像素值的变化情况，根据变化的大小确定清晰度值的高低，计算结果越小表明图像越清晰，反之越模糊。这种思路可称作基于二次模糊的清晰度算法，其算法简化流程如下图：&（12）NRSS 梯度结构相似度& & & & &&Wang等利用人类视觉系统（HVS）非常适于提取目标的结构信息的特点，提出了图像结构相似度概念（SSIM），认为只要能计算目标结构信息的变化，就能够得到感知图像失真值。杨春玲等基于此思路，将该方法引入到计算全参考图像的清晰度评价中，认为图像的清晰度可以使用目标图像与参考图像间的结构相似度来表示，而图像间的结构相似度包含以下三个部分的比较：&而C1、C2和C3&是为了避免分母为0而设的常数。图像的结构相似度由下式计算可得：&为简单起见可以令&& & & &&谢小甫等进一步改进了杨春玲等的方法，根据结构相似度的相关思想结合人烟视觉系统的相关特点，设计了无参考图像清晰度的评价指标（NRSS），计算方法如下：& &（a）为待评价图像构造参考图像。定义待评价图像为I，而参考图像&，即对待评价图像&I&进行低通滤波得到参考图像&。实验表明，基于圆盘模型的均值滤波器和高斯模型的平滑滤波器都可以取得较好的效果，为了更好的与成像系统匹配，建议采用&7x7&大小且&的高斯平滑滤波器。在需要实时处理的工程应用中7x7均值滤波器并不会是评价效果下降很大。& &（b）提取图像 I 和&的梯度信息。利用人眼对水平和垂直方向的边缘信息最为敏感的特性，使用Sobel算子分别提取水平和垂直方向的边缘信息，定义 I 和&的梯度图像是G 和&。& &（c）找出梯度图像 G 中梯度信息最丰富的 N 个图像块。将图像G划分为 8x8 的小块，块间的步长为4，即相邻块有50%重叠，这是为了避免丢失重要的边缘。计算每块的方差，方差越大说明梯度信息越丰富，找出其中方差最大的N块，记为，对应的中的对应块定义为 &。N的值大小直接影响评价结果，同时也影响算法运行时间。在后面的实验中设 N = 64。& &（d）计算结构清晰度NRSS。先计算每个xi和 yi的结构相似度SSIM(xi, yi)，其中SSIM计算方法参见前面的定义，则图像的无参考结构清晰度定义为：&（13）FFT 图像变换域& & & &待写！（14）No-Reference Perceptual Quality Assessment of JPEG Compressed Images& & & &&&在这篇文章中，作者【Zhou Wang】等针对JPEG压缩图片提出了一种新的无参图像质量评价方法。& & & & &JPEG图片是基于8x8块的DCT变换的编码技巧，它是有损的因为对DCT变换系数做量化的时候会产生量化误差。量化就会导致模糊和块效应。模糊主要是因为丢失了高频的DCT系数。块效应是由于块边界的不连续性，因为每个分块的量化是独立的。& & & & 我们用 f(x, y) 表示一幅图片，图片尺寸为 MxN，计算跨越每个水平线的信号差：& & & & 首先计算块效应，块效应的定义就是左右跨越边界的信号差的平均值：& & & &&然后计算块内信号差的平均值：& & & &再计算zero-crossing（ZC）率，ZC是边界跨零的意思，也就是说相邻两个点的值的乘积为负数，也就是一正一负，因此对于[1, N - 2]范围内的y，定义如下变量：&&于是水平方向的ZC率定义如下：& & & & &同理，我们可以计算垂直方向的几个指标值&。最后得到这几个指标的水平和垂直方向的平均值：&&有很多方式把这几个指标联系起来组成一个质量评价模型。此处我们采用如下图像质量定义：&其中&是从大量实验中提炼出来的模型参数。本文中所采用的参数值如下：&&（15）No-Reference Image Quality Assessment forJPEG/JPEG2000 Coding& & & &&&这篇文章的作者在前面那篇文章的基础上，重新定义了新的质量指标：&其实 S 就是在（14）中已经得到的质量评价值。（16）No-Reference Image Quality Assessment& using Blur and Noise&&&& 图像质量受很多因素影响，例如：亮度、对比度、色调、边界、噪声、模糊等。在本文中，我们假定噪声和模糊是影响图像质量最重要的两个因素。简单起见，只对彩色图像的亮度分量做模糊和噪声监测。