下载文档原格式
数字视频处理数字视频处理概述数字视频就是先用摄像机之类的视频捕捉设备,将外界影像的颜色和亮度信息转变为电信号，再记录到储存介质（如录像带）。
播放时，视频信号被转变为帧信息，并以每秒约30帧的速度投影到显示器上，使人类的眼睛认为它是连续不间断地运动着的。
电影播放的帧率大约是每秒24帧。
如果用示波器（一种测试工具）来观看，未投影的模拟电信号看起来就像脑电波的扫描图像，由一些连续锯齿状的山峰和山谷组成为了存储视觉信息，模拟视频信号的山峰和山谷必须通过数字/模拟（D/A）转换器来转变为数字的“0”或“1”。
这个转变过程就是我们所说的视频捕捉（或采集过程）。
如果要在电视机上观看数字视频，则需要一个从数字到模拟的转换器将二进制信息解码成模拟信号，才能进行播放。
模拟视频的数字化包括不少技术问题,如电视信号具有不同的制式而且采用复合的YUV信号方式，而计算机工作在RGB空间；电视机是隔行扫描，计算机显示器大多逐行扫描；电视图像的分辨率与显示器的分辨率也不尽相同等等。
因此，模拟视频的数字化主要包括色彩空间的转换、光栅扫描的转换以及分辨率的统一。
模拟视频一般采用分量数字化方式，先把复合视频信号中的亮度和色度分离，得到YUV或YIQ分量,然后用三个模／数转换器对三个分量分别进行数字化，最后再转换成RGB空间。
DSP是数字信号处理器的简称，在全球的数字化浪潮中，DSP以其高性能和软件可编程等特点，长期对数字媒体处理起到了积极的推动作用。
最初DSP的应用在于专业数据通信和语音处理，各种专用调制解调器、声码器、数据加密机初步获得市场。
其后DSP应用扩展到广泛的民用产品，诸如硬盘驱动器、通用调制解调器、数字答录机、无线通信终端。
九十年代中DSP在数字GSM手机应用和无线基站应用中都获得了巨大的成功。
与此同时，DSP开始全面拓展到新兴应用，并在宽带通信、数字控制、数字音频、数字视频等众多市场全球。
现在，我们就DSP在数字视频行业中的应用进行分析。
通信电子中的图像处理技术图像处理技术是现代电子通信技术的核心之一，从数字图片到视频流，都需要使用图像处理技术来实现其高品质和高效性。
本文将探究图像处理技术在通信电子领域中的应用，深入了解这门技术的知识和应用。
一、数字图像处理图像处理是一种数字信号处理的形式,用于获取、分析、转换和再生成数字图像。
把数字图像作为信号处理的目标，使用数字信号处理的方法和技术对图像进行处理，并在计算机内部以数字数据的形式表示图像。
数字图像处理的主要任务是从数字图像中提取所需信息，这些信息可用于图像的分类、压缩、特征提取、跟踪等。
数字图像处理技术被广泛用于许多领域，最知名的应用是在医学图像领域。
在肺部成像中，通过数字图像处理技术可以更好地显示患者肺部的结构和血管，协助医生对疾病的诊断和治疗。
此外，在工业环境中，数字图像处理技术还可用于检测生产线上的缺陷，并对工作人员的安全进行监控。
二、数字视频处理数字视频处理技术是将数字信号处理技术应用于视频处理领域，它可以将视频信号从模拟信号转换为数字信号，再将数字信号进行处理并输出符合特定设备要求的数字视频信号。
数字视频处理技术具有较强的数字数据处理能力，可以通过软件算法和数据串行传输实现实时高精度测量和控制，不仅提高了视频图像质量，还扩展了传输距离和应用范围。
数字视频处理技术的高速发展推动了具有出色画质的高清晰度(HD)视频系统的普及。
数字视频处理技术已被广泛应用于多媒体制作、视频监控、视频通讯等方面。
例如，CCTV数字监控系统中经常使用数字视频处理技术来对监控画面进行预览、录制和回放，以便于监控人员快速发现问题并及时采取行动。
三、数字信号处理数字信号处理是一种将连续信号转换为数字信号或将数字信号转换为连续信号的技术。
