CN113269863B - 一种基于视频图像的前景物体阴影实时生成方法 - Google Patents

一种基于视频图像的前景物体阴影实时生成方法 Download PDF

Info

Publication number
CN113269863B
CN113269863B CN202110810320.3A CN202110810320A CN113269863B CN 113269863 B CN113269863 B CN 113269863B CN 202110810320 A CN202110810320 A CN 202110810320A CN 113269863 B CN113269863 B CN 113269863B
Authority
CN
China
Prior art keywords
shadow
foreground object
calculating
points
transformation matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110810320.3A
Other languages
English (en)
Other versions
CN113269863A (zh
Inventor
袁霞
何金龙
汪彦丞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Sobei Video Cloud Computing Co ltd
Original Assignee
Chengdu Sobei Video Cloud Computing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Sobei Video Cloud Computing Co ltd filed Critical Chengdu Sobei Video Cloud Computing Co ltd
Priority to CN202110810320.3A priority Critical patent/CN113269863B/zh
Publication of CN113269863A publication Critical patent/CN113269863A/zh
Application granted granted Critical
Publication of CN113269863B publication Critical patent/CN113269863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/60—Shadow generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于视频图像的前景物体阴影实时生成方法，包括步骤：S1，对从视频图像中提取的前景物体求取最大外接矩阵，然后根据光源位置、光照方向，将物体绕水平、垂直方向进行扭曲形变，生成阴影图；S2，计算前景物体上的点在平面上影子的对应点，形成一对特征点，同理计算得到多对特征点，然后利用多对特征点计算得到不同平面之间的变换矩阵，利用变换矩阵确定物体影子的位置和方向；在该步骤中至少选取前景物体上的两个点作为基准点；S3，利用步骤S2中的变换矩阵计算前景物体中所有像素点在影子区域对应的像素点的坐标等；本发明解决虚拟演播室、抠像前背景融合、视频图像后期编辑中物体的阴影缺失或不一致问题等。