本文的图像质量评价算法框架图如下：&&&&A）模糊检测&&&&&&模糊估计分为两个步骤：首先是边缘检测，然后是模糊确定。此处模糊估计是通过计算当前像素点与领域内像素点均值之差来确定。我们用f(x,y) 表示图片，其中&。定义水平绝对差如下：&整个图片的水平绝对差的均值为:&如果当前像素点的&&则该像素点就是一个候选的边缘点. 如果&比它水平方向两个相邻的点&都大，则该像素点就被确认为一个边缘点。边缘点&的判断总结如下：&&& 接下来我们检测边缘点是否模糊。定义：同理，按照以上的步骤我们可以计算垂直方向的值&。两者之大者称作Inverse Blurriness，用于最终的模糊判定依据。&低于阈值ThB的Inverse Blurriness 被认为是模糊的。实验测试表明此处的阈值ThB取值0.1。最后，边缘模糊的均值和比率为：&&&&&&B）噪点检测&&&&&&因为沿边缘的噪点视觉上不明显，因此我们只检测边缘之外的噪点。边缘检测会被噪点影响，因此在检测边缘之前做一个噪点滤波的预处理。在本文中，我们应用均值滤波来消除噪点。均值滤波之后的图像g(x,y)为：候选的噪点估计如下：同理可以在垂直方向计算对应的值。然后得到候选的噪点是：其中N_cand(x,y)表示候选噪点，它在边缘区域为0。噪点均值和比率为：其中Sum_Noise是N(x,y)之和，Noise_cnt是噪点总数目。&&&C）噪点和模糊的组合&&&&& 此处我们的图像质量评价指标定义如下：其中w1、w2、w3、w4是权值。通过线性回归分析获取这些权值。本文中这些权值为：实验& & & &为了测试以上评价方法的准确性，我们才用C语言编程实现以上算法，由于以上算法都是针对灰度图，因此在处理彩色图像的时候，首先将彩色图像转化为灰度图（简单起见，转化算法采用了 grey = (R + G + B) /3）。 测试图片采用了美国德州大学图像与视频工程实验室提供的图像质量评价数据库。该图像数据库包含了29幅原始图像，并利用原始图像生成了包括JPEG压缩、JPEG2000压缩、高斯模糊、Fastfsding（在Fastading通道中传输传输错误）、WhiteNoise（白噪声）五类失真在内的失真图像共779幅。此处我们选用JPEG目录下的部分图片做测试。& & & &首先来看看第一组测试图片：DatabaseRelease2\jpeg\img29.bmp&DatabaseRelease2\jpeg\img42.bmp &&（原始图片）&DatabaseRelease2\jpeg\img77.bmp&DatabaseRelease2\jpeg\img81.bmp&DatabaseRelease2\jpeg\img183.bmp&测试数据（阈值T = 50）算法img29img42img77img81img183Brenner791.451050.36844.41898.57754.88Tenengrad10.8812.7211.5111.9210.59Laplacian8.50714.479.059.869.08SMD18.5724.7120.9422.5714.32SMD2168.19293.15196.84217.17128.57Variance2107.862134.982083.192100.052110.90Energy677.48941.98713.81754.95668.54Vollath1940.971897.701910.281912.101940.81Entropy7.007.387.267.385.24EAV75.8893.7183.7089.1660.85JPEG2.089.253.955.16-1.53JPEG22.124.993.904.601.04Remark：&&1）肉眼可以分辨以上五幅图像的质量排名为：img42 & img81 & img77 & img29 & img183& &&2）与主观感知一致的算法有：Brenner、Tenengrad、SMD、SMD2、Energy、Entropy、EAV、JPEG、JPEG2& &&3）Variance、Vollath算法所得数据非常接近，无法分辨出图像质量。