随着视频会议应用的深入，各大场景如远程医疗、在线教育等对视频质量的要求越来越高，图像采集设备日益高清，屏幕尺寸不断增大，给视频会议分辨率和清晰度也带来了更大挑战。

　　为此，全时从优化引擎架构，视频前处理，视频编解码和图像采集等方面出发，全面提升视频能力，使得全时会议系统视频清晰度在同等分辨率下达业界顶级水平。

　　全新视频引擎架构，分离了平台相关模块和跨平台模块以及业务流程和数据流程，升级视频算法库，避免了不必要的数据拷贝，优化编解码算法， 极大提升了视频数据处理性能。

　　新架构下，摄像头、桌面、直播流、视频文件等各种视频源可以灵活接入，便于同第三方办公软件、企业管理系统等整合的同时，也为快速实现企业新的功能需求及产品迭代打下了坚实基础。

　　图像在采集、传输、压缩的各个阶段，光线、编解码方式、设备性能等各种因素，都会对视频清晰度，亮度、色彩等产生影响，降低整体观看体验。

　　为适应视频高清化趋势，全时从去噪、锐化、对比度和肤色调整等各个维度对视频画面进行了调优。目前，全时全线产品清晰度在同等分辨率下，清晰度已达到业界顶级水平。

　　视频会议召开中，有时画面会出现雪花或雾样的朦胧感，我们通常称为图片噪声，为提升图像质量，全时采取双边滤波算法，其优势是在去除噪声的同时能更好的保护图像边缘。

　　去噪时，会不可避免的使画面边缘纹理变弱，整体图像看起来模糊，全时采用USM算法来增强图片边缘，使图像更加清晰。

　　首先对图像进行高斯滤波，得到低通图像，接着用原图减去高斯滤波后图像得到高频部分，这个差异如果高于预设的阈值，则将高频部分按预设的权重叠加到原图上。

　　提高图像的亮度与对比度之后，整体图片亮度增加，而且层次感明显增强。

　　由于灯光等原因会造成画面中人物肤色偏白，为将偏黄的肤色调整的更加红润，我们根据U、V分量算出肤色概率图，然后根据原始图像中的像素点从LUT表中查出调整后的像素值并根据肤色概率图按权重叠加。

　　视频清晰度的增加对网络带宽带来了很大挑战，为了解决这个困境，全时对内部编码器进行了升级，使得同样质量的码流， CPU占用率降低5%，同样清晰度的视频，流量降低15%，在同样流量下参会人可观看更多路或更高清的视频，也为企业节约了更多带宽成本。

　　本次针对视频处理及编解码的各项优化，大大提升视频质量及编解码效率、灵活性、鲁棒性，可以在同等计算能力和带宽情况下为用户提供更高质的实时视频通话体验。

　　今后全时将持续精进技术，为各行业提供更为专业的视频服务。