检测噪声帧

Question

我有一个FPV（第一人称视角）接收器，显示从安装在无人机上的FPV摄像机接收帧。发射机工作时，接收机显示摄像机视图。否则，如果连接中断或发射器不工作，则会显示噪声帧。你知道吗

噪声帧具有随机模式（有时具有更多的白色像素，有时具有更多的黑色像素）。我想用Python中的OpenCV高效地检测那些噪声帧。我知道OpenCV有一个名为cv2.fastNlMeansDenoisingColored()的方法。但在这种情况下，我要检测的是噪声帧，而不是每帧中的噪声。你知道吗

附噪音框样本：

另一个噪波帧示例：

有效帧（可以是任何帧）：

Answer 1

假设您的有效视频帧至少具有一定量的颜色信息，并且您的噪声帧或多或少是黑白的，那么可能有一种使用来自HSV color space的饱和信道的简单方法。你知道吗

• 使用将图像转换为HSV颜色空间，请参见^{}。你知道吗
• 计算饱和通道的直方图，见^{}。你知道吗
• 计算具有最小饱和度的像素百分比，比如至少0.05。你知道吗
• 如果这个百分比超过了一个阈值，比如说0.5，那么至少有百分之五十的像素具有至少0.05的饱和度，所以这个帧看起来是一个有效的帧。（如果需要，调整阈值。）

import cv2
from matplotlib import pyplot as plt
import numpy as np
from skimage import io           # Only needed for web grabbing images, use cv2.imread for local images


def is_valid(image):

    # Convert image to HSV color space
    image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

    # Calculate histogram of saturation channel
    s = cv2.calcHist([image], [1], None, [256], [0, 256])

    # Calculate percentage of pixels with saturation >= p
    p = 0.05
    s_perc = np.sum(s[int(p * 255):-1]) / np.prod(image.shape[0:2])

    ##### Just for visualization and debug; remove in final
    plt.plot(s)
    plt.plot([p * 255, p * 255], [0, np.max(s)], 'r')
    plt.text(p * 255 + 5, 0.9 * np.max(s), str(s_perc))
    plt.show()
    ##### Just for visualization and debug; remove in final

    # Percentage threshold; above: valid image, below: noise
    s_thr = 0.5
    return s_perc > s_thr


# Read example images; convert to grayscale
noise1 = cv2.cvtColor(io.imread('https://i.stack.imgur.com/Xz9l0.png'), cv2.COLOR_RGB2BGR)
noise2 = cv2.cvtColor(io.imread('https://i.stack.imgur.com/9ZPAj.jpg'), cv2.COLOR_RGB2BGR)
valid = cv2.cvtColor(io.imread('https://i.stack.imgur.com/0FNPQ.jpg'), cv2.COLOR_RGB2BGR)

for img in [noise1, noise2, valid]:
    print(is_valid(img))

可视化输出（按问题中的顺序）：

主要输出：

False
False
True

除去整个可视化内容，is_valid调用在我的机器上每个图像所需的时间不到0.01秒。不确定，当你做你的录音时，你有哪些硬件，但也许这种方法也适合一些具有足够帧速率的“实时”处理。你知道吗

最后一句话：我试图摆脱OpenCV直方图，直接使用NumPy计算百分比，但这比目前的方法花费了更多的时间。奇怪。你知道吗

希望有帮助！你知道吗