&&4）Laplacian在判断img29&和&img183的时候出现失误，这两个图片的质量都非常差第二组测试图片（省略了图片显示，有兴趣的朋友可以去网上下载）：DatabaseRelease2\jpeg\img20.bmp & &（原始图片）DatabaseRelease2\jpeg\img23.bmpDatabaseRelease2\jpeg\img56.bmpDatabaseRelease2\jpeg\img152.bmpDatabaseRelease2\jpeg\img215.bmpDatabaseRelease2\jpeg\img228.bmp第二组测试数据（阈值T = 50）算法img20img23img56img152img215img228Brenner756.67500.89615.53553.55418.77725.29Tenengrad8.006.177.086.665.567.73Laplacian11.366.048.026.875.7810.86SMD19.4113.4017.1615.448.6719.56SMD2231.65120.85169.69141.3981.10224.10Variance2773.792631.732690.922650.812649.592724.18Energy775.58466.00581.42510.01421.47743.86Vollath2601.472535.772565.372542.392564.132558.90Entropy7.156.847.287.214.167.29EAV73.8654.7167.4861.7637.0274.89JPEG9.593.036.384.93-1.878.62JPEG25.003.034.884.511.034.99Remark：&&1）肉眼可以分辨以上图片的质量排名为：img20 & img228 & img56 & img152 & img23 & img215& &&2）与主观感知一致的算法有：Brenner、Tenengrad、Laplacian、SMD2、Energy、JPEG、JPEG2&&3）Vollat、Entropy算法失误比较多。&&4）SMD、EAV在判断img20&和&img228的时候出现失误，这两个图片质量都非常好，肉眼有时候很难分辨，因此这种失误在可以接受的范围。&&5）Variance&在判断img23&和&img215的时候出现失误，这两个图片质量都非常差。参考文献：1.&2.&3.&4.&5.&6.&7.&No-Reference Image Quality Assessment forJPEG/JPEG2000 Coding8.&
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：170252次
积分：3744
积分：3744
排名：第5783名
原创：194篇
转载：25篇
评论：102条
文章：44篇
阅读：40928
文章：18篇
阅读：34402
文章：83篇
阅读：35941
(1)(1)(7)(3)(3)(2)(3)(11)(10)(10)(24)(3)(1)(2)(83)(5)(1)(1)(6)(5)(2)(3)(3)(2)(2)(14)(1)(1)(1)(2)(1)(1)(5)电视图像清晰度与什么因素有关？
　　常规电视的清晰度问题应是早有定论的问题,但在数字电视环境下还是不断出现不同的说法。如有人认为,只要把目前数字电视节目的码率从6Mbps提高到10Mbps,就可以将水平清晰度提高到800线左右,使图像质量有大幅度提高,……
[关键词]：;;;;;;;;;
[文献类型]：报纸
[文献出处]：《》
中国知网客户端
海量文章，一站下载
万千书刊，个性订阅监控系统图像传输的几个要点 - 阿里巴巴商友圈
大家都在搜
监控系统图像传输的几个要点