通常用于将模拟信号（例如声音、图像）转换为数字信号，以便后续数字处理。
数字信号处理可以提高信号的质量、增强信噪比、改善信号的压缩、增大频宽等，是许多数字信号处理应用的基础。
数字图像处理技术的应用案例随着计算机科技的不断发展与应用，数字图像处理技术越来越受到人们的关注和重视，它带来的应用与发展前景也日益广泛。
数字图像处理技术主要是针对数字图像进行操作、处理、重构或改变其特征的技术，可以帮助人们更好地理解和分析图像信息，能够应用于医学、科研、安全等众多领域中，本文将重点讲述数字图像处理技术的应用案例。
一、医学领域数字图像处理技术在医学领域的应用越来越广泛，它可以用于体成像、诊断、治疗等方面。
例如，医学影像处理技术就是数字图像处理技术在医疗领域中的一个重要应用。
医学影像处理技术可以通过对数字影像进行处理和分析，提高医生诊断率，降低错误率，提高病人的治疗效果，为人们的健康保驾护航。
二、科研领域数字图像处理技术在科研领域的应用也非常广泛，例如，在材料学领域，这种技术可以用来研究材料的结构和性质，便于人们更好地了解材料的性能优劣。
此外，在天文学、地质学等领域中，数字图像处理技术也广泛应用于图像的处理、分析及识别等方面，有助于科学家更好地探索未知领域，促进科学发展。
三、安全防护领域数字图像处理技术在安全防护领域的应用非常广泛，如在视频监控中，数字图像处理技术可以用于目标追踪、行为分析、图像识别等方面，提高安全性、管理效率，降低安全风险。
此外，数字图像处理技术还可以用于身份识别和信息加密等方面，保障个人隐私和社会安全。
四、娱乐艺术领域数字图像处理技术在娱乐艺术领域的应用也非常广泛，如数字图像处理技术在影视制作领域中的应用，可以通过效果制作、特技合成等手段，实现画面特效的创新与打造，为影片增色添彩。
此外，数字图像处理技术还可以用于游戏设计、动画绘制等方面，给人们带来视觉与认知上的享受。
总之，数字图像处理技术是一个极具实用性的技术，它的应用范围广泛，可以帮助人们更好地理解并加工图像信息，提高人们处理信息的精度和效率，为各领域的发展和研究奠定坚实基础。
数字图像处理技术的发展和应用将是一个长期而且具有广阔空间的领域，我们有理由相信，在不久的将来，数字图像处理技术一定会发挥更加重要的作用。
数字图像处理技术在视频分析中的应用随着科技的不断发展，数字图像处理技术在各个领域得到了广泛的应用，其中之一就是在视频分析中。
数字图像处理技术的应用使得视频分析变得更加高效、准确和智能化。
本文将探讨数字图像处理技术在视频分析中的应用，并分析其对社会的影响和未来的发展趋势。
首先，数字图像处理技术在视频分析中的应用可以提高视频的质量和清晰度。
通过图像处理算法，可以对视频中的噪声、模糊和失真进行修复和优化，使得观看视频时的视觉体验更加良好。
此外，数字图像处理技术还可以对视频进行分辨率的提升，使得细节更加清晰可见。
这种技术的应用不仅提升了观看视频的体验，也有助于提高视频分析的准确性。
其次，数字图像处理技术在视频分析中的应用可以提供更多的信息和数据。
通过图像处理算法，可以从视频中提取出各种有用的信息，如人脸识别、车牌识别、行为分析等。
这些信息对于安防领域、交通管理、智能监控等方面都具有重要的意义。
例如，在安防领域，数字图像处理技术可以帮助识别出可疑人物或行为，提供及时的预警和反应。
在交通管理中，数字图像处理技术可以帮助监测交通流量、车辆违规行为等，提供更有效的交通管理手段。
通过数字图像处理技术的应用，视频分析可以得到更多的数据支持，从而提高决策的准确性和效率。
此外，数字图像处理技术在视频分析中的应用还可以实现视频内容的自动化处理和分析。
