我們都知道，光照是攝像頭成像的基礎(chǔ)，不同光線條件會(huì)顯著影響成像質(zhì)量。而很多攝像頭，受限于安裝環(huán)境（如昏暗的房間、強(qiáng)烈的逆光等光線不佳的場景），往往導(dǎo)致攝像頭最終呈現(xiàn)的畫面不僅亮度不足，還存在灰度噪點(diǎn)、面部反光、細(xì)節(jié)缺失等問題；如果采用廣角鏡頭，甚至?xí)l(fā)畫面邊緣畸變、人臉拉伸等失真現(xiàn)象，直接影響用戶的視覺體驗(yàn)，并降低人臉識(shí)別和視頻分析的準(zhǔn)確性。對(duì)于尤其關(guān)注安全的用戶來說，將帶來極其糟糕的用戶體驗(yàn)。那在不更換攝像頭的前提下，開發(fā)者/品牌商該如何快速提升畫質(zhì)清晰度呢？

一、無需更換攝像頭，用 AI 直接修復(fù)畫質(zhì)

涂鴉全新推出On-AppAI 圖像增強(qiáng)技術(shù)，支持通過 AI 對(duì)圖像進(jìn)行優(yōu)化和修復(fù)。它可以自動(dòng)檢測退化模糊的畫面，并幫助提升亮度、降低噪聲、優(yōu)化細(xì)節(jié)、修復(fù)畸變，顯著改善圖像清晰度和細(xì)節(jié)表現(xiàn)，滿足監(jiān)管、拍攝、人臉識(shí)別等多場景的視覺需求。
為了讓大家更直觀感受該技術(shù)對(duì)攝像畫質(zhì)的改善，我們特意記錄了不同場景下，同一攝像頭在接入該技術(shù)前后的圖像對(duì)比：

二、三大技術(shù)處理流程，打造高質(zhì)量圖像

（圖像增強(qiáng)處理流程示意圖）

提升畫質(zhì)的核心技術(shù)處理步驟，主要包含下面三種：

1、降噪處理

該技術(shù)方案采用涂鴉自研的輕量化降噪模型，支持在 1 秒內(nèi)對(duì)視頻圖像進(jìn)行高效快速的降噪處理。

2、暗部增強(qiáng)處理

系統(tǒng)會(huì)對(duì)圖像整體進(jìn)行亮度分析，并對(duì)較為昏暗的部分進(jìn)行提亮處理（亮度在 0.1-0.3 之間，就會(huì)被判定為較暗），處理后畫面的整體亮度將提升 20%-30%，使得圖像整體亮度達(dá)到平衡。

3、畸變處理

涂鴉畸變處理技術(shù)，采用的是張氏標(biāo)定法：它能獲得相機(jī)內(nèi)參和畸變系數(shù)，并通過這些參數(shù)來計(jì)算畸變校正映射表，一旦檢測到圖像發(fā)生畸變，就能實(shí)時(shí)進(jìn)行校正處理，確保畫面不變形。

三、深度解析核心技術(shù)亮點(diǎn)

涂鴉 On-App AI 圖像增強(qiáng)技術(shù)，移動(dòng)端模型部署采用 TensorFlow Lite 方案。該方案具備高效推理、低延遲、低功耗的優(yōu)勢，支持設(shè)備本地離線運(yùn)行，快速提升用戶體驗(yàn)與響應(yīng)速度。

（On-App AI 整體架構(gòu)圖）

1、更靈活的 AI 架構(gòu)：輕量化和動(dòng)態(tài)化

1.1 輕量級(jí)檢測模型

基于涂鴉在安全防護(hù)場景下深度收集的十萬級(jí)別數(shù)據(jù)集，我們采用了輕量化 ResUNet 網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練。既能精準(zhǔn)捕捉真實(shí)噪聲特征，又能對(duì)圖像細(xì)節(jié)和紋理進(jìn)行精準(zhǔn)保留。在保證降噪效果的前提下，大幅提升推理速度與資源利用效率。

1.2 模型動(dòng)態(tài)化

在模型的動(dòng)態(tài)化方面，涂鴉采用了按需加載的動(dòng)態(tài)模型管理機(jī)制。這種機(jī)制的優(yōu)勢在于，它能根據(jù)實(shí)際需求在線下載、更新并實(shí)時(shí)部署模型，確保應(yīng)用始終運(yùn)行在最優(yōu)版本下。該方式不僅能在功能迭代時(shí)快速引入最新算法，還可避免一次性打包全部模型，從而有效減少初始安裝包體積、降低存儲(chǔ)占用。同時(shí)，在保持高精度與高性能的前提下，提升整體運(yùn)行效率與用戶體驗(yàn)。

2、更優(yōu)的用戶體驗(yàn)：實(shí)時(shí)性和高效率

2.1 實(shí)時(shí)交互處理

在中高端手機(jī)型號(hào)下，該技術(shù)基本可實(shí)現(xiàn)秒級(jí)推理輸出，實(shí)時(shí)性高、延遲低。我們特意測試了移動(dòng)端 iOS 和 Android 手機(jī)，在不同機(jī)型、不同圖片尺寸下，系統(tǒng)處理性能的表現(xiàn)數(shù)據(jù)：

2.2 圖像分片處理提升畫質(zhì)

首先，將原始圖像按設(shè)定好的尺寸進(jìn)行切片，方便高效地利用移動(dòng)端算力；

再將每個(gè)切片依次送入降噪模型進(jìn)行單獨(dú)處理，確保在細(xì)節(jié)與紋理保真度上保持一致；

最后，通過平滑融合邊界，將所有降噪后的切片無縫合并，還原為與原先尺寸一致的高質(zhì)量圖像文件。

3、更低的計(jì)算成本

在各個(gè)安全防護(hù)應(yīng)用場景中，移動(dòng)端 AI 處理圖像速度比云端方案的優(yōu)勢更為明顯。主要原因在于攝像頭采集到門前畫面后，可在本地設(shè)備上直接完成推理與計(jì)算，無需將原始圖像上傳至云端再做處理。

例如：訪客人臉識(shí)別、異常行為檢測、光線優(yōu)化與降噪處理等，均可在本地完成。這不僅顯著減少了視頻與圖像數(shù)據(jù)的網(wǎng)絡(luò)傳輸量，節(jié)省帶寬與服務(wù)器算力資源，還可有效降低延遲。