监控系统图像传输的几个要点监控系统往往要根据不同用户、系统规模、覆盖面积、信号传输距离、信息容量等对系统的功能及质量指标要求不同，而采用不同的传输方式。监控系统中往往也要求传输报警信号、音频信号、控制数据信号等，但图像传输决定着监控系统的好与坏,是最受关注的。由于动态图像信号的信息量大，频带宽，监视实时性强，因此传输的重点就是视频图像信号的传输。 　　1、 衰减传输距离：监控普及化进程的加速及应用领域日益广泛并不断拓展，促使监控系统规模不再局限于几至几十个点，传输距离也由原来的几十、几百米发展到几公里 、几十公里，甚至跨城省区、跨国界传输。从而也推动了监控图像的传输方式的变革，由单一视频基带传输方式发展到视频基带、双绞线、光纤、射频（宽频共缆）、微波、数字网络多元化传输并存模式。由于视频信号采用不同的传输方式，其传输介质的物理特性不同导致信号传输距离不同，传输质量也存在很大差异，故建设监控系统必须根据传输距离和图像质量要求选择合适的传输方式。　　2、 视频干扰与抗干扰：在视频监控中，视频信号经过线缆传输时，常常会遇到各种外界干扰源（例如：电源干扰、电磁波干扰、低频干扰、静电干扰等）影响，使监控图像出现网纹、横条、噪点等干扰现象影响图像质量，严重的会使监控系统无法达到业主（客户）的要求，从而使工程商不得不亡羊补牢，被动地二次投资改善图像质量，费力、费财又耗时带来不少损失。视频干扰也是影响视频传输质量的一个重要因素，在系统设计、施工中是必须考虑的一个重要问题。　　3、 图像信噪比：信噪比(S/N)就是信号与噪声的比值，图像信噪比和图像清晰度一样，都是衡量图像质量高低的重要指标。图像信噪比是指视频信号的大小与噪波信号大小的比值，两者是同时产生而又不可分离的，噪波信号为无用的信号。监控行业标准规定，系统S/N&38dB时才能达到监控图像传输国家标准，这一指标取决于摄像机视频信噪比、传输损失和干扰信号。当噪波信号达到某个限度时对视频信号会产生一定影响，所以在选择摄像机和传输系统时，应选择一些视频指标较高的（&50dB），以使图像传输质量得到保证。为确定这个限度，一般取两者的比值作为衡量的标准。如果图像的信噪比大，图像的画面就干净，就看不到什么噪波的干扰（主要画面中有雪花状），图像看起来就很舒服；如图像的信噪比小，则在画面中会布满雪花状干扰现象，就会影响图像收看效果。橡树摄影网
-> 论坛提示
亲，人算不如天算，网站因临时紧急维护需要暂时封闭，我们将尽快恢复。
如有疑问请联系:
& 橡树摄影网影响视频监控系统图像清晰度四大因素
目前，视频监控已在安防领域里广泛的应用，但是存在实时监视和图像回放不清晰的现象，导致对识别、取证、事件分析造成困难。本文就摄像机性能、视频线缆性能、视频图像压缩和显示设备四大部分作出分析，并提出提高视频图像清晰度的整体系统设计思想，以供参考。来自：
电视监控系统在我国已经非常普及，包括银行、军队、政府、企业都已经安装了大量的摄像机。但据初步了解，绝大多数的电视监控系统存在实时监视和回放图像不清晰的问题，从而导致对识别、取证、事件分析造成困难，甚至使嫌疑人面部特征无法辨认。
摘要：本文在频域分析技术和视频信息数字处理技术的基础上，对影响清晰度的摄像机性能、视频线缆性能、视频图像压缩和显示四大部分作出分析，并提出提高视频图像清晰度的整体系统设计思想，以提高现有的电视监控系统的图像清晰度，最终给出使用视频图像质量测试仪和市场两种常用摄像机清晰度的测试结果，以供参考。
随着中国经济的飞速发展，各大城市已经建有大量的电视监控系统。但是尽管安装了众多的监控摄像机，案情发生后的图像回放都存在图像不清晰的问题，特别是嫌疑人面部特征不清晰，难以辨认，这给公安部门的破案、法院的取证都带来了极大的麻烦。本项目就是在频域分析技术和视频信息数字处理技术的基础上，重点解决图像清晰化的问题。
　　当我们花费很大的资金安装了电视监控系统，却得不到清晰的图像，这给实际工作带来很大的问题：
　　1、无法判别现场细节；
　　2、无法辨认犯罪嫌疑人面部特征；
3、无法成为现场取证资料。
　　视频监控系统图像质量分析
　　根据我们认真分析，影响视频监控系统图像显示质量的主要因素有：
　　1、镜头；
　　2、摄像机；
　　3、视频BNC接头；
　　4、视频电缆传输；
　　5、视频服务器和硬盘录像机图像压缩算法；
6、监视器。
　　镜头对图像质量的影响
镜头镀膜对镜头有影响。镜头镀膜的作用是为了增加透光性和降低反光，好的镀膜不会影响色彩平衡和镜头参数。
非球面镜片，民用级的一般是树脂镜片；因为民用级的摄像机，一般只采用成本较低的复合型非球面镜片或铸造成型的非球面镜片。复合型非球面镜片，就是在光学玻璃的球面镜片上，先涂覆一层光学树脂，再将涂覆的树脂部分加工成非球面的形状。铸造成型的非球面镜片，则是用精密铸造的方法，将光学树脂直接铸造成型，比复合型的简单，成像质量就比全玻璃的球面镜有所改善。
