افزایش کیفیت عکس و واضح کردن پلاک از فیلم دوربین مداربسته — آنلاین و رایگان

راهنمای کامل واضح کردن تصویر و خواندن پلاک از فیلم دوربین مداربسته

این صفحه دقیقاً چه کاری انجام می‌دهد

بیشتر کسانی که دنبال «افزایش کیفیت عکس» یا «واضح کردن پلاک ماشین» می‌گردند، یک وضعیت مشخص دارند: اتفاقی افتاده — خودرویی برده شده، ماشینی زده و رفته، کسی وارد مغازه شده — و تنها چیزی که از آن لحظه باقی مانده، چند ثانیه فیلم دوربین مداربسته یا یک عکس تار است. سؤال این نیست که «چطور عکسم قشنگ‌تر شود»، سؤال این است که «آیا می‌شود از این فایل چیزی خواند یا نه».

این ابزار دقیقاً برای همان لحظه ساخته شده. شما تصویر یا ویدیو را آپلود می‌کنید، اگر ویدیو باشد فریم دقیق را انتخاب می‌کنید، بعد با انگشت یا ماوس فقط همان ناحیه‌ای را که برایتان مهم است — پلاک، صورت، نوشته روی در خودرو، شماره‌ای روی یک بسته — انتخاب می‌کنید و سیستم چند نسخه پردازش‌شده از همان ناحیه به شما می‌دهد تا بهترینش را انتخاب و دانلود کنید. همه‌چیز در مرورگر و روی سرور خود همین سایت انجام می‌شود؛ نه نصب نرم‌افزاری لازم است، نه ثبت‌نامی.

اما مهم‌تر از کاری که انجام می‌دهد، کاری است که انجام نمی‌دهد: این ابزار رقم نمی‌سازد. اگر اطلاعات یک رقم در فایل شما ثبت نشده باشد، ما یک رقم قابل‌قبول جای آن نمی‌گذاریم. در ادامه دقیقاً توضیح می‌دهیم چرا این تصمیم مهم است و چطور خودتان بفهمید تصویرتان در کدام دسته قرار می‌گیرد.

راهنمای گام‌به‌گام

1. فایل را انتخاب کنید. عکس یا ویدیو، با هر فرمتی که دارید. اگر فایل اصلی دستگاه ضبط را در اختیار دارید حتماً همان را بفرستید، نه اسکرین‌شات و نه نسخه‌ای که در پیام‌رسان دست‌به‌دست شده.
2. اگر ویدیو است، فریم را پیدا کنید. با دکمه‌های فریم قبل و بعد، یا با پرش صد میلی‌ثانیه‌ای، یا با وارد کردن مستقیم زمان، روی همان لحظه‌ای بایستید که سوژه واضح‌تر است. معمولاً یکی دو فریم قبل یا بعد از لحظه‌ای که به‌نظرتان مناسب می‌آید، کیفیت بهتری دارد.
3. روی تصویر زوم کنید. بزرگ‌نمایی در این صفحه بدون افت کیفیت است؛ یعنی پیکسل‌های اصلی تصویر نمایش داده می‌شوند نه یک نسخه فشرده‌شده. حالت «نمایش پیکسل» را روشن کنید تا دقیقاً ببینید دوربین چقدر اطلاعات ثبت کرده است.
4. ناحیه موردنظر را انتخاب کنید. این مرحله را جدی بگیرید. هرچه کادر انتخابی دقیق‌تر و کوچک‌تر باشد، بزرگ‌نمایی نهایی بیشتر و نتیجه بهتر می‌شود. کادری که نصف تصویر را گرفته باشد، هیچ کمکی به خواندن پلاک نمی‌کند.
5. ارزیابی صادقانه را بخوانید. پیش از پردازش، سیستم عرض ناحیه انتخابی شما را بر حسب پیکسل اعلام می‌کند و می‌گوید با این اندازه چه انتظاری معقول است. اگر نوشت «خوانا نمی‌شود»، وقت‌تان را تلف نکنید و به‌جایش دنبال فایل بهتر یا فریم بهتر بگردید.
6. بین حالت‌ها مقایسه کنید. شش نسخه ساخته می‌شود. هیچ حالتی «همیشه بهترین» نیست؛ تصویر روز آفتابی با تصویر شب فرق دارد و پلاک با چهره فرق دارد. نوار مقایسه قبل و بعد کمک می‌کند تفاوت واقعی را ببینید.
7. دانلود کنید. نسخه نهایی در بالاترین اندازه ممکن و بدون فشرده‌سازی مخرب ساخته می‌شود تا اگر لازم شد بتوانید چاپش کنید یا به کارشناس نشان دهید.

