這幾天最火的莫不是google brain在提公升解析度方面取得的突破性進展：成功將8×8(公釐)網格的畫素馬賽克轉換成為肉眼可辨識的人物影象。
效果大概就是這個樣子：
從模擬到標清，再到高畫質、超高清，安防技術可是在「看得清」上面做足了功課。畢竟無處不在的攝像頭一年四季都執行著，如果因事故現場、立案調查等調取監控，因解析度過低而出現畫質不清晰，對公安辦事造成嚴重影響，安防這臉沒處擱。
那google brain究竟是如何做到全程無碼的呢?
右手邊的，是 32 x 32 網格的真實人物頭像。左手邊的，是已經壓縮到 8 x 8 網格的相同頭像，而中間的**，是 google brain 基於低解析度樣片猜測的原圖。
整個復原過程使用了兩種神經網路。
乙個是 conditioning network，將低解析度**和資料庫中的高解析度**進行對比。這個過程中迅速降低資料庫**中的解析度，並根據畫素顏色匹配一堆同類**。
乙個是prior network，它會猜測哪些細節可以作為高解析度**的特徵。利用 pixel cnn 架構，該網路會篩查該尺寸的同類**，並根據概率優先對高解析度**進行填充。例如，提供的同類**是名人和臥室，prior network 根據優先順序最終確認了名人的**。prior network 會在低解析度和高解析度**中做出決定，如果發現鼻子的可能性比較大，就會選擇鼻子。
為了製作出最終的無碼高畫質，需要融合這兩個神經網路輸出的資料，最終結果往往會包含一些似是而非的新細節。
所以，看到這裡，你會驚訝發現：那些細節都是計算機的「猜測」，也是假的。
但是這不意味著google brain的影象分別率對安防意義不大。我們需要清楚地知道，儘管計算機得出的不是真實的原始影象，但是對於人類辨識已經提供了很大的幫助。
安防企業在影象處理方面表現如何?
去年三月，科達首次對外展出了科達獵鷹系列圖偵工具，其中的獵鷹影象處理系統：提供低質影象增強、模糊影象增強、車輛處理、人臉重建、去雜訊、去霧等專業影象處理功能，是科達結合公安行業特點與自身技術優勢，自主研發的最新一代影象處理系統軟體。
在影象技術上，海康威視10年前就設立了專門的影象處理團隊，對影象處理進行深入研究。海康威視的星光系列攝像機就用到了海康威視自主研發的細節增強演算法和3d降噪演算法，其將人眼的主觀感受和自適應細節增強和降噪技術相結合，在低照度場景中表現不俗。
影象處理技術到底怎麼用?
在很多時候，描述不夠準確會選擇監控，監控模糊而針對其低畫素進行補救，在尋找犯罪嫌疑人的時候能起到不小的輔助作用，及時抓住犯罪案件的關鍵。
高畫質、無碼一直是安防的監控技術追求。有了google brain的這項影象解析度提公升技術，安防高畫質無碼不是夢。
馬賽克 窺探馬賽克背後的藝術
馬賽克在現在網路用語中的含義是遮擋不該看的畫面，哈哈！但小北今天要給大家介紹馬賽克的本義以及其在家裝設計中的運用。馬賽克 mosaic 建築上用於拼成各種裝飾圖案用的片狀小瓷磚，是瓷磚的一種，它是一種特殊存在方式的磚，而且還有乙個好聽的專業名稱叫錦磚。如今馬賽克漸漸融入室內設計中，今天小北就帶大家一...
馬賽克演算法簡介
其實給打碼並不是在原有的上新增一層 蒙版 而是使用各個平台提供的api去操作畫素點，認為的干擾了畫素點，就實現了馬賽克的效果，以下面兩幅圖為例子，介紹一下如何的去 干擾畫素 假如乙個影象是由6 9 72個畫素組成，現將乙個畫素點放大到圖1方塊單位大小。圖1 原始與馬賽克的對比 現在以左下角第乙個方塊...
OpenCV 馬賽克效果
馬賽克的原理，即將對應需馬賽克處理區域內的畫素，按小方塊劃分，將每一塊小方塊內不同顏色的畫素使用同一顏色進行替代。如下 import cv2 import numpy as np img cv2.imread test.png 1 imginfo img.shape height imginfo 0...