综上所述，就光学镜头和树脂镜头来说，影响图像质量的主要指标是透光率和透光特性。具体数据请见表1。
　　摄像机图像质量分析
　　1、垂直分辨率
垂直分辨率由电视制式的扫描线数决定。PAL制式表示1帧有效扫描线为625线，平均1个场有20线垂直消隐时间，因此，实际画面只出现585线。另外，由于CCTV采用的是逐行扫描方式，因此分辨率下降。其比例被称为凯尔系数，按照经验，使用0.7数值。这样，最终垂直分辨率HV=（625-20x2）x0.7，约410线左右是垂直分辨率的界限。如上所述，垂直分辨率由电视制式决定，并不表示摄像机的性能。
　　2、水平分辨率
　　这是CCTV监控摄像机性能的重要指标之一。实际使用的CCD决定了时钟频率和采样频率。使用高分辨率的CCD的采样频率为14.18MHz，根据香农采样原理（采样频率必须为连续信号拥有频率上限的2倍以上），图像信号频率被限制在约7MHz。
　　另外，如果图像信号成份存在超过采样频率1/2的频率成份，将产生折叠现象，产生假信号/摩尔纹图像不纯。为了防止这种现象，需要使用高效带通滤波器7MHz以上频率。实际上很难制造出这样的滤波器，因此，图像信号频率变为6MHz左右，水平分辨率达到480线。
　　3、灵敏度
CCTV监控摄像机的另外一个重要性能是最低被摄物体的照度（灵敏度）。所谓最低被摄物体照度，就是“为了获得可识别被摄物体最低限界的图像输出水平而所需的必要的被摄物体照度”，用lux（勒克斯）表示。
　　4、环境照度
表2中列出了办公室、公共用室、生活用室、星级饭店照明设计参考值
从表3可以看出，饭店的照度最高1,500lux，大部分为100~300
lux。在这样条件下对摄像机进行测试，和我们得到的各厂家摄象机性能有很大的差别，这是因为各厂家摄象机性能指标很多是在理想情况下（由各厂家自行定义）获得的，通常室外照度变化最大，可以在0.2~100,000
Lux的范围内变化。
因此建议工程商对需要安装的摄像机（含镜头）进行较为全面的测试，重点包括垂直和水平分辨率测试、色彩还原测试、线性度测试、聚焦测试、面部识别等级测试、阻抗匹配特征测试，特别是在安装环境照度下的测试，当不能确认安装环境照度时，参考办公室、公共用室、生活用室、星级饭店照明设计参考值。由于工程商在视频监控项目较多的情况下，应当购置专用设备对摄像机（含镜头）进行全面测试。
　　视频电缆传输图像质量分析
　　1、视频电缆传输特性
在监控市场迅猛发展的今天，许多工程人员越来越需要对监控系统的传输性能进行全面细致的了解。
视频传输目前主要有两种方式，视频基带传输和视频载波传输（射频）。习惯上分别采用SYV-75系列和SYWV-75系列同轴电缆传输。
　　首先我们从图5的频谱上看一看视频基带和视频载波（射频）的分布特点。通常同轴电缆可传输接近1GHz的信号，从图中看出，传统的视频基带传输只占了电缆可传输频率的极少部分(6MHz)，电缆大部分频谱资源是空闲的。在视频载波（射频）传输中，是利用50MHz到1000MHz的频谱进行信号传输。同轴电缆在传输信号中，对各种频率的衰减程度是不同的。
从图6中可以看出，同轴电缆对不同的频率传输衰减也不同，无论是基带视频传输还是载波传输，通过电缆传输后的信号都会产生频率失真，频率越高衰减越大。因此，必须对这种电缆在传输中造成的频率失真进行补偿。表4是两种电缆对不同频率的衰减表。
　　同轴传输特性基本特点：
　　1、电缆越细，衰减越大；
2、电缆越长，衰减越大。
同类SYV-75-5型号下面有3个不同的型号，分别代表64匝，96匝，128匝，当然匝数越大越好，当然匝数越高，价格也越贵，目前常用的为128匝。
以上所述仅仅为视频传输中原理性信号衰减，将导致视频图像的不清晰。
显然，视频电缆生产厂家、视频插头的质量好坏更是直接影响视频图像质量的重要因素，测试通过的视频电缆质量必须与实际工程中的视频电缆一致才有意义。
　　2、视频电缆传输干扰分析
同轴电缆对各种频率的隔离程度，即抗干扰能力有较大差别，图7是同轴电缆在外界施加不同频率的等幅干扰电压情况下，测到的感应电压。
从图7的曲线可以看出，同轴电缆对低频的屏蔽隔离较差，频率越高，隔离越好。目前出现干扰最多的是低频信号干扰，220V