通过图像处理算法，可以对视频中的内容进行自动化的识别、分类和标记。
例如，可以通过图像处理技术自动识别视频中的人物、物体和场景，并进行分类和标记。
这种自动化处理和分析大大减轻了人工处理的工作量，提高了处理效率和准确性。
同时，这也为视频内容的搜索、检索和推荐提供了更多的可能性。
数字图像处理技术在视频分析中的应用对社会产生了广泛的影响。
首先，它提高了社会安全和治安水平。
通过数字图像处理技术的应用，安防领域可以更加准确地识别和预警可疑人物和行为，提供更有效的安全保障措施。
其次，它提高了交通管理的效率和准确性。
探析计算机数字图像处理技术一、引言数字图像处理技术是现代科技发展的一个重要分支，随着数字计算机技术的快速发展，数字图像处理技术也得到了迅速发展。
数字图像处理涉及到许多领域能够为实际生活提供各种各样的应用，如医学图像处理、工业质检、智能交通、安全监控等。
本文将从数字图像处理技术的基础部分、算法和应用三个方面出发，简要回顾数字图像处理技术，包括主要的概念元素和处理方法，探讨数字图像处理技术的发展现状和趋势。
二、数字图像处理的基础1.图像概述数字图像是一个空间坐标系统中的像素数组。
一个数字图像通常是由像素矩阵组成的光栅图像，每一个像素矩阵中每一个单元内储存有图像的不同属性信息，这些属性包括像素的位置、亮度、颜色等信息等。
2.图像采集图像采集指的是将现实世界中的图像转换为数字形式。
现实世界中的图像通常是由光线等自然现象形成的，必须借助于物理设备将其转换为数字形式。
数字图像的采集方式有很多，例如：摄影、扫描、视频、数字摄像头等。
对于数字图像的采集过程中，需要考虑如何获取足够的像素数据，以及如何减小噪音、模糊、失真等影响图像质量的因素。
3.颜色空间颜色空间是一种用来描述颜色的数学模型。
在数字图像处理领域，常用的颜色空间有RGB、CMYK、HSV等。
其中，RGB颜色空间以不同的红、绿、蓝三种基本色光的组合来描述颜色，CMYK颜色空间则是以不同的青、洋红、黄、黑色墨水的组合来描述颜色，HSV颜色空间则是将颜色分别看成不同的色相、饱和度和明度，以此来表示颜色。
4.灰度灰度是图像中每一个像素点的亮度值，通常以0~255或0~1的数字表示。
对于彩色图像来说，可以通过对颜色通道进行处理而获得各个像素点的灰度值。
灰度图像常用于边缘检测，图像增强等技术。
三、数字图像处理的算法数字图像处理的算法可以是基于统计学、神经网络、模型等多种形式，常见的算法包括像素操作、滤波等。
1.像素操作像素操作指的是将像素点按照一定的规则一一进行修改的方法。
数字图像处理在安防领域的应用在当今社会，安防已经成为了保障人们生命财产安全、维护社会稳定的重要环节。
随着科技的不断发展，数字图像处理技术在安防领域发挥着越来越重要的作用。
数字图像处理技术，简单来说，就是将图像转换为数字形式，并通过一系列算法和技术对其进行处理和分析。
在安防领域，它的应用范围十分广泛。
首先，在视频监控方面，数字图像处理技术是核心之一。
传统的监控系统仅仅能够提供实时的图像画面，但对于大量的图像数据，人工监控往往难以做到全面、及时的观察和分析。
而通过数字图像处理技术，可以实现对监控视频的实时分析。
比如，运动目标检测技术能够自动检测出画面中移动的物体，无论是人还是车辆，一旦有异常的移动行为，系统能够立即发出警报。
这大大提高了监控的效率和准确性，减少了人工监控的疏漏。
其次，人脸识别技术也是数字图像处理在安防领域的重要应用。
通过采集人脸图像，对其进行特征提取和分析，与数据库中的人脸信息进行比对，可以快速准确地识别出人员的身份。
在机场、火车站、地铁站等人员密集的场所，人脸识别技术可以帮助安检人员快速筛查出可疑人员，提高安检的效率和安全性。