یک نکته که خیلی‌ها رعایت نمی‌کنند: اگر اولین نتیجه راضی‌تان نکرد، به‌جای اینکه همان کادر را دوباره پردازش کنید، کادر را کمی جابه‌جا کنید. گاهی چند پیکسل بالاتر یا پایین‌تر، سایه‌ای که روی سوژه افتاده کمتر می‌شود و کل نتیجه عوض می‌شود.

شش حالت پردازش و کاربرد هرکدام

هر تصویر مشکل خودش را دارد. یکی تار است، یکی تاریک، یکی پر از دانه‌های نویز و یکی هم سایه‌ای روی سوژه‌اش افتاده. به همین دلیل به‌جای یک دکمه جادویی، شش مسیر پردازش متفاوت ساخته می‌شود:

۱. بزرگ‌نمایی تمیز

محافظه‌کارانه‌ترین حالت. فقط ناحیه انتخابی با الگوریتم Lanczos بزرگ می‌شود و لبه‌ها کمی واضح‌تر می‌شوند. رنگ، روشنایی و حال‌وهوای تصویر دست‌نخورده می‌ماند. وقتی تصویر اصلی نسبتاً خوب است و فقط کوچک است، معمولاً همین حالت طبیعی‌ترین نتیجه را می‌دهد. برای مواردی که می‌خواهید تصویر «دستکاری‌شده» به‌نظر نرسد هم بهترین انتخاب است.

۲. پلاک و نوشته

سنگین‌ترین و مؤثرترین حالت برای خواندن ارقام. اول تاری خود دوربین تا حد ممکن معکوس می‌شود، بعد شیب روشنایی که آفتاب و سایه روی پلاک انداخته‌اند برداشته می‌شود، بعد کنتراست به‌صورت موضعی بالا می‌رود و در پایان لبه‌ها تقویت می‌شوند. نتیجه سیاه‌وسفید است، چون رنگ در خواندن ارقام هیچ کمکی نمی‌کند و فقط اطلاعات را رقیق می‌کند. این حالت را برای پلاک خودرو، پلاک موتورسیکلت، شماره روی بدنه کامیون، متن روی تابلو و هر چیزی که «نوشته» باشد استفاده کنید.

۳. دو‌رنگ (سیاه روی سفید)

قاطع‌ترین حالت. هر پیکسل با میانگین همسایه‌های خودش مقایسه می‌شود و در نهایت یا سیاه می‌شود یا سفید. نتیجه شبیه یک اسکن است. وقتی ارقام در سایه گم شده‌اند و حالت قبلی هم نتوانسته آن‌ها را بیرون بکشد، این حالت گاهی شکل کلی ارقام را نجات می‌دهد. در عوض، چون همه‌چیز به دو رنگ تقلیل پیدا می‌کند، جزئیات ظریف از بین می‌رود؛ پس آن را به‌عنوان نظر دوم استفاده کنید نه نظر اول.

۴. کنتراست موضعی (رنگی)

وقتی رنگ برایتان مهم است — رنگ خودرو، رنگ لباس، رنگ یک کیف — این حالت جزئیات سایه‌ها و قسمت‌های پرنور را بیرون می‌کشد بدون اینکه رنگ‌ها را عوض کند. برای شناسایی خودرو در فیلمی که همه‌چیز در آن یکدست تیره به‌نظر می‌رسد، معمولاً همین حالت بیشترین کمک را می‌کند.

۵. تصویر شب

فیلم‌های شبانه دو مشکل هم‌زمان دارند: سایه‌های کاملاً سیاه و نویز زیاد ناشی از بالا رفتن گین دوربین. این حالت اول نویز را کم می‌کند، بعد میانه‌ها را روشن می‌کند تا چیزی که در سیاهی گم شده بیرون بیاید. توجه داشته باشید که روشن کردن سایه، نویز را هم روشن می‌کند؛ اگر نتیجه دانه‌دانه شد، حالت بعدی را امتحان کنید.

۶. تصویر دانه‌دانه

برای فیلم‌هایی که فشرده‌سازی سنگین یا نور کم، آن‌ها را پر از دانه کرده است. اول نویز گرفته می‌شود و بعد لبه‌ها تقویت می‌شوند. این ترتیب مهم است: اگر اول شارپ کنید و بعد نویز بگیرید، نویزِ شارپ‌شده تبدیل به لکه‌های ثابت می‌شود که دیگر پاک نمی‌شوند.

چرا بعضی تصاویر واضح می‌شوند و بعضی نه

این مهم‌ترین بخش این راهنماست و اگر فقط یک قسمت را می‌خوانید، همین را بخوانید.