Description

一种基于视频图像的前景物体阴影实时生成方法
技术领域
本发明涉及视频图像处理领域，更为具体的，涉及一种基于视频图像的前景物体阴影实时生成方法。
背景技术
物体阴影是一种常见的光学现象，在视频图像后期编辑、抠像前背景融合、增强现实等应用中添加前景物体阴影可增强视频图像的真实感，提高视觉感受。近年来，虚拟演播室、视频图像分割、抠像合成等相关技术迅猛发展，其在电视电影、综艺娱乐、直播和军事等领域有着广泛的应用。无论是二维视频图像的前背景融合还是三维虚拟物体与实景融合中，物体阴影是真实感提升的重要元素，若缺少阴影，则物体看上去就像漂浮在空中，不真实。如何从视频图像中重建场景的光照和物体的阴影，是近年来学术界研究的热门课题，也是比较具有挑战的技术难题。
计算机图形渲染技术中，常见的阴影渲染技术有Shadow mapping 技术、阴影体（Shadow Volume)算法和基于光线追钟的阴影绘制算法。Shadow mapping 技术，即阴影贴图技术，是三维渲染中最经典的阴影渲染算法。其原理是以场景中光源位置作为相机视口观察场景，根据场景深度来判断阴影及非阴影区域，从而渲染出最终场景阴影贴图。由于计算效率快，大多数主流的三维渲染引擎中均采用该技术作为阴影渲染技术之一。ShadowVolume通过分析场景几何信息，构造阴影体，场景复杂度决定了算法效率；基于光线追踪的阴影绘制技术通常需要大量的光线求交运算，计算复杂度高，难以普及应用。这类技术需要三维建模、场景几何信息作为输入，仅适用于三维场景或已知深度信息和光照信息的场景。对于视频图像类的二维场景，缺少深度几何等三维场景信息，无法应用。
从视频图像中计算阴影，学术界较为流行的研究方向为基于本征图像阴影分解技术。其原理为假设图像中的每个像素点是由所受光照条件和该点表面的材质属性共同作用的结果。从而图像阴影分解转化为求解图像像素点的光照项和材质项。根据输入图像信息不同，可细分为两大类：1）基于RGB图像的阴影分解技术，以经典的Retinex模型为基础，假设材质改变引起像素值变化较大，而光照变化引起的像素值变化相对较小。利用用户交互及图像全局/局部信息作为约束条件，将问题转换为一个能量方程来求解图像阴影。2）基于深度RGB-D图像的阴影分解技术，则是利用场景中的深度图来进行光照约束，根据场景几何信息来计算物体表面的明暗关系，从而计算图像中的阴影。由于自然场景中光照和材质信息往往较为复杂，计算复杂度高，难以实时，准确度不高；且需要人工交互信息作为先验输入，无法在直播类、视频类场景中广泛推广。
基于全景图的阴影绘制方法是将拍摄的全景图像作为场景环境光照，获取光照信息用于渲染三维虚拟物体阴影，从而获得逼真的光照效果。但该类技术要求输入为全景图，且对真实物体进行三维重建，亦或渲染虚拟三维模型。
从视频图像中提取物体阴影的技术是最为直接的一种方式，即在提取前景物体的同时，将物体的阴影也从原图中提取出来，最后将提取的前景物体和阴影与目标场景融合。这类技术有一个较大的应用限制：目标场景的光照必须与源前景物体所在场景的光照相同，否则会出现视觉上的错误，得不偿失。
在虚拟演播室中，常用三维人物面片来模拟真实场景中的人物，将抠像后的图像用作三维面片纹理贴图，面片在虚拟场景中产生的阴影作为人物的阴影。当光照从面片正前/后方照射时，可产生较为逼真的阴影；当光照从面片侧面照射时，由于面片没有厚度，阴影逐渐变为线状，甚至消失。因此，在演播室中采用人物面片方式产生阴影会从根据光照角度不同，产生不同程度的失真。在极端情况下，无法产生阴影。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于视频图像的前景物体阴影实时生成方法，解决虚拟演播室、抠像前背景融合、视频图像后期编辑中物体的阴影缺失或不一致问题等。
本发明的目的是通过以下方案实现的：
一种基于视频图像的前景物体阴影实时生成方法，包括步骤：
S1，对从视频图像中提取的前景物体求取最大外接矩阵，然后根据光源位置和光照方向，将前景物体进行扭曲形变生成阴影图；
S2，根据步骤S1生成的阴影图，计算前景物体上的点在平面上影子的对应点，形成一对特征点；同理计算得到多对特征点；然后利用多对特征点计算得到不同平面之间的变换矩阵，利用所述变换矩阵确定前景物体影子的位置和方向；在该步骤中至少选取前景物体上的两个点作为基准点，根据基准点能够保证阴影实时跟随前景物体；
S3，利用步骤S2中所述变换矩阵计算前景物体中所有像素点在影子区域对应像素点的坐标，生成前景物体阴影。
进一步地，在步骤S1中，所述将前景物体进行扭曲形变生成阴影图包括如下步骤：固定所述最大外接矩阵的最下端线段，将其绕着水平和垂直方向进行扭曲变形，模拟真实世界中各角度光照阴影的变化生成阴影图。
进一步地，在步骤S1中，所述将前景物体进行扭曲形变生成阴影图包括生成360°阴影图。