在一些需要高度安全保障的区域，如政府机关、金融机构等，人脸识别技术可以实现门禁系统的智能化，只有经过授权的人员才能进入。
车牌识别技术同样在交通安防中发挥着关键作用。
通过对车辆牌照的图像进行处理和识别，能够实现车辆的自动登记、收费管理以及违法追踪等功能。
在高速公路收费站，车牌识别技术可以实现不停车收费，提高了通行效率；在城市交通管理中，它可以帮助交警快速识别违法车辆，加强交通执法的力度。
此外，数字图像处理技术在图像增强和恢复方面也具有重要意义。
在低光照、恶劣天气等条件下拍摄的图像，往往质量不佳，可能会影响到对关键信息的获取。
通过图像增强技术，可以改善图像的对比度、清晰度等，使图像中的细节更加清晰可见。
而图像恢复技术则可以对受损、模糊的图像进行修复，还原出更接近真实的图像，为安防工作提供更有价值的线索。
数字图像处理技术的应用随着数字化时代的到来，数字图像处理技术已经成为了一种非常重要、十分常用的技术手段。
数字图像处理技术可以通过对图像进行不同的图像算法操作，使得图像及其特征得到快速、准确、全面的提取和实现。
数字图像处理技术广泛应用于多个领域，比如医学、工业制造、机器人、军事等等，下面将具体介绍数字图像处理技术应用于以下几个领域。
I. 医学影像图像处理技术医学领域是数字图像处理技术应用最为广泛的一个领域。
医学影像图像处理技术可以通过对医学影像进行处理和分析，提高对人体的分析和诊断能力。
例如，数字图像处理技术通过制定影像分析和测量算法，可以对X射线、MRI和CT等医学成像图像进行分析和处理，从而提供准确的内部结构信息，进一步推进人类医学研究的发展。
II. 工业制造图像处理技术工业制造领域是数字图像处理技术另一个广泛应用的领域，它的主要应用包括： 1) 质量控制；2) 生产线分析；3) 错误检测等等。
数字图像处理技术可以通过对工业成像进行处理和分析，提高对生产线和零件的识别和检测。
例如，数字图像处理技术可以采用特定的算法对LED芯片进行质量检测，检测出芯片表面的问题或损坏等问题，在保证生产质量的同时，提高制造企业的经济效益。
III. 机器人视觉图像处理技术机器人视觉技术是指让机器人具备“看”和“识别”的能力，这一技术需要机器获取周围环境的信息，并在获取的信息上进行特征提取、识别、分类等操作，从而使得机器人能够在不同的环境中自主地完成指定任务。
数字图像处理技术是机器人视觉图像处理技术的重要支持技术。
例如，许多机器人在执行不同任务时，往往需要对环境中的情况进行实时拍摄和分析，从而保证机器人任务的完成。
IV. 建筑监控图像处理技术现代城市中的监控摄像头等安防设备的使用越来越广泛，数字图像处理技术也在这一领域得到了广泛应用。
数字图像处理技术可以对建筑监控系统中采集的数据进行处理和分析，从而实现事件检测、目标识别、物体跟踪等操作。
视频图像处理技术的实现与研究随着科技的不断发展，视频图像处理技术也得到了很大的进展。
这项技术主要应用于实时图像处理、计算机视觉、物体识别、图像增强等领域。
在实际应用中，视频图像处理技术被广泛应用于视频监控、基于视觉的跟踪、匹配和识别等领域。
本文将深入探讨视频图像处理技术的实现与研究。
一、视频图像处理技术的基本原理视频图像处理技术的基本原理包括三个方面：图像采集、图像预处理和图像分析。
1. 图像采集图像采集是指通过一定的物理手段将物体的光学影像转换为数字信号或电信号。
其主要硬件设备包括相机、摄像机、扫描仪等。
图像采集需要选择适当的设备和合适的参数，以获取高质量的图像数据。
2. 图像预处理图像预处理是指对采集到的图像进行无失真和无噪声的处理。
其主要方法包括直方图均衡化、滤波、去噪等。
图像预处理的主要目的是为后续的图像分析提供高质量的数据输入。
