给聊天增加特效的乐趣 金河田GD-606摄像头

视频聊天对于现在的人来说应该都不陌生，QQ、MSN这些常用的聊天工具都有视频功能，不过看多了视频聊天那一成不变的画面，你是否觉得厌烦了呢？想不想在与别人视频聊天的时候来点花样？站自己的画面变成马赛克，就成底片，或者是给自己的头像旁边加上一个个性化的相框。要想体验这些新玩法，就来看看我们这次试用的金河田GD-606摄像头吧。     

唱反调!打码照片也很美

说到马赛克，难看、不爽和憋屈是很多“童鞋”的第一反应。的确，如果一张图或者一段视频中打有马赛克，那的确非常有碍观瞻。其实，只要运用得当，马赛克也有十分漂亮的一面。今天，我就唱唱反调，带大家一起领略Photoshop CS5中马赛克美丽的一面。     

打造随面部移动的马赛克

在后期处理人物视频素材时,有时我们需要把受访者用马赛克或模糊层遮挡起来。下面就给大家介绍两种给视频加马赛克的方法,让你把视频人物遮得严严实实!添加模糊层马赛克的视频给人一种直接在原始画面上覆盖一层的感觉,这也正是我们制作时的基本思路,无论使用何种软件,都要掌握这一思想。首先打开After Effects,在素材层上新建     

绘声绘影中马赛克跟踪遮罩效果的实现

在视频作品中，为了保护隐私或处理某些不宜公开的局部画面时，常常会利用马赛克效果对局部的关键画面进行跟综遮盖。在《绘声绘影9》视频编辑软件中虽然提供了Mosalc（马赛克）视频滤镜，但它是对整个画面进行马赛克处理，不能直接在视频素材上一次性实现局部马赛克效果。因此。需要先在覆叠轨道上对马赛克效果进行裁切或遮罩，再通过适当的透明设置将其与原来的视频素材进行叠加．以保证该看的能看到、不能看的看不到。[编者按]     

基于FCM聚类和模板匹配的视频马赛克检测方法

马赛克是数字电视节目中常见的一种视频缺陷现象,会造成视频质量的下降,因此在视频序列中有效地定位并修复马赛克块变得越来越重要。本文提出一种基于FCM模糊聚类和模板匹配的方法检测视频中的马赛克块,首先,使用canny边缘检测方法检测图像的边缘。其次,使用FCM聚类方法对像素进行分类。最后,利用模板匹配的方法检测马赛克块。基于OpenCV库函数进行算法实现,实验结果验证了所提算法的有效性。     

伪技巧曝光台

伪技巧一视频去除马赛克伪技巧原因:言过其实P2P模式的流行让视频分享变得更加容易,而版权保护问题也就随之而来,视频制作者为了保护版权或者是掩饰视频中     

基于网格扩张的视频图像马赛克检测算法

提出一种基于网格扩张的视频图像马赛克检测算法,算法以网格扩张的方式遍历图像中的像素,并迅速发现图像中具有相似像素的矩形区域,即马赛克。通过实验表明,该算法在确保较高效率的同时有较高的准确率,满足了视频图像中马赛克检测的功能和性能要求。     

削除VC-1高清视频中的马赛克

安装好了PowerDVD 7.3ultra后,终于可以在硬件解码的条件下观看高清视频了(笔者的显卡是刚买的Radeon HD3650)。可是每次打开VC-1格式的高清视频时,无论视频的码率高低,画面上总会出现类似马赛克的活动色块,完全没法正常观看。     

《生化危机:浣熊市行动》略有遗憾

游戏的概况不细说了,有兴趣的自己网上去查。先来说说游戏画面,光影效果还可以,有时候丧尸的影子在墙上映出来的时候还是挺带劲的。但是细节方面就有了诸多的不足,场景中的很多小物体显示出了贴图的粗糙,尤其是门把手,上面甚至出现马赛克,不知道     

Q来A去

Q:有时我不想让别人看到拍摄的图片上的某些内容,通常会用其他颜色进行涂抹遮盖,不过这样并不好看。请问有什么更好的办法?A:可以使用添加马赛克的方式,使用Snaglt软件的图像处理功能就可以给图片添加马赛克效果。具体步骤是:用Snaglt打开图片后,先用鼠标选取要添加马赛克的区域,然后用鼠标依次选择效果→图像处理→像素化选项,会弹出像素化任务窗口,然后向右拖动平铺大小滑块,就会看到选取的区域上出现了马赛克效果,最后将滑块拖到合适的位置即可。     

融合模糊色彩思维建模的马赛克风格渲染技术

为了在非真实感绘制中模拟画家色彩思维的主观模糊性,研究了融合模糊色技术马赛克风格渲染.该技术首先对输入图像按局部细节层次进行三角剖分,得到不同大小的三角面片集合,模拟画家对景物的结构分析思维;然后对源图像的色彩信息进行转化,获得每个三角面片上的模糊色,模拟画家观察景物色彩时的主观模糊性;最后采取可订制的模糊赋色策略渲染为马赛克风格图像,模拟画家赋色时的主观模糊性.结果显示,提出的技术可以较好地模拟不同艺术家的赋色思维.同时还构建了一个马赛克渲染原型英语,用户可通过选取预设的赋色策略快速获得大量不同结果.     