دوربین یک دستگاه اندازه‌گیری است. هر پیکسل سنسور، مقدار نوری را که در یک لحظه به آن رسیده ثبت می‌کند. اگر پلاک یک خودرو روی سنسور شما فقط سی پیکسل عرض داشته باشد، کل اطلاعاتی که از آن پلاک در فایل وجود دارد، سی عدد در هر ردیف است. هشت کاراکتر پلاک ایرانی در سی پیکسل یعنی کمتر از چهار پیکسل برای هر کاراکتر. در چهار پیکسل، عدد ۳ و عدد ۸ و حرف «س» عملاً یک شکل واحد می‌شوند.

هیچ الگوریتمی نمی‌تواند اطلاعاتی را که ثبت نشده برگرداند. این یک محدودیت نرم‌افزاری نیست که با نسخه بعدی حل شود؛ یک واقعیت فیزیکی است، مثل اینکه نمی‌شود از روی یک ضبط صوت خراب، کلمه‌ای را که اصلاً ضبط نشده شنید. کاری که پردازش تصویر می‌تواند بکند این است که اطلاعاتی را که هست ولی دیده نمی‌شود، قابل دیدن کند: کنتراستی که خیلی کم است، سایه‌ای که روی سوژه افتاده، تاری لنز که قابل محاسبه است، نویزی که روی جزئیات را پوشانده.

استاندارد جهانی دوربین مداربسته، EN 62676-4، همین موضوع را با یک معیار ساده بیان می‌کند که به آن DORI می‌گویند — سرواژه چهار سطح تشخیص، مشاهده، بازشناسی و شناسایی. این استاندارد می‌گوید برای هر سطح، چند پیکسل به ازای هر متر از صحنه لازم است:

پلاک استاندارد ایرانی حدود پنجاه سانتی‌متر عرض دارد. با معیار ۲۵۰ پیکسل بر متر، یعنی برای خواندن ارقام باید دست‌کم حدود ۱۲۵ پیکسل روی خودِ پلاک افتاده باشد. عدد عملی که ما در تست‌ها به آن رسیده‌ایم کمی بالاتر است: پلاکی با عرض ۱۵۰ تا ۲۰۰ پیکسل، ارقامی با ارتفاع حدود ۱۶ تا ۲۰ پیکسل می‌دهد که با پردازش مناسب قابل خواندن‌اند.

جدول: پلاک چند پیکسل باشد چه انتظاری داشته باشیم

برای اینکه بتوانید سریع موقعیت خودتان را بسنجید، عرض ناحیه انتخابی را در همین صفحه ببینید و با این جدول مقایسه کنید. عدد سمت راست همان چیزی است که ابزار قبل از پردازش به شما نشان می‌دهد:

نکته‌ای که کمتر گفته می‌شود: این جدول درباره تصویری است که تار نباشد. اگر پلاک صد و پنجاه پیکسل عرض داشته باشد ولی خودرو در حال حرکت بوده و شاتر دوربین کند بوده، ارقام روی هم کشیده می‌شوند و عملاً به رده پایین‌تر سقوط می‌کنید. تاری حرکتی بدترین دشمن پلاک‌خوانی است، بدتر از کم بودن رزولوشن.

الگوریتم‌هایی که پشت این ابزار کار می‌کنند

همه مراحل زیر پردازش قطعی و قابل بازتولید هستند؛ یعنی اگر همان فایل را دوباره بدهید دقیقاً همان خروجی را می‌گیرید و هیچ مرحله‌ای «حدس» نمی‌زند.

دیکانولوشن ریچاردسون–لوسی

لنز، فوکوس نه‌چندان دقیق و حرکت سوژه، هرکدام نور یک نقطه از صحنه را روی چند پیکسل پخش می‌کنند. این پخش‌شدگی یک عملیات ریاضی مشخص است و بخشی از آن قابل معکوس کردن است. الگوریتم ریچاردسون–لوسی با تکرار، تخمین می‌زند تصویر اصلی قبل از تار شدن چه بوده. این تنها مرحله‌ای است که واقعاً جزئیات را برمی‌گرداند، نه اینکه فقط کنتراست را جابه‌جا کند. چون اگر بیش از حد فشار بیاید حاشیه‌های کاذب می‌سازد، شدت و تعداد تکرار آن عمداً محافظه‌کارانه تنظیم شده است.

تخت‌کردن زمینه

آفتابی که روی نیمی از پلاک افتاده، سایه سپر، یا نور چراغ خیابان از یک طرف، همه یک «شیب روشنایی» روی سوژه می‌گذارند. تا وقتی این شیب برداشته نشود، هر مقدار شارپ و کنتراست فقط همان مه را بزرگ‌تر می‌کند. این مرحله تصویر را بر نسخه‌ای بسیار محوشده از خودش تقسیم می‌کند و در عمل شیب نور را حذف می‌کند. تأثیرش روی پلاک‌هایی که نیمی در آفتاب و نیمی در سایه‌اند، از همه مراحل دیگر بیشتر است.