3. 图像分析图像分析是指对图像进行特征提取、分类和目标识别等分析工作。
图像分析的主要方法包括边缘检测、特征提取、目标检测和识别等。
图像分析的主要目的是为用户提供可视化的数据，并进行相关的分析和决策。
二、视频图像处理技术的应用视频图像处理技术的应用非常广泛，主要应用于以下几个方面：1. 视频监控视频监控是指通过摄像机、监控摄像机等设备对指定区域进行视频监控。
视频监控系统可以实现对区域的实时监视，并可以通过数据分析进行相关的警报和报警。
2. 基于视觉的跟踪、匹配和识别基于视觉的跟踪、匹配和识别是指通过一定的算法和技术对目标的轨迹进行跟踪、匹配和识别。
该技术可以应用于自动驾驶、智能物联网等领域。
3. 图像增强图像增强是指通过一定的算法和技术对采集到的图像进行增强。
图像增强可以提高图像的质量和可读性，更加方便用户进行相关的数据分析和决策。
三、视频图像处理技术的研究现状随着社会发展的进步，视频图像处理技术的研究也呈现出多个发展趋势，包括以下几个方面：1. 智能化随着人工智能的发展，视频图像处理技术也在不断智能化。
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
DSP微光视频处理系统理论分析一、背景介绍微光夜视技术已经发展到了第4代，其标志性的背照明CCD（BCCD）以及电子轰击CCD（EBCCD）技术已经成熟[1-2]。
图1分析了3代微光像增强器成像效果的对比情况[3]。
从视距上看，第3代微光夜视仪是第2代的1.5到2倍以上[4]。
在西方发达国家占主导地位的是3代像增强器，在我国2代像增强器占主导地位。
这说明，国外微光夜视器件的发展水平存在巨大差距。
目前国外利用先进的数字信号处理技术对微光图像进行处理，更容易发现和识别目标；或利用多传感器数据融合技术，将红外与微光图像融合，提高夜视图像质量，如图2。
图1微光像增强器效果对比图2红外与微光图像融合效果图二、研究状况分析2.1具有视频处理功能的CCD微光摄像机祯积分型CCD微光摄像机[30-31]：通过控制CCD的积累时间，使微光图像信号直接在CCD电荷包中进行多帧累加，从而有效的抑制随机噪声，以提高低照度和低对比情况下的信噪比和灵敏度。
另一种是采用CCD视频处理专用芯片的摄像机：CCD视频处理电路采用EXAR公司的XRD4460芯片[32]，具有相关双采样、可编程增益控制、暗电平自动校正、数字偏置控制、AD模数转换控制等功能。
上述处理方式是在微光摄像机部对视频信号进行处理的，通用性不强。
2.2以存储器和运算器为中心的微光视频数字处理技术以运算器和大容量的数据存储器相结合构成图像处理核心单元。
存储速度不高时，采取多体并行处理结构[33]。
数字式实时微光图像降噪器[34]，利用微光信号频谱能量主要分布于行频的整数倍频及附近的场频旁频上，而噪声则占据频谱量空白区域的特点来设计梳状滤波算法，并以此为基础设计硬件，得到较高的图像处理速度。
微光图像处理和跟踪系统具有若干个硬件实时图像处理功能单元，每个图像处理功能单元适应一种特定的图像处理算法[35]。
但是该方法灵活性差，算法多时功耗将显著增多。
2.3基于FPGA的微光图像实时处理技术通过计算机仿真对图像的处理算法进行研究，选择合理的算法组合，以取得抑制噪声、增强目标的效果；然后选用FPGA中适于做图像处理的器件完成实时处理的主要流程[36]。
FPGA构造的加权均值滤波器减小微光电视图的噪声[37]；FPGA构造实时视频图像直方图均衡器[38]。
基于FPGA的微光图像处理技术构造也是独立系统。
优点是FPGA可软件编程，能够适应不同的算法要求，且可以达到较高的运算速率；缺点是当算法比较复杂时，对FPGA的容量和速度要求较高，成本会随之增加。
2.4基于DSP芯片的微光视频图像处理器专用的数字视频图像处理芯片如LSI LOGIC公司的直方图/Hough变换处理器L64250、二值滤波等；这些芯片构造体积小、功耗低、性能高的模块化实时图像系统是比较方便的。
SC-I型实时图像处理系统[39]是一种小阵列的流水线处理机，具有体积小、功能强、编程灵活、全实时处理的特点。
基于专用DSP芯片的视频图像处理器其算法和硬件也是对应的，系统的灵活性有点不足。
通用DSP芯片的发展解决了上述问题；近年来通用DSP芯片得到迅猛的发展，主频不断提高，存成倍增加，功耗却迅速下降。
能满足实时图像处理的需要；也是本文的研究点。
三、理论分析微光视频图像的主要特点是噪声强、有用信号弱、对比度低、图像整体亮度不合理。
DSP微光视频处理系统主要针对微光系统的上述弱点，通过高速数字信号技术对其进行实时化处理，以除去噪声、提高图像对比度、合理调整图像亮度、优化像质从而改善微光电视系统的夜间观察效果，提高其作用距离。
DSP微光视频处理系统的处理流程如图3所示；本文将沿着该系统信号的处理流程，对DSP微光视频处理各个阶段信号的特征、可能存在的问题及处理方法进行深入探讨，由此建立起DSP微光视频处理的理论依据。
图3微光视频处理系统信号流程图3.1微光视频信号的表征从图3看出，在DSP微光视频处理系统信号流程的各个阶段，微光视频信号有着不同的形态：以标准模拟视频输入，经部数字处理之后，又以标准模拟视频输出。
故应先对微光情况下的标准模拟和数字两类视频信号进行深入研究，以利于进行有效的处理。
3.1.1微光模拟视频信号微光模拟信号是指：低光照条件下，景物经过光学系统成像，并通过像增强器，最后耦合入CCD摄像机所形成的标准模拟视频信号。
它既具有普通标准模拟视频信号的所有特征，同时又受微光条件影响。
图4微光模拟视频信号的形成图4表示微光模拟视频信号的形成过程。
图5为黑白测试条纹的微光图像及相应的标准模拟视频波形图，其中环境照度为10-3L x。
从该图可以看出，在微光标准模拟视频信号中，即包括图像信号，又包含图像和消隐脉冲。
其中同步和消隐脉冲的宽度和电平有摄像机的信号制式决定；而图像容则由目标的容和环境照度决定，表现为照度越低，杂波幅值越大，图像曲线变形越严重。
同时，画面上回附着大量闪烁的噪声颗粒，造成对比度、分辨率明显偏低，图像边缘模糊不清。
图5黑白测试条纹的微光图像及相应的模拟视频波形摄像机输出的标准模拟视频信号可以看作是扫描点以速度v1和v2分别沿着水平及垂直方向周期移动形成的，故可以用傅立叶级数表示：是二维傅立叶级数的系数，L表示水平行宽，H表示垂直帧高。
其中，Sk1，k2表示水平基频，表示垂直基频。
电视图像视频信号如图6所示，有图及上述公式知：电视图像信号的频谱是以行频为间隙的离散分布，在行频的两侧，又以帧频为间隙分布。
对于微光视频图像，这些空隙被噪声占据。
图6电视图像信号的频谱3.2 微光数字视频信号图3所示为DSP微光视频处理系统的信号流程，可进一步细化为图7；这里图像处理过程都是以数字信号的形式进行的。
图7细化的DSP微光视频信号处理流程图微光数字视频信号的形成：微光模拟视频信号在垂直时间方向上是离散的，而水平方向则是连续的。
如果在水平方向上沿着扫描线对微光模拟视频进一步离散化，就形成了微光数字视频信号；这个过程可用图8来表示。
图8微光数字视频的形成过程微光数字视频的表征：（1）栅格表示法微光数字视频信号可表示为时空域离散像素的集合，这种集合称为采样栅格。
图9（a）为一帧2:1隔行采样的数字视频图像栅格，（b）则示出了各场之间采样点的对应关系及其时间顺序。
