3.常见的预处理方法
   现在常见的效果明显的视频预处理主要包括下面的几个方面。
   3.1 限带滤波和降采样
   根据奈奎斯特定理，只有对图像进行高于两倍信号最高频率的采样才能保证从采样值完全恢复原图像。但是如果该条件不满足，即欠采样时，高次谐波的频谱就会叠加到基波，出现频谱混叠效应。随着图像高清晰度的增加，由于采样率的限制，绝大多数成像系统都存在不同的混叠现象。怎样消除混叠效应成为了预处理中的一个令人关注的问题。
   抑制或消除混叠效应常采用两项措施，一是限带滤波，二是下采样。限带滤波就是对高速采样的数字视频进行一次低通滤波，抑制奈奎斯特定理定义的通带以外的高频分量。因为这些带外分量在后续的处理中会引起混叠效应，产生无意义的高频分量，而编码器还得对它们进行编码，浪费不少宝贵的编码比特。仅采用限带滤波只能滤除信号中少量的高频分量，如果信号带宽远高于奈奎斯特带宽，那么在限带滤波后还需进行一次下采样，进一步减少码字。
   3.2 噪声去除
   噪声对于任何实际的视频采集来说均是不可避免的，如果在编码前未将不必要的噪声去除，不仅会影响解码视频质量，而且后面的编码部分还将为噪声编码，降低了效率。视频中常见的噪声主要有加性噪声、乘性噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果滤波不当，就会使图像本身的细节，如边界轮廓、线条等，变得模糊不清。如何既平滑掉噪声又尽量保持图像细节，是图像去噪的难点所在。
   图像去噪方法很多，它们大体上可以分为两类：空间域的去噪方法和变换域的去噪方法。这两类方法的最主要区别是前者直接对观察图像数据进行处理，而后者则是先对图像进行某种变换，然后再对变换后的系数进行处理。
   变换域的去噪方法认为，在变换域图像往往是稀疏表示的，即高频分量很少，大部份噪声处于高频部分，通过在变换域设置阈值或者截断高端频谱来去除噪声。这类方法的优点是在变换域进行处理比较简单。它的不足之处在于对阈值的设置比较困难;在去除噪声的同时不可避免地会平滑图像本身的纹理细节;图像在变换域丢失了部分结构特征，特别是边界信息等。这些都会影响去噪图像的质量。
   空间域的去噪方法关注图像数据本身，如近年来流行的基于块的去噪方式，其基本思想是为去噪图像的每一个块寻找与它相似的块，相似块可以在同一帧内部寻找，或者其它帧中寻找，还可在其它图像中寻找，最后通过加权平均等操作恢复图像块。空间域的方法利用了更多的图像数据信息，保留图像的结构，有利于保持图像细节，但也容易出现过平滑现象。近年来针对图像的混合高斯噪声，出现了一种将变换域和空间域方法相结合的自适应噪声去除方法。这种方法首先采用基于块和滤波的噪声参数估计，自适应的估计混合高斯噪声参数，然后利用估计得到的噪声参数进行图像去噪，将多幅去噪图像进行简单的数据融合，最终获得性能良好的去噪图像，其过程如下图2所示。