camera數字降噪（DNR）
閉路電視攝像機 無論多么出色和弱光，在黑暗中拍攝視頻監控錄像時都會不可避免地產生一些噪音。噪聲是任何電子通信中不可避免的部分，無論是視頻還是音頻。本質上是靜態的–視頻信號中的干擾，在圖像幀中表現為白色和黑色斑點，使其呈現顆粒狀外觀。
昏暗的光線不足會導致相機難以區分顏色和對比度，導致圖像中的像素混合在一起，而不是正確且細節豐富。當不良照明導致圖像中的光太接近傳感器中自然存在的噪聲水平時，也會發生圖像噪聲，從而使傳感器很難感應到圖像。
在較大的分辨率下，噪聲也更為普遍（或至少更為明顯），這是由于傳感器尺寸需要更多的光，而較大的圖像使其更明顯。
為了解決這個問題，安全攝像機配備了不同種類的數字降噪（DNR），存在兩種DNR – 2D和3D。接著說明如何減少監視視頻圖像中的噪聲技術。
2D DNR和臨時降噪

減少圖像噪聲的第一種方法是2D降噪，這是時域降噪的 一種形式。減少時域雜訊的工作原理是，將每個幀中的每個像素作為序列的一部分進行分析，將每個幀的像素作為整個序列的一部分進行比較，并查找在幀與幀之間出現的不一致的偽像，目標和像素。可以選擇最有可能代表噪聲的像素，并隔離和修復這些像素。
2D /臨時降噪是一種有效的降噪方法，但在監視用途中存在一些缺點。首先，在低分辨率圖像上效果最佳。視頻開始超過4到8 MP時，將不如3D降噪有效。而且，如果要校正的區域存在運動（視頻源中很可能會出現這種情況），臨暫時性的噪點減少容易造成不良的運動模糊，影響視頻的清晰度和質量，并使視頻變得困難。
這就是3D降噪的用武之地。
3D DNR和空域降噪

3D DNR的工作原理與2D方法不同，依賴于空域降噪而不是時域降噪。空域降噪不是逐幀分析視頻像素的順序，而是將外觀作為視頻線性時域軸的一部分來判斷，使用一種算法來分別比較每幀中的像素，然后將這些幀彼此進行比較，查看哪些像素改變或移動。該方法允許算法區分和隔離代表噪聲的像素，并將其從圖像中刪除。
3D DNR可以更好地消除低光視頻趨于呈現的顆粒狀外觀，并且對于運動較多的視頻則要好得多，因為采用逐幀比較的方法，可以更準確的檢測運動。結果，不會在圖像中產生運動模糊，并且移動的目標不會在后面留下運動軌跡。適用于更大，更高分辨率的視頻，后者需要額外的功能才能獲得清晰的監控錄像。
結合2D和3D DNR以獲得最佳視頻
現在，一些功能強大的高端相機將2D和3D DNR方法結合到一個動態算法中，可以創建具有盡可能低圖像噪點的超清晰圖像。3D DNR在幀中包含效果更好的運動區域，因為在減少噪點，而不產生運動模糊方面更有效；2D DNR在解碼和清除幀的靜態部分時效率更高。共同創建清晰和動態的低照度圖像，可以作為全面閉路CCTV系統的一部分進行有效監視。

總結

以上是生活随笔為你收集整理的camera数字降噪（DNR）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。