基于马赛克图形的人机识别系统的设计与分析

机器人可以不断地访问网站资源，从而消耗资源，产生拒绝服务攻击。为了解决这个问题，Basso等人提出了一个基于马赛克的人机交互证明算法．该算法虽然能在一定程度上阻止拒绝服务攻击，但是它也存在不足：合成的蹈片里总有一张真的图片是完全没有被覆盖的．并且每次重叠都只是重叠1／4的部分，使得真的图片的排列非常有规律，就容易泄漏真的图片的位置.针对这些不足，提出了一种改进的基于马赛克的人机交互证明算法，来阻止拒绝服务攻击。     

小功能大技巧——帮你实现图片艺术特效

技巧一：“局部马赛克”虚化背景 平时摄影时，背景大多复杂，不像影楼的那些好看利落的背景，往往会造成背景抢镜，怎么办？别着急，“虚化背景”就可以达到突出人像的目的。     

Photoshop CS3新体验 智能滤镜

Adobe发布了备受瞩目的Photoshop CS3,在多个方面都有了质的变化,增添了许多新功能,如引进了“智能滤镜”功能等,今天,我们就通过制作漂亮的马赛克图像效果,来体验一下Photoshop CS3中新增的“智能滤镜”功能。     

“全球眼”视频监控系统服务质量监测研究

全球眼网络视频监控业务是电信最重要的增值服务之一,其中最关键的环节是服务质量的保证。对视频质量监测的常用方法进行研究,提出了一套针对全球眼系统的视频质量监测的方案。该方案通过在网络层检测获得关键节点的网络状况,定位故障发生的位置;在应用层监测在视频终端进行图像质量分析,监测黑场、静帧和马赛克等错误的发生。随着多个监控点的数据汇集到告警服务器,系统可以即时发布故障报告。     

高人一等的视频截图

说到视频截图，大家可能部做过。但是不是经常遇到截取的图片质量不好，有明显的锯齿、马赛克等问题。也许你会埋怨电脑硬件不够好：也许会奇怪，同样的配置，同样的片源，朋友发布的截图质量却很不错……要得到出色的视频截图．必须摆脱简单的“PrintScreen”。[编者按]     

基于DirectShow实现局域网实时视频传输

随着计算机网络和多媒体技术的发展,音频、视频等多媒体信息已在网络中越来越普遍,它们深深地影响了人们的生活。MPEG-4是时下一种流行的视频编解码模式,怎样在Intemet上实时地传输MPEG-4码流已经成为当前的一个热点;同样是未来网络方向的一个研究重点。文中在目前的视频传输系统的基础上,利用新的协议标准和传输方式来实现视频的实时传输,使传输的视频实时,没有马赛克。论文研究了DirectShow技术,分析了其体系结构的特点与组成,研究了利用DirectShow实现视频采集、压缩编码、网络传输以及解码播放技术,并给出了利用RTP／RTCP以及DirectShow实现MPEG-4视频数据的实时直播的方法和部分核心代码,有效地保证了高质量的实时视频传输。同时在应用程序内开发源Filter,简化了开发流程和程序的调试。测试证明系统有良好的网络适应性,视频经过传输后比较流畅,几乎没有马赛克。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

马赛克语言在当代艺术设计中的应用延伸

文章将马赛克语言作为当代艺术设计的一种创作方法,分别从马赛克材料媒介的选择、艺术表现形式的延展两个方面进行分析,选取具有马赛克相似视觉表现形式的艺术设计作品,探索马赛克语言在多个领域的应用。文章拓展了马赛克语言的使用维度,使这种语言能够更好地运用到当代艺术设计创作中。     

Bayer阵列图像去马赛克算法综述

Bayer阵列图像去马赛克技术是对稀疏采样的Bayer阵列图像进行RGB信息重建,图像重建质量是成像设备评价的重要因素之一,同时也对其他计算机视觉任务(如图像分割、人脸识别)产生影响。随着深度学习方法的快速发展,图像去马赛克领域提出了多种高性能算法。为了便于研究者更全面了解图像去马赛克算法的原理和研究进展,本文对该领域的经典算法和深度学习算法进行综述。首先对Bayer采样阵列原理和图像去马赛克技术进行概述。然后将现有方法分为传统方法和基于深度学习方法两类进行总结,同时根据去马赛克任务是否具有独立性,将深度学习方法分为独立去马赛克任务和联合去马赛克任务两类,分析不同方法的原理和优缺点,重点阐述基于深度学习的去马赛克方法的网络结构和重建机理,介绍去马赛克领域常用的公共数据集和性能评价指标,并对图像去马赛克相关实验进行分析对比。最后,围绕网络深度、运算效率和实用性等方面分析了现阶段图像去马赛克技术面临的挑战及未来发展方向。目前,基于深度学习的图像去马赛克方法已成为主流发展方向,但仍然存在计算成本较高、实际应用性不强等问题。因此,如何开发出重建精度高、处理时间短以及实用性强的图像去马赛克方法,...