去反光 / 高光修复 - 智瞳车牌通专项增强能力

隔着玻璃拍、正对车灯拍导致的反光白斑,把被高光淹没的字符捞回来。

「去反光 / 高光修复」是智瞳车牌通专项增强能力中的一项。智瞳车牌通是面向监控截图、行车记录仪截图等疑难车牌场景的在线 AI 增强辅助识别平台,采用「先增强、再识别」的技术路线;本页可免费不限次在线预览该能力效果,导出无水印原图按次扣除点数。

先用 10 秒自查:这张图该不该用这一项

以下为去反光 / 高光修复的适用判断,供你对照自己的车牌截图。

适合用这一项

慎用 / 换别的能力

去反光 / 高光修复是什么

隔着车窗玻璃拍、正对车灯或路灯拍、路面反光强烈的场景下,车牌上会出现一块甚至整片的过曝白斑。白斑区域的像素亮度直接顶到 255,信息被截断——这类损伤是不可逆的,任何增强都无法还原真实笔画,但可以通过高光压缩把白斑边缘拉回可辨认区间,让字符轮廓重新出现。

这是夜间与卡口场景里最常见、也最容易被误判为「模糊」的一类问题:图片看起来不是模糊,而是「白了一大块」。用锐化或去模糊去处理几乎无效,必须先解决过曝。

它是怎么做的?

系统先做反光检测,得到反光强度评分与严重程度;严重反光且有可用模型时走 TCDM 反光修复模型,其余情况走传统链路:先做伽马压缩把高亮区间压回动态范围,再用局部对比度增强恢复字符与底色的关系,必要时叠加 MSRCR 多尺度 Retinex 复原让复杂反光的过渡更自然。

MSRCR 计算量明显更高,因此默认为关闭的高级参数;对一般的局部白斑,仅伽马压缩 + 局部对比度就已经有效。模型不可用时会自动回退传统链路,这是预期行为,页面会在结果提示里说明。

名词解释

高光 / 反光(Glare)
光线在玻璃、水面、金属等光滑表面发生镜面反射,进入镜头后形成的高亮区域。成像上表现为局部亮度远高于周围,甚至顶到纯白。
过曝削顶(Saturation / Clipping)
像素亮度超过传感器可记录上限后被截断。削顶区域内的细节在成像阶段就已丢失,属于不可逆损伤。
伽马压缩(Gamma Compression)
对亮度做非线性映射,重点压低高亮区间的动态范围,让白斑回落到有层次的灰度区间。是恢复过曝区域最直接的手段。
MSRCR
Multi-Scale Retinex with Color Restoration,多尺度 Retinex 色彩复原。从多个尺度估计光照分量并去除,能同时提升暗部与压缩高光,复杂反光下过渡更自然,但计算量大。
TCDM
面向反光去除的深度学习模型链路。系统检测到严重反光且模型可用时会优先走这条路径,效果通常优于纯传统处理;模型不可用时自动回退传统链路。
反光强度评分(Glare Score)
对高亮区域面积、亮度、边缘过渡等指标的综合评估结果,用来决定「值不值得上模型」。

常见问题

反光导致车牌完全变白了,还能修复吗?

如果白斑区域的像素已经顶到纯白,意味着这部分信息在拍摄时就被截断了,任何算法都无法还原真实笔画,只能把白斑边缘拉回可辨认区间,效果有限。这种情况建议换一帧(视频里往往有其他帧反光较弱),或使用视频多帧超分融合识别,用多帧信息互补。

去反光之后照片看起来有点偏色,正常吗?

在使用强力高光压缩(数值偏大)或开启 MSRCR 时,可能出现轻微色偏,这是高光区域被压缩后的常见副作用。可以适当降低「高光压缩强度」,或把这张图交给「局部对比度增强」再处理一次来平衡观感。

自动模式(auto)是怎么判断的?

系统会先对裁剪出的车牌区域做反光检测,综合高亮面积占比、高亮强度与边缘过渡给出评分与严重程度,再决定走 TCDM 模型还是传统链路。如果检测不到模型运行环境,会自动回退传统链路,并在结果提示中说明,不会报错中断。

去反光和局部对比度增强应该先用哪个?

一般先去掉反光。反光白斑是成像层面的损伤,会干扰后续所有处理的判断;把白斑压回动态范围后,再用局部对比度增强恢复字符层次,效果更稳定。可以在「综合编排」里按这个顺序串成流水线。

相关能力

返回专项增强总览,查看全部 9 项智瞳车牌通车牌增强能力。