کنتراست موضعی تطبیقی (CLAHE)

کنتراست معمولی کل تصویر را با یک فرمول واحد تغییر می‌دهد و نتیجه‌اش این است که جایی می‌سوزد و جایی سیاه می‌شود. کنتراست موضعی، تصویر را به کاشی‌های کوچک تقسیم می‌کند و در هر کاشی جداگانه کنتراست را بالا می‌برد، با یک سقف مشخص تا نویز بیش از حد تقویت نشود. این همان چیزی است که ارقام را از زمینه پلاک جدا می‌کند.

بزرگ‌نمایی Lanczos

برای بزرگ کردن تصویر روش‌های مختلفی هست. ساده‌ترینشان پیکسل‌ها را کپی می‌کند و نتیجه پله‌پله می‌شود؛ متداول‌ترینشان میانگین می‌گیرد و نتیجه نرم ولی مات می‌شود. Lanczos از یک تابع سینوسی وزن‌دار استفاده می‌کند و لبه‌ها را تا حد امکان حفظ می‌کند. این همان الگوریتمی است که در نرم‌افزارهای حرفه‌ای ویرایش تصویر هم گزینه پیش‌فرض بزرگ‌نمایی است.

آستانه‌گذاری تطبیقی

در حالت دو‌رنگ، به‌جای یک آستانه ثابت برای کل تصویر، هر پیکسل با میانگین همسایه‌های نزدیک خودش سنجیده می‌شود. نتیجه این است که پلاکی که یک سرش روشن و سر دیگرش تاریک است، در کل طولش به‌درستی به سیاه و سفید تبدیل می‌شود.

فیلتر میانه

برای دانه‌های نویز. هر پیکسل با میانه همسایه‌هایش جایگزین می‌شود، که نقطه‌های تک‌افتاده را پاک می‌کند ولی لبه‌ها را مثل محو کردن ساده خراب نمی‌کند. این مرحله به‌صورت پیش‌فرض خاموش است، چون روی تصاویر کم‌پیکسل، جزئیات ریز را هم با نویز می‌برد؛ خودتان می‌توانید روشنش کنید.

تفاوت با ابزارهای «هوش مصنوعی» و چرا برای پلاک خطرناک‌اند

اگر عبارت «افزایش کیفیت عکس با هوش مصنوعی» را جستجو کنید، ده‌ها سرویس پیدا می‌کنید که از یک عکس تار، یک عکس بسیار تمیز و واضح تحویل می‌دهند. نتیجه واقعاً چشمگیر است. اما باید بدانید آن‌ها دقیقاً چه کار می‌کنند.

این مدل‌ها روی میلیون‌ها تصویر آموزش دیده‌اند و یاد گرفته‌اند که «یک تصویر واقعی معمولاً چه شکلی است». وقتی به آن‌ها یک لکه تار می‌دهید، چیزی را که محتمل‌ترین حالت است تولید می‌کنند. برای یک عکس خانوادگی یا یک منظره، این دقیقاً همان چیزی است که می‌خواهید. برای یک پلاک، فاجعه است: مدل رقمی را تولید می‌کند که شبیه آن لکه است، نه رقمی که واقعاً آنجا بوده. خروجی تمیز و قاطع به‌نظر می‌رسد و همین اطمینان کاذب، خطرناک‌ترین بخش ماجراست.

نمونه‌های مستند متعددی وجود دارد که در آن‌ها الگوریتم‌های بازسازی چهره، از تصویر کم‌پیکسل یک نفر، چهره‌ای کاملاً متفاوت — گاهی با قومیت متفاوت — ساخته‌اند. در مورد پلاک هم همین اتفاق می‌افتد: عدد ۳ به ۸ تبدیل می‌شود، حرف «ب» به «پ» و شما بدون اینکه بدانید، دنبال خودرویی می‌گردید که اصلاً وجود ندارد. اگر این شماره را به مرجع قانونی بدهید، ممکن است برای فرد بی‌گناهی دردسر بسازید.

به همین دلیل مسیر پیش‌فرض این ابزار کاملاً قطعی است و چیزی اختراع نمی‌کند. اگر روزی حالت مبتنی بر مدل اضافه شود، با برچسب صریح «این خروجی حدس است و سند نیست» ارائه خواهد شد و جدا از مسیر اصلی خواهد ماند.

کار با ویدیو: فریم، میلی‌ثانیه و انتخاب بهترین لحظه

اگر ویدیو دارید، شانس شما به‌مراتب بیشتر از کسی است که فقط یک عکس دارد — به شرطی که فریم درست را انتخاب کنید. یک فیلم بیست‌وپنج فریم بر ثانیه، در هر ثانیه بیست‌وپنج تصویر مستقل دارد و کیفیت این تصاویر یکسان نیست.

سه دلیل برای این تفاوت وجود دارد. اول تاری حرکتی: در فریمی که خودرو سریع‌تر حرکت می‌کند، پلاک کشیده می‌شود؛ در فریمی که خودرو لحظه‌ای کند یا متوقف شده، پلاک واضح‌تر است. دوم فشرده‌سازی: فیلم‌های دوربین مداربسته معمولاً با H.264 یا H.265 فشرده می‌شوند و در این روش‌ها هر چند فریم یک‌بار، یک فریم کامل ذخیره می‌شود و بین آن‌ها فقط تغییرات. فریم‌های کامل کیفیت به‌مراتب بهتری دارند. سوم فوکوس و نور: اگر دوربین در حال تنظیم فوکوس یا تغییر حالت روز به شب بوده، چند فریم پشت‌سرهم کیفیت متفاوتی دارند.

در این صفحه می‌توانید فریم‌به‌فریم جلو و عقب بروید، صد میلی‌ثانیه یا یک ثانیه بپرید، یا زمان دقیق را بر حسب میلی‌ثانیه وارد کنید. پیشنهاد عملی: به‌جای انتخاب اولین فریمی که سوژه در آن دیده می‌شود، چهار پنج فریم اطرافش را ببینید و سخت‌گیرانه مقایسه کنید. اختلاف کیفیت بین دو فریم متوالی گاهی از اختلاف بین قبل و بعد از پردازش بیشتر است.

اگر مرورگر شما کدک ویدیو را نشناسد — که برای بعضی فایل‌های خروجی دستگاه‌های ضبط پیش می‌آید — فریم‌ها روی سرور استخراج می‌شوند و باز هم می‌توانید کار کنید.

فرمت‌های پشتیبانی‌شده و عکس آیفون (HEIC)

هدف این بوده که کاربر اصلاً نگران فرمت نباشد. تصاویر JPG، JPEG، PNG، WEBP، BMP، TIFF، GIF و AVIF مستقیماً خوانده می‌شوند. عکس‌های آیفون و بعضی گوشی‌های اندرویدی با فرمت HEIC یا HEIF ذخیره می‌شوند؛ این فایل‌ها به‌صورت خودکار تبدیل می‌شوند و نیازی نیست خودتان کاری بکنید. اگر فایلی داشتید که خوانده نشد، سیستم تلاش دوم را روی سرور انجام می‌دهد و فقط در صورتی پیام خطا می‌دهد که واقعاً هیچ راهی برای بازکردن آن نمانده باشد.

برای ویدیو هم همین‌طور: MP4، MOV، AVI، MKV و فایل‌های خروجی متداول دستگاه‌های ضبط پشتیبانی می‌شوند. اگر دستگاه شما فایل را با پسوند اختصاصی می‌دهد، معمولاً در نرم‌افزار پخش خودش گزینه‌ای برای خروجی گرفتن به MP4 وجود دارد؛ همان را استفاده کنید.

هفت اشتباه رایج که کیفیت تصویر را نابود می‌کند

1. عکس گرفتن از مانیتور با موبایل. رایج‌ترین اشتباه. با این کار مشکلات جدیدی اضافه می‌کنید: بازتاب صفحه، موج مویره، تاری دست، زاویه کج و یک بار فشرده‌سازی اضافه. اگر تنها راهتان همین است، دست‌کم گوشی را روی سه‌پایه یا یک سطح ثابت بگذارید و صاف روبه‌روی مانیتور بایستید.
2. فوروارد کردن تصویر در پیام‌رسان. واتساپ و تلگرام و بیشتر پیام‌رسان‌ها تصویر را دوباره فشرده می‌کنند و ابعادش را کم می‌کنند. هر بار فوروارد، کیفیت پایین‌تر می‌رود. اگر مجبورید بفرستید، گزینه ارسال به‌عنوان «فایل» یا «سند» را انتخاب کنید نه «عکس».
3. اسکرین‌شات به‌جای خروجی گرفتن. اسکرین‌شات فقط همان چیزی را ذخیره می‌کند که روی صفحه دیده می‌شود؛ اگر فیلم چهار مگاپیکسلی را روی پنجره‌ای کوچک پخش کرده باشید، اسکرین‌شات شما کسری از اطلاعات اصلی را دارد.
4. بزرگ کردن تصویر قبل از آپلود. بعضی‌ها فکر می‌کنند اگر عکس را اول در نرم‌افزار دیگری بزرگ کنند کمک می‌کند. برعکس است: بزرگ‌نمایی قبلی اطلاعات جدیدی اضافه نمی‌کند ولی الگوریتم‌های اینجا را از پیکسل‌های اصلی محروم می‌کند.
5. انتخاب کادر خیلی بزرگ. اگر کل تصویر را انتخاب کنید، سقف بزرگ‌نمایی بین همه بخش‌ها تقسیم می‌شود. کادر را دقیقاً دور همان چیزی بکشید که می‌خواهید بخوانید.
6. روشن گذاشتن نویزگیری روی تصویر کم‌پیکسل. فیلتر نویزگیری روی تصویری که هر رقمش هشت پیکسل است، خود ارقام را هم پاک می‌کند. به همین دلیل به‌صورت پیش‌فرض خاموش است.
7. دیر اقدام کردن. بیشتر دستگاه‌های ضبط به‌صورت چرخه‌ای روی فایل‌های قدیمی می‌نویسند. بسته به ظرفیت هارد و تعداد دوربین، این چرخه می‌تواند یک هفته یا کمتر باشد. اولین کاری که بعد از هر حادثه باید بکنید، گرفتن نسخه پشتیبان از بازه زمانی موردنظر است — قبل از هر کار دیگری.

چطور فایل اصلی را از دستگاه ضبط بیرون بیاوریم

اصل ماجرا ساده است: تقریباً همه دستگاه‌های ضبط، چه DVR آنالوگ و چه NVR تحت شبکه، یک بخش «پشتیبان‌گیری» یا Backup دارند که با آن می‌توانید بازه زمانی مشخصی از یک دوربین را روی حافظه USB کپی کنید. مسیرش معمولاً از منوی اصلی و بخش جستجو یا پخش قابل دسترسی است.

چند نکته عملی که تفاوت ایجاد می‌کند: بازه را کمی بازتر از لحظه حادثه انتخاب کنید، مثلاً یک دقیقه قبل و یک دقیقه بعد، چون ممکن است بعداً بخواهید فریم‌های دیگری را هم بررسی کنید. اگر دستگاه گزینه خروجی با کیفیت اصلی و خروجی فشرده دارد، حتماً اصلی را انتخاب کنید. اگر خروجی با فرمت اختصاصی گرفته شد، معمولاً دستگاه یک پخش‌کننده کوچک هم کنارش کپی می‌کند که امکان تبدیل به فرمت‌های متداول را دارد.

اگر به دستگاه دسترسی فیزیکی ندارید و فقط اپلیکیشن موبایل دارید، توجه کنید که فیلمی که اپلیکیشن روی گوشی ذخیره می‌کند معمولاً نسخه فشرده جریان فرعی (sub-stream) است، نه جریان اصلی. برای پیگیری جدی، حتماً سراغ فایل روی خود دستگاه بروید.

کاربردهای واقعی: از سرقت خودرو تا اختلاف بیمه

بیشترین مراجعه به این صفحه برای خواندن پلاک است، ولی کاربردها از آن فراتر می‌رود:

• سرقت خودرو یا موتورسیکلت: خواندن پلاک خودروی حامل، یا تشخیص مشخصات ظاهری مثل رنگ، رینگ، برچسب روی شیشه و آسیب‌دیدگی بدنه که گاهی از خود پلاک هم برای پیگیری مفیدترند.
• تصادف و فرار از صحنه: علاوه بر پلاک، جهت حرکت، وضعیت چراغ‌ها و لحظه دقیق برخورد اهمیت دارد. قابلیت توقف در میلی‌ثانیه دقیقاً برای همین است.
• اختلاف با شرکت بیمه: نشان دادن اینکه در لحظه حادثه دقیقاً چه اتفاقی افتاده، گاهی با یک فریم واضح حل می‌شود.
• سرقت از مغازه و انبار: بازشناسی چهره تنها راه نیست؛ لباس، کفش، ساعت، خال‌کوبی و طرز راه رفتن هم در پیگیری به کار می‌آیند.
• اختلافات کاری و اداری: خواندن شماره روی یک بسته، یک قبض یا یک برگه در دست فرد.
• مزاحمت و تهدید: ثبت مشخصات خودرو یا فرد برای ارائه به مراجع.

نکات حقوقی: فایل اصلی را دست نزنید

خروجی این ابزار برای دیدن بهتر و پیگیری شخصی شماست. اگر ماجرا به مراجع قضایی یا انتظامی می‌رسد، چند اصل را رعایت کنید.

اول، فایل اصلی و دست‌نخورده دوربین را جدا نگه دارید و هیچ تغییری در آن ندهید؛ نه برش بزنید، نه دوباره ذخیره کنید، نه اسمش را به شکلی عوض کنید که تاریخ و ساعتش گم شود. دوم، نسخه پردازش‌شده را به‌عنوان یک فایل جداگانه و با همین عنوان ارائه کنید و شفاف بگویید که پردازش شده است. سوم، اگر می‌توانید، یادداشت کنید چه پردازشی انجام شده و با چه ابزاری. این‌ها چیزی هستند که در بررسی فنی به آن‌ها اهمیت داده می‌شود و پنهان کردنشان فقط به ضرر خودتان تمام می‌شود.

