ToupView实用功能之四：视频图像叠加去噪

为什么需要视频叠加去噪功能？

噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输中产生，也可能在量化等处理中产生。特别是在低光照度的情况下，噪声对图像的影响更大，会极大的破坏图像的细节。单幅图像的滤波虽然能在一定程度上去除噪声，但却容易造成细节失真，简单的多幅图像叠加去噪能够很好的去除噪声并保留细节，但在实际拍摄过程中，震动等原因会造成多幅图像之间存在旋转、位移或放大率变化，这时简单的多幅图像叠加不仅不能去除噪声，还会造成图像模糊。

ToupView图像叠加去噪功能引入先进的图像匹配技术，很好的解决了上面所述的矛盾，用户只需录制自己待叠加图像的一小段视频，就能够在视频多帧图像之间存在位移、旋转及放大率改变的情况下叠加输出高保真的图像，简单易用。

视频叠加去噪的去噪原理?

这个步骤主要用来介绍叠加操作如何完成，但如果用户对图像中随机分布的信号并不介意，可以直接跳过此步骤。

随机掷一个骰子，你可能会得到1-6之间随机的一个数字。如果随机掷1000次骰子，你得到结果的平均值应该约为3.5，但若你获得的平均值并非3.5，可以肯定的是你掷骰子的过程并非随机。我们从一次掷骰子行为中并不能获知什么，但是从大量掷骰子行为中就能获得统计特性。相机的工作原理也类似，如果我们只捕获一帧暗场图像，因为随机信号或噪声的存在，暗帧图像看上去并不均匀。图像噪声可能会使照片中的物体变得模糊，甚至让你难以分清究竟是噪声还是一颗不够明亮的星星。

拍大量照片就相当于多次掷骰子，比如，你可以对某个视角的天空拍摄大量样品图像，然后采用平均亮度来消除随机信号。一颗星星所在位置像素的亮度平均值看上去会比周围黑暗天空区域像素值稍亮，但这个差异比单幅照片上的随机变化小。

一般来说，拍摄的照片越多，平均后图像背景越均一，就可获得更多的图像细节信息。统计学家认为，平均后的照片比单幅照片包含了更多的信息，即平均图像中包含了更多有意义的细节信息。

当用户生成了合成后的平均照片，用户可以通过图像编辑软件调整图像的对比度，例如，调整后黑暗天空的图像中黑色背景会更黑，星星也看上去更耀眼。

ToupView软件的用户并不需要手动一幅一幅的拍摄许多照片，用户可以直接利用侧边栏的录像按钮记录一个1000帧以上的视频直接做叠加。如果有需要，用户可以点击下载测试 视频 来验证算法的有效性。

TouView的视频叠加去噪原理

ToupView实现的部分工作表面上看大家都可以实现，只不过是比较耗时.  ToupView首先从视频中读入两帧图像，然后对两帧进行校准以实现完全匹配，然后再进行叠加. 两帧合成以后的新图像会作为新的一帧，同视频中读出的第三帧再进行校准与叠加操作，直到视频中的帧合成完为止.   最后叠加完成的效果如下图所示: