نویز تصویر یکی از مهمترین عوامل محدودکننده کیفیت سیستمهای نظارت تصویری در شرایط نوری نامناسب است. این پدیده میتواند باعث کاهش جزئیات، از بین رفتن بافت اجسام، دشوار شدن تشخیص چهره و افت دقت تحلیلهای هوشمند تصویر شود.
برای عیبیابی اصولی نویز، صرفاً بررسی وضوح اسمی دوربین یا افزایش روشنایی تصویر کافی نیست. باید منشأ نویز، رفتار حسگر، تنظیمات نوردهی و مراحل پردازش سیگنال بهصورت جداگانه بررسی شوند.
نویز به تغییرات ناخواسته در سیگنال تصویر گفته میشود که لزوماً با اطلاعات واقعی صحنه ارتباط ندارند. این تغییرات ممکن است به شکل نقاط رنگی، دانههای روشن و تیره، نوسان روشنایی یا الگوهای ثابت در تصویر ظاهر شوند.
در دوربینهای دیجیتال، سیگنال نوری ابتدا توسط حسگر تصویر دریافت و به سیگنال الکتریکی تبدیل میشود. سپس این سیگنال در مراحل مختلف پردازش قرار میگیرد. نویز میتواند در زمان دریافت نور، خواندن اطلاعات حسگر، تبدیل سیگنال و پردازش دیجیتال ایجاد شود.
بنابراین، همه انواع نویز با یک تنظیم نرمافزاری قابل حذف نیستند.
یکی از معیارهای مهم برای ارزیابی کیفیت سیگنال تصویر، نسبت سیگنال به نویز یا SNR است. این نسبت نشان میدهد سیگنال مفید تا چه اندازه از نویز زمینه قویتر است.
هرچه نسبت سیگنال به نویز بیشتر باشد، تفکیک جزئیات واقعی از تغییرات ناخواسته آسانتر خواهد بود.
در شرایط کمنور، تعداد فوتونهایی که به حسگر میرسند کاهش پیدا میکند. در نتیجه، سیگنال مفید ضعیفتر میشود و سهم نویز نسبت به سیگنال افزایش مییابد.
برای بیان نسبت سیگنال به نویز برحسب دسیبل، در شرایطی که تعریف سیگنال و نویز مبتنی بر توان باشد، از رابطه زیر استفاده میشود:
SNR(dB) = 10 log₁₀(Psignal / Pnoise)
در اندازهگیریهایی که نسبت دامنه سیگنال به دامنه نویز به کار میرود، در شرایط یکسان امپدانس و تعریف مناسب، ضریب ۲۰ بهجای ۱۰ استفاده میشود.
نکته مهم این است که افزایش روشنایی دیجیتال تصویر، بهتنهایی نسبت سیگنال به نویز واقعی را بهبود نمیدهد؛ زیرا ممکن است سیگنال و نویز همزمان تقویت شوند.
این نوع نویز از ماهیت آماری ورود فوتونها به حسگر ناشی میشود. حتی در یک صحنه ثابت و با تجهیزات سالم نیز تعداد فوتونهای دریافتشده در بازههای زمانی مختلف دقیقاً یکسان نیست.
در مدل ساده نویز فوتونی، انحراف معیار نویز با ریشه دوم تعداد الکترونهای تولیدشده متناسب است:
σshot ≈ √N
در این رابطه، N تعداد الکترونهای تولیدشده در اثر دریافت نور است.
با افزایش نور دریافتی، سیگنال افزایش مییابد و نسبت سیگنال به نویز فوتونی معمولاً بهتر میشود. به همین دلیل، تأمین نور کافی اغلب از تلاش برای حذف شدید نویز در مرحله پردازش مؤثرتر است.
نویز خوانش هنگام تبدیل و خواندن بار الکتریکی ذخیرهشده در پیکسلهای حسگر ایجاد میشود. مدارهای الکترونیکی، تقویتکنندهها و فرایند تبدیل سیگنال در ایجاد این نویز نقش دارند.
در محیطهای بسیار کمنور، نویز خوانش میتواند سهم قابلتوجهی از نویز کل را تشکیل دهد؛ زیرا سیگنال تولیدشده توسط نور ضعیف است.
فعالیت الکترونیکی قطعات میتواند تحت تأثیر دما قرار گیرد. در برخی شرایط، افزایش دمای حسگر یا مدارهای مرتبط باعث افزایش مؤلفههای نویز میشود.
البته میزان تأثیر دما به طراحی حسگر، معماری مدار و شرایط کاری وابسته است و نمیتوان هر افزایش نویز شبانه را صرفاً به دمای دستگاه نسبت داد.
دو پارامتر مهم در عملکرد شبانه دوربین، زمان نوردهی و بهره الکترونیکی هستند.
زمان نوردهی (Exposure Time): افزایش زمان نوردهی باعث میشود حسگر در مدت بیشتری نور دریافت کند. این کار در صحنههای ثابت میتواند به ثبت سیگنال قویتر کمک کند؛ اما هنگام حرکت سوژه، احتمال تاری حرکتی افزایش مییابد.
بهره الکترونیکی (Gain): افزایش بهره باعث تقویت سیگنال خروجی حسگر میشود. این کار تصویر را روشنتر میکند، اما نویز موجود نیز ممکن است بیشتر نمایان شود.
بنابراین، افزایش بیرویه بهره برای روشن کردن تصویر راهکار مناسبی نیست. تنظیم درست باید میان روشنایی، نویز و حفظ جزئیات حرکتی تعادل برقرار کند.
الگوریتمهای کاهش نویز معمولاً به دو گروه کلی تقسیم میشوند.
این روش عمدتاً اطلاعات فضایی پیکسلهای یک فریم را بررسی میکند. الگوریتم تلاش میکند تغییرات تصادفی را از ساختارهای واقعی تصویر تفکیک کند.
مزیت این روش، عملکرد مستقل از فریمهای قبلی است. بااینحال، اگر شدت پردازش بیش از حد باشد، بافتهای ظریف مانند مو، برگ درختان یا نوشتههای کوچک ممکن است نرم و محو شوند.
این روش علاوه بر اطلاعات فضایی، تغییرات میان فریمهای متوالی را نیز تحلیل میکند. در صحنههای ثابت، اطلاعات زمانی میتواند برای تشخیص نویز و حفظ جزئیات مفید باشد.
بااینحال، اگر الگوریتم حرکت سوژه را بهدرستی تشخیص ندهد یا شدت فیلتر بیش از حد باشد، ممکن است رد حرکتی، محوشدگی موقت یا کاهش جزئیات اجسام متحرک ایجاد شود.
در کاربردهای امنیتی، تصویر کمنویز الزاماً بهترین تصویر نیست. گاهی حفظ جزئیات یک سوژه متحرک از صاف و یکدست شدن پسزمینه اهمیت بیشتری دارد.
بسیاری از دوربینهای مداربسته برای شرایط کمنور از فیلتر برش مادون قرمز استفاده میکنند. در حالت روز، این فیلتر به بازتولید رنگها کمک میکند؛ اما در حالت شب، برخی دوربینها فیلتر را جابهجا میکنند تا امکان دریافت نور مادون قرمز فراهم شود.
در حالت سیاهوسفید شبانه، دوربین میتواند از نور مادون قرمز داخلی یا منبع روشنایی مادون قرمز خارجی استفاده کند. بااینحال، کیفیت تصویر به توان نوردهی، حساسیت حسگر، فاصله سوژه و بازتاب نور از محیط وابسته است.
بازتاب شدید نور مادون قرمز از سطوح نزدیک، شیشه کثیف یا اجسام براق ممکن است بخشهایی از تصویر را بیش از حد روشن کند. این پدیده با نویز الکترونیکی تفاوت دارد و باید جداگانه عیبیابی شود.
برای بررسی دقیق مشکل، بهتر است مراحل زیر بهترتیب انجام شوند:
۱. تصویر را در شرایط روشنایی مناسب بررسی کنید تا مشخص شود نویز فقط در تاریکی ظاهر میشود یا در روز نیز وجود دارد.
۲. در صورت امکان، صحنهای ثابت را با نوردهی و بهره کنترلشده ثبت کنید. تغییرات تصادفی در پیکسلها میتواند به شناسایی نویز کمک کند.
۳. شدت بهره را کاهش دهید و اثر آن را بر روشنایی و نویز مقایسه کنید.
۴. عملکرد نور مادون قرمز و بازتابهای احتمالی از شیشه یا دیوار نزدیک را بررسی کنید.
۵. تنظیمات کاهش نویز را بهصورت مرحلهای تغییر دهید و جزئیات سوژههای ثابت و متحرک را مقایسه کنید.
۶. اگر نویز بهصورت خطوط، نوارهای متناوب یا الگوهای ثابت ظاهر میشود، منبع تغذیه، اتصال زمین، کابلکشی و تداخل الکترومغناطیسی را نیز بررسی کنید.
۷. اگر مشکل در تمام شرایط باقی میماند، احتمال خرابی حسگر، مدار پردازش یا سایر اجزای سختافزاری باید در نظر گرفته شود.
نویز تصویر در دوربینهای مداربسته حاصل یک عامل واحد نیست و ممکن است از محدودیت دریافت نور، نویز ذاتی حسگر، بهره بالا، نوردهی نامناسب یا پردازش دیجیتال بیش از حد ناشی شود.
راهکار اصولی، تشخیص نوع نویز و بررسی مرحلهبهمرحله پارامترهای مؤثر است. افزایش نور واقعی، تنظیم متعادل نوردهی و بهره و انتخاب مناسب شدت کاهش نویز میتوانند کیفیت تصویر را بهبود دهند؛ بدون آنکه جزئیات مهم صحنه قربانی پردازش بیش از حد شوند.