视频的动态范围、信噪比和比特数-Toy模板网

这篇具有很好参考价值的文章主要介绍了视频的动态范围、信噪比和比特数。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

在机器视觉系统中，反映每一个像元灰度质量的指标是动态范围，也是机器视觉系统要考虑的重要指标之一。动态范围和空间分辨率是机器视觉系统的两个主要指标。

灰度的动态范围在摄像头中的模拟视频部分用信噪比（Signal to Noise Ratio）SNR表示；而在摄像头或采集卡的A/D转换之后的数字视频量是用比特（bits）位数n表示。信噪比SNR和比特数位n之间应如何相配，它们之间的关系如何，是本章要讨论的重点。

在现实世界中，一幅图像会同时具有最亮和最暗的区域，它们之间的差距可能是十分巨大的，机器视觉系统所采集的图像应尽可能地反映出这种灰度的巨大变化范围。

此外，在现实世界中图像灰度的微小变化，可能就是机器视觉系统要区别的目标和背景的界限，所以机器视觉系统也应尽可能地将图像中灰度的细微变化反映出来。这两个概念合并起来，就是动态范围。而它主要取决于摄像头的性能。

CCD的动态范围、灵敏度和信噪比是互相影响的三个指标，它们从三个不同的角度来反映CCD摄像头的灰度性能。

5-1 信噪比：SNR

信噪比SNR以分贝表示

视频的动态范围、信噪比和比特数

式中的S是最亮时的视频电压Vmax和最暗时的视频电压Vmin之差

视频的动态范围、信噪比和比特数

摄像头的最大输出电压Vmax取决于它能接受的最大未饱和入射光的能力，即在这一最大光照下，摄像头的视频输出电压还未饱和，尚能线性表达其亮度的变化；最小输出电压Vmin为摄像头接收最小光照的能力，即接收图像最暗区域的能力，它除了与图像传感器本身的材料、结构有关外（例如CCD还是CMOS摄像头），还和摄像头的噪音有关，噪音越大，可检出最暗图像的能力越差。

从公式5-1和5-2可以看出，S代表了摄像头能接受的光线的最亮和最暗之间的反差，而N是噪声，代表了影响视频信号表现灰度细微变化的能力，噪音N越大对图像灰度的微小变化的分辨越困难，同时，最小可接受的光照也越大，即灵敏度越差。所以信噪比综合反映了模拟视频信号的动态范围。

5-2 比特位数n

A/D转换将模拟视频信号转换成二进制数字信号，A/D转换后的数字视频的精度和动态范围取决于二进制比特位数n，例如8bits二进制数表达了0-255个灰度，而10bits为0-1023个灰度，位数n越高，视频灰度信号分得越细，越精密，也意味着动态范围越大，n个二进制值中的最小位值是A/D将灰度分得最细的单位，称作LSB。

5-3 信噪比与比特位数的关系：

选择了摄像头后,就能知道其信噪比的数值,将该模拟信号转换成数字信号应采用几位的A/D转换呢,为此我们讨论一下他们之间的关系。

由于视频信号中存在有噪音成分，比特位数n并不是越大越好，这是因为将视频量化时，

视频的动态范围、信噪比和比特数

n每增加1位，量化的精度提高一倍，当精细到LSB和噪音均方差σ相近时，LSB的数值已被噪音淹没，见图5-1，假设图中的视频信号f(t)在这一段时间内保持不变，图5-1表示，因为噪音的干扰，使原本恒定的f(t)上下随机波动。图5-1（a）假设噪音较大，噪音方差σ=LSB，再假设噪音为正态随机变量，噪音的绝对值大于σ的概率为0.32，大于2σ的概率为0.045。这就是说噪音在视频信号上的波动，大于2σ的概率才很小，基本上不会出现，跳动的噪音绝对值基本上小于2σ。因此当σ=LSB时，噪音在±2个LSB内跳动。这就是说当LSB=σ时，n个比特中的最低两个比特基本上是随着噪音而跳变的，这两个bits的有用视频f(t)成分被噪音淹没了。而在图5-1（b）中，当LSB=2σ时，噪音降低了一倍，视频f(t)因噪音只在一个LSB，即在±1个bit上跳变了。

如果同为8bits的A/D变换，当σ=LSB时，视频的有效灰度只有6bits，64个灰度等级；当2σ=LSB时，视频的有效灰度为7bits，128个灰度等级。

下面，用表格列出了不同信噪比和比特位的关系

	基本上被噪音淹没的信号最低位位数	有效视频的位数	A/D为8bits		A/D为10bits
	基本上被噪音淹没的信号最低位位数	有效视频的位数	有效位数	信噪比	有效位数	信噪比
LSB=σ	2bit	n-2	6bit	48db	8bits	60db
LSB=2σ	1bit	n-1	7bit	54db	9bits	66db

从上面所述的LSB和σ的关系，以及表格所列的例子中可以看出，LSB和σ的关系反映了将模拟视频量化后，二进制数值动态范围的富裕程度，LSB与σ之比越大，富裕程度越小。例如当LSB=σ时有两个bits的富裕，而当LSB=2σ时，则有一个bit富从上面所述的LSB和σ的关系，以及表格所列的例子中可以看出在模拟视频信号的信噪比SNR和数字视频的比特位数n的关系中，另一个非常有用的规律是：当最小比特位的大小从图5-1我们还可以看出，多次采集f(t)，并将结果累加取平均，随着采集的次数增加，随机噪音将逐步减少，趋向于真实的f(t)值。在有的应用领域，例如在特别暗的环境下，所获得的视频图像，所含的灰度噪音非常大，使用多帧累加平均的办法来抑止噪音，增加SNR。当然在累加期间，被摄物体应稳定不动。

用这种累积去噪的方法时，可以适当增加n值，只要累加次数足够，就能将最低bits位的视频从噪音中检测出来。文章来源地址https://www.toymoban.com/news/detail-405489.html

到了这里，关于视频的动态范围、信噪比和比特数的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！