（a）完整的离散图像（b）场之间的时间关系图9 2:1隔行采样的数字视频信号栅格表示法（2）采样矩阵表示法采样矩阵表示法实际上是微光数字视频点阵的三个基本矢量，通过它可以确定该点阵中所有像素的时空坐标。
微光数字视频的2:1采样矩阵表示式如下：这里三个基本矢量为：。
（3）位图（BMP）表示法位图表示法是图像栅格在物理存储空间中的具体化。
为了提高数字图像处理的效率，图像栅格中的数据需按一定的规律在帧存储器中排列，称之为位图。
位图的五个关键参数：起始地址，每行像素个数，行间距值，行数及每个像素的位数。
3.3微光视频图像处理中目标运动影响的分析3.3.1 目标运动对微光视频图像处理效果的影响图10中，（a）（b）分别通过BBG-302中微光视频观察系统采集到的两个相邻帧，这两个帧中目标位置有所变化，（c）为（a）、（b）的算术平均值。
可以看到，在（c）中，图像噪声虽然减小了，但目标却出现了脱尾现象，这种拖尾现象是由于用静止图像处理算法来处理运动图像引起的。
图10 目标运动对帧平均法图像处理效果的影响在视频中，由于目标的运动导致相邻视频帧的容有所不同，这对图像处理的结果会产生一定的影响。
在微光视频图像处理中，必须对目标的运动情况有所了解，这样才有可能采取适当的滤波策略，获得较好的图像处理效果和系统的实时性。
3.3．2微光视频估算原理视频信号的特点在于：相邻帧在容上有很强的相关性，时间上又有一定的冗余性。
相关性说明相邻两帧之间目标的运动具有因果关系，冗余性则是指相邻两帧之间有一定的时间间隔。
这两点是对微光视频的估算成为可能。
目标运动造成相邻帧的视频图像亮度分布发生变化，运动估算即是根据这种亮度分布的变化来估计目标在像面上的二维投影运动；它有两个常用的约束条件[51]：（1）光流约束对于点目标，其运动轨迹在二维像面上投影的每一点处，亮度保持不变，这就是光流约束条件。
显然，这里忽略了环境照明的变化以及目标隐现与遮蔽物的影响。
（2）平滑限制平滑限制是指在所考察像素的某一临域，所有相素点的运动矢量保持一致。
它对消除或减小图像噪声的影响是有利的，但在边界处，却又容易造成误判。
根据帧间图像亮度分布变化对目标运动进行估算时，需要合理运用两个条件；其中，光流约束是最基本的条件，而平滑限制则是减小运算量。
3.3.3微光视频运动估算方法视频运动的估算方法包括光流方程法、像素递归法、贝叶斯法和块匹配法等，下面进行简介：光流方程法：光流方程法就是光流约束条件的数学化，如下式所示。
它将运动速度（v1，v2）以及像素亮度在空间方向的变化率和时间方向的变化率联系起来。
这样就可以通过测定像素亮度在空间和时间方向上的变化量值来估算出它的运动速度。
像素递归法：通过给定被估算运动的“预期值”，在此基础上再用更新项进行“校正”，来估算当前运动矢量，如下式所示：一般取相邻前一个像素估算所得的最佳值作为预期值，这相当于在两个相邻像素之间增加了平滑约束，而更新项则通过最小化一个正定的位移帧差的函数得到，这相当于在两帧之间施加了光流限制。
贝叶斯法：这种方法将二维运动估算看作最大后验概率估算问题（MAP），在给定两个图像帧g k，g k-l的情况下，使后验概率最大位移矢量（d1,d2）即为所求。
块匹配法：该法首先将图像分割成一个个“块”，并认为每个块所有的像素具有单一的运动矢量。
然后根据一定的匹配准则，通过在两帧中寻找相匹配的块以确定目标的运动矢量。
上述几种方法中，光流方程法、像素递归法和贝叶斯法运算量都较大，因而不适合对实时性要求较高的微光视频图像数字化处理；而块匹配运动估算法在尺寸选择合适的情况下，既能有效表达被评估目标的运动，又可以大大减少待处理像素的数目，因而，对于微光数字视频处理这种实时性要求较高的场合，是比较合适的。