و نکته‌ای که باید صریح گفته شود: هیچ‌وقت رقمی را که خودتان یا یک نرم‌افزار «حدس» زده‌اید، به‌عنوان رقم قطعی اعلام نکنید. اگر از هشت رقم پلاک، پنج رقم قطعی و سه رقم محتمل دارید، دقیقاً همین را بگویید. پیگیری بر اساس اطلاعات ناقصِ صادقانه، خیلی بهتر از پیگیری بر اساس اطلاعات کاملِ نادرست پیش می‌رود.

برای دفعه بعد: چطور تصویری بگیریم که نیاز به ترمیم نداشته باشد

اگر این صفحه را بعد از یک اتفاق باز کرده‌اید، احتمالاً به این نتیجه رسیده‌اید که سیستم فعلی‌تان آن چیزی را که لازم داشتید ثبت نکرده. چند اصل ساده وجود دارد که تفاوت بین «یک چیزی ضبط شده» و «چیزی که به درد می‌خورد» را می‌سازد.

یک دوربین نمی‌تواند همه کار بکند. دوربینی که کل حیاط را پوشش می‌دهد، ذاتاً پیکسل‌های کمی به هر متر اختصاص می‌دهد. اگر خواندن پلاک برایتان مهم است، یک دوربین اختصاصی لازم دارید که فقط مسیر ورود خودرو را ببیند، با زاویه دید باریک و لنز بلندتر.

زاویه مهم‌تر از مگاپیکسل است. دوربینی که از ارتفاع زیاد و با زاویه تند به پایین نگاه می‌کند، از پلاک فقط یک لبه می‌بیند. زاویه افقی نسبت به پلاک باید کم باشد، در حالت ایده‌آل زیر سی درجه. ارتفاع نصب هم هرچه کمتر بهتر، البته تا جایی که از دسترس خارج باشد.

سرعت شاتر برای سوژه متحرک. خودرویی که با سرعت سی کیلومتر بر ساعت حرکت می‌کند، در هر صدم ثانیه حدود هشت سانتی‌متر جابه‌جا می‌شود. اگر شاتر دوربین کند باشد، پلاک کشیده می‌شود و هیچ رزولوشنی نجاتش نمی‌دهد. در دوربین‌هایی که تنظیم شاتر دارند، برای مسیر تردد خودرو باید شاتر را سریع‌تر تنظیم کرد و در عوض نور بیشتری فراهم کرد.

نور، نه فقط دوربین. بیشتر تصاویر شبانه‌ای که غیرقابل استفاده‌اند، مشکل دوربین ندارند، مشکل نور دارند. یک پروژکتور مادون قرمز یا نور مرئی در جای درست، از ارتقای دوربین به مدل گران‌تر مؤثرتر است. در مورد پلاک، نور مادون قرمز مزیت دیگری هم دارد: سطح بازتابنده پلاک، مادون قرمز را به‌شدت برمی‌گرداند و ارقام با کنتراست بالا ثبت می‌شوند.

فشرده‌سازی و نرخ بیت. اگر دستگاه ضبط برای صرفه‌جویی در فضای هارد، نرخ بیت را خیلی پایین گرفته باشد، تصویری که روی مانیتور خوب به‌نظر می‌رسد، در فایل ضبط‌شده پر از افت کیفیت است. مخصوصاً در صحنه‌های پرحرکت. اگر هارد اجازه می‌دهد، نرخ بیت دوربین مسیر ورودی را بالا ببرید.

اگر می‌خواهید این موارد برایتان محاسبه شود — تعداد دوربین، لنز مناسب، رزولوشن لازم برای فاصله‌ای که دارید، و ظرفیت هارد برای تعداد روز ذخیره‌سازی موردنظرتان — در صفحه پک دوربین هوشمند کافی است شکل و ابعاد فضایتان را وارد کنید و مشخص کنید پلاک‌خوانی می‌خواهید تا همه این‌ها در پک پیشنهادی لحاظ شود.

دوربین پلاک‌خوان (LPR) چه فرقی با دوربین معمولی دارد

دوربین‌هایی که با عنوان پلاک‌خوان یا LPR و ANPR فروخته می‌شوند، فقط دوربین‌های پرمگاپیکسل نیستند. تفاوت اصلی در مجموعه‌ای از تصمیم‌های طراحی است که همه‌شان به یک هدف خدمت می‌کنند: ثبت واضح یک مستطیل کوچک متحرک.

این دوربین‌ها معمولاً لنز بلندتر دارند تا زاویه دید باریک‌تر باشد و پیکسل‌های بیشتری روی عرض کمتری از صحنه بیفتد. شاتر آن‌ها به‌صورت پیش‌فرض سریع تنظیم می‌شود تا تاری حرکتی نداشته باشند. اغلب مادون قرمز اختصاصی دارند که با بازتاب سطح پلاک هماهنگ است. و بسیاری از آن‌ها پردازش تشخیص پلاک را روی خود دوربین انجام می‌دهند و به‌جای فیلم، متن پلاک را هم ثبت می‌کنند.

