手机拍屏、LED 大屏翻拍产生的彩色网格,把周期性干扰清掉。
「去摩尔纹 / 去屏摄」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。
以下为去摩尔纹 / 去屏摄的适用判断,供你对照自己的车牌截图。
用手机对着监控屏、电视屏或 LED 大屏翻拍时,屏幕的像素栅格会与相机传感器的采样栅格发生干涉,形成周期性的彩色条纹或网格——这就是摩尔纹。它会在车牌区域叠加一层规则的花纹,让字符边界变得不可靠,识别引擎很容易把网格线误当成笔画。
这类问题的特点是「干扰有规律」:能量集中在频域的特定位置,因此既可以用模型学习去除,也可以用频域陷波做针对性的抑制。
系统先判断画面是否存在屏摄伪影;检测到且模型可用时优先走 ESDNet 去屏摄模型,它能同时处理网格与彩色摩尔纹。模型不可用时回退到保守链路:做保边降采样打散高频周期结构,再按需叠加 FFT 陷波滤波,在频域把对应频率的成分压掉。
陷波半径是可调的高级参数:半径越大去除越彻底,但也会一起损失同频段的真实细节(例如细笔画的边缘),因此默认只给到中等值。
看干扰是否有规律:如果是规则重复的网格或彩色条纹,且条纹方向与画面内容无关,基本可以确认是翻拍屏幕造成的摩尔纹;如果是随机的颗粒噪点或方向一致的拖影,则分别是噪声与运动模糊,不适用本能力。
这属于典型取舍:周期干扰与细笔画在频域上可能落在相近位置,抑制干扰时会连带削弱笔画。可以把「陷波半径」调小(例如从 6 调到 4),或改用 auto 模式让系统判断更温和的处理强度。
因为 auto 会先做屏摄伪影检测,如果判定画面不存在明显周期干扰(例如干扰面积很小、或属于真实场景纹理),就会采用保守处理,结果变化自然不明显。此时页面通常也会提示该能力未产生有效变化,属于预期行为。
它是典型的「前置清理」能力:先去掉干扰,再做暗光增强、对比度增强与清晰度处理,效果更稳定。如果跳过它直接锐化,锐化会同时强化网格线,反而让干扰更明显。
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。