50HZ的频率窜入视频信号，表现为画面上有滚动的双条纹，解决方法有两种，视频走线管道要求采用铁管走线，防止附近的灯，风机的低频信号窜入，同时要求铁管之间很好的连接。另外可以使用UPS，UPS设计要考虑到余量，一般对监控要求不高的地方，UPS断电维持时间为15分钟左右即可，UPS一个用途是滤波，防止一些非正常信号窜入，另外一个用途为稳压作用，因为电压不稳定造成监控主机频繁重启的故障。
　　视频压缩算法对视频图像质量影响
　　高清晰视频图像除了通常所熟悉的像素指标外，还有像素深度，它是用来度量图像的分辨率，像素深度决定视频图像各个像素的颜色数值，在高清晰视频图像中，每一个彩色视频图像像素深度用R、G、B（红色、绿色、蓝色）三个分量表示，每个颜色分量用8位2进制表示，因此R、G、B（红色、绿色、蓝色）三个分量的颜色组合为224=
鉴于未经压缩的数字视频图像传输和存储占用空间和带宽很大，因此必须对数字视频图像进行压缩，一般情况下，因为监视器颜色分辨率的限制、人的眼睛分辨率的限制，不一定要求很深的像素深度。但是过浅的像素深度将导致视频图像颜色失真和粗糙。由于人眼对颜色细节的分辨能力远比对亮度（黑白）细节的分辨能力低，而且使眼睛逐渐远离屏幕，当你分辨不出彩条时，黑白条仍然能够分辨出来。
我们选择红、绿、蓝三基色相互组合经过测试，我们得出下述结论并作为彩色视频无损压缩的依据：亮度分辨率同彩色分辨率之比大约在1：0.32
根据这个原理，利用不同的颜色空间也能压缩图像数据。保持亮度分量的分辨率而把彩色分量的分辨率降低，这样并不会明显降低图像的质量。实际中可以把几个相邻像素的颜色值当作相同的颜色值来处理，从而减少所需的存贮容量。
视频压缩的三种基本方式：第一种方法是将相同的或相似的视频数据或数据特征归类，使用较少的数据量描述原始数据，达到减少视频数据量的目的。这种压缩一般为无损压缩。第二种方法是利用人眼的视觉特性有针对性地简化不重要的颜色数据，以减少总的数据量。这种压缩一般为有损压缩，只要损失的数据不太影响人眼主观接收的效果，就可采用。第三种方法是帧间压缩方式，或者称为动态压缩方式。
因此在存储设备和网络带宽允许的情况下，硬盘录象机的码流设置应当尽量提高，以保证图像清晰度。通过我们对某型国产硬盘录象机码流变化测试，当码流从220MB/小时降到150MB/小时，图像分辨率下降18％。
　　监视器分辨率对视频图像质量影响
据专家统计得出，人眼睛的分辨率为350DPI，换算到15"显示器对应的分辨率为：4200 x
光在视网膜中转变为神经电信号需要一段时间。研究表明，视网膜上准确的物体影像，在物体消失后，仍会持续10-20毫秒之久，之后该影像才快速隐退，如果物体足够明亮，还会留下一个轮廓。因此，光在眼睛上建立的视觉图像需要一段时间才能消失，这种现象叫做视觉残留。人眼的视觉残留时间大约为0.04s（0.005秒到0.1秒），所以人眼能对出现在人的视觉中维持时间大于这个值的影像准确分辨和定位，也就是说，必须以大于每秒24帧以上的速度连续播放影像，才可以在人眼中形成连续的动画。
余辉时间短于10μs为极短余辉，10μs-1ms为短余辉，1ms-0.1s为中余辉，0.1s-1s为长余辉，大于1s为极长余辉。一般液晶显示器的余辉时间大约在25毫秒左右。综合摄像机垂直和水平分辨率、视频信号传输、视频图像压缩综合因素，选择的彩色监视器应该在500线以上。
　　视频图像质量测试仪测试结果
　　我们从银行随机抽取的几台正在工作的摄像机（其中有国产和进口品牌），并对这几台摄像机进行了如下多个指标测试（测试结果如图8）：
　　·垂直和水平分辨率测试
　　·带宽测试
　　·色彩还原测试
　　·线性度测试
　　·聚焦测试
　　·面部识别等级测试
　　·阻抗匹配特征测试
　　·Γ特性测试
　　·NSW测试
·信噪比测试
　　经过我们对影响整个视频监控系统图像清晰度四大因素的数字分析，同时对应用在监控工程中的镜头、摄像机、视频电缆和接插件（含布线）、最优压缩算法和监视器的选择，我们获得了非常令人满意的视频图像清晰度。今后我们还要在色彩还原、三维自由立体显示进行更加深入的研究。
山籁电子科技有限公司
收集整理，更多更新欢迎关注微信anfangwang，
我的更多文章：
( 10:38:15)( 08:59:19)( 12:59:30)( 22:38:17)( 22:09:57)
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。