نکته‌ای که در خرید باید بدانید: یک دوربین پلاک‌خوان خوب، تصویر عمومی خوبی نمی‌دهد. چون شاتر سریع و زاویه باریک دارد، بقیه صحنه معمولاً تاریک و محدود دیده می‌شود. راه‌حل درست، ترکیب است: یک دوربین پلاک‌خوان روی مسیر خودرو و یک دوربین دید کلی برای بقیه صحنه.

محاسبه پیکسل بر متر با یک مثال ساده

این محاسبه را می‌توانید خودتان انجام دهید و قبل از خرید بفهمید چه چیزی به دست می‌آورید. فرمول ساده است: عرض افقی تصویر بر حسب پیکسل، تقسیم بر عرض صحنه‌ای که دوربین در آن فاصله می‌بیند بر حسب متر.

فرض کنید یک دوربین دو مگاپیکسلی دارید که تصویر آن ۱۹۲۰ پیکسل عرض دارد. اگر این دوربین در فاصله‌ای که خودرو رد می‌شود، عرضی معادل هشت متر را پوشش بدهد، پیکسل بر متر می‌شود ۱۹۲۰ تقسیم بر ۸، یعنی ۲۴۰ پیکسل بر متر. این عدد درست زیر آستانه ۲۵۰ برای شناسایی است؛ یعنی در شرایط عالی شاید پلاک خوانده شود و در شرایط معمولی نه.

حالا اگر همان دوربین را با لنز بلندتری تنظیم کنید که فقط چهار متر عرض را ببیند، پیکسل بر متر می‌شود ۴۸۰ که با فاصله خوبی بالای آستانه است. هیچ پولی خرج نکرده‌اید و فقط زاویه دید را نصف کرده‌اید. در مقابل، اگر همان دوربین را طوری بگذارید که شانزده متر را پوشش بدهد، به ۱۲۰ پیکسل بر متر می‌رسید که فقط برای بازشناسی کافی است و پلاک در آن خوانده نمی‌شود، حتی اگر دوربین را به هشت مگاپیکسل ارتقا بدهید و عرض تصویر دو برابر شود.

همین یک محاسبه، بیشتر از هر مشخصه فنی دیگری تعیین می‌کند که سیستم شما در روز حادثه به کارتان می‌آید یا نه.

حریم خصوصی: با فایل شما چه می‌شود

فایلی که آپلود می‌کنید فقط در لحظه پردازش در حافظه سرور قرار می‌گیرد. در دیتابیس ذخیره نمی‌شود، روی دیسک به‌صورت دائمی نوشته نمی‌شود و بعد از ارسال نتیجه از بین می‌رود. فریم‌های ویدیویی که برای انتخاب لحظه استخراج می‌شوند، در یک پوشه موقت با عمر کوتاه نگهداری می‌شوند و به‌صورت خودکار پاک می‌شوند.

بخش زیادی از کار — خواندن فایل، تبدیل HEIC، زوم، انتخاب فریم و انتخاب ناحیه — اصلاً به سرور نمی‌رسد و در مرورگر خودتان انجام می‌شود. هیچ نتیجه‌ای در حساب کاربری ذخیره نمی‌شود و برای استفاده از این ابزار نیازی به ثبت‌نام ندارید.

اگر فایل شما حساس است، توصیه می‌کنیم پیش از آپلود، همان ناحیه‌ای را که لازم دارید در نرم‌افزار خودتان برش بزنید و فقط همان تکه را بفرستید. هم امن‌تر است و هم سریع‌تر.

جمع‌بندی

واضح کردن تصویر یک کار جادویی نیست، یک کار مهندسی است. بخشی از آنچه در تصویر شما «دیده نمی‌شود» در واقع ثبت شده و فقط زیر سایه، نویز، کنتراست کم یا تاری لنز پنهان مانده — و همان بخش را می‌شود بیرون کشید. بخش دیگری اصلاً ثبت نشده و هیچ نرم‌افزاری آن را برنمی‌گرداند. تفاوت این دو حالت را تعداد پیکسل‌هایی تعیین می‌کند که روی سوژه شما افتاده است، و این صفحه همان عدد را قبل از پردازش به شما نشان می‌دهد تا انتظارتان واقعی باشد.

فایل‌تان را آپلود کنید، فریم و ناحیه را انتخاب کنید و ببینید چه چیزی از آن درمی‌آید. و اگر نتیجه نشان داد سیستم فعلی‌تان برای چنین لحظه‌هایی طراحی نشده، دفعه بعد را از همین امروز درست کنید.