进一步地，在步骤S2中，计算前景物体上的点在平面上影子的对应点，包括如下步骤：
根据光源位置
Figure 362844DEST_PATH_IMAGE001
或光的方向
Figure 98719DEST_PATH_IMAGE002
，计算光的方向向量
Figure 156674DEST_PATH_IMAGE003
，阴影投射平面法向量记为
Figure 28815DEST_PATH_IMAGE004
，物体高度为
Figure 881233DEST_PATH_IMAGE005
，则利用方 向光与平面法向的点乘求出光线与影子的交点
Figure 104404DEST_PATH_IMAGE006
：
Figure 575837DEST_PATH_IMAGE007
上式中，
Figure 692697DEST_PATH_IMAGE008
为S点的坐标，
Figure 591383DEST_PATH_IMAGE009
表示方向光的向量坐标，
Figure 193528DEST_PATH_IMAGE010
表示前景物体与平面 的交点point_b的坐标。
进一步地，在步骤S2中，利用多对特征点计算得到不同平面之间的变换矩阵包括如下步骤：以单应变换来确定前景物体影子的位置和方向，单应变换具有八个自由度，利用四对特征点即可求出单应变换矩阵H，从而确定物体影子的位置和方向。
进一步地，在步骤S2中，利用多对特征点计算得到不同平面之间的变换矩阵包括如下步骤：以仿射变换来确定前景物体影子的位置和方向，仿射变换具有六个自由度，利用三对特征点即可求出仿射变换矩阵，从而确定物体影子的位置和方向。
进一步地，在步骤S1中，绕着水平方向进行扭曲变形包括通过对前景物体水平方向缩放和旋转。
进一步地，在步骤S1中，将光源方向俯仰角度设置在85°以下。
进一步地，在步骤S3之后，包括阴影平滑处理步骤：S4，通过滤波操作使阴影边缘平滑过渡，将衰减因子作为滤波系数控制阴影边缘的宽度和平滑程度。
本发明的有益效果包括：
本发明提出一种基于视频图像的前景物体阴影实时生成方法，解决虚拟演播室、抠像前背景融合、视频图像后期编辑中物体的阴影缺失或不一致问题。
本发明基于视频图像中前景物体，在目标场景生成逼真的物体阴影。其至少解决了如下三个关键技术问题：1. 对于任意拍摄的视频图像序列，提取前景物体，并根据目标场景生成视觉效果一致的前景物体阴影。2. 阴影视觉一致性，即与目标场景光照信息一致：阴影明暗和方向一致。3. 阴影生成算法效率实时，实测证明对于4K视频算法效率高于50fps。
本发明的方法应用领域包括但不限于虚实融合中实景物体阴影生成、抠像前背景融合中物体阴影生成，以及视频图像后期编辑中物体阴影生成。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中的360°阴影图生成示意图；
图2为本发明中的影子关系示意图；其中，两个光源light_pos1、light_pos2，光方 向分别为light_direction1、light_direction2，
Figure 937493DEST_PATH_IMAGE011
和
Figure 174440DEST_PATH_IMAGE012
光照与物体的夹角，s1和s2为光线 与影子的交点，shadow1和shaow2为物体阴影；
图3为本发明中的阴影生成示意图。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。需要对本领域人员说明的是，本发明中拍摄的视频图像中前景物体是已知条件，即前景物体已从视频图像中提取，常用的物体提取方法有抠像、分割等，详细的物体提取方法不是本发明讨论的重点，在此不详细讨论。
在本发明的实施方案中，做出如下说明：1）通过抠像提取视频图像中的前景物体， 前景物体可为1个或多个。将原视频图像中的某一帧表示为I，提取出的前景物体可表示为
Figure 978448DEST_PATH_IMAGE013
；其中I为RGB图像，
Figure 441790DEST_PATH_IMAGE013
为带alpha通道的RGBA图像，对于图像中像素
Figure 114080DEST_PATH_IMAGE014
表示 该像素属于物体。2）阴影投射平面为水平面。
如图1~图3所示，一种基于视频图像的前景物体阴影实时生成方法，从视频图像中 提取出前景物体
Figure 80899DEST_PATH_IMAGE013
，可采用常见的抠像、分割等。对每个前景物体
Figure 711600DEST_PATH_IMAGE013
求取最大外接矩 阵，记为
Figure 131080DEST_PATH_IMAGE015
。根据光源位置、光照方向，将前景物体绕水平、垂直方向进行扭曲形变，即 可生成前景物体的阴影图，详细过程如下：固定最大外接矩阵
Figure 105596DEST_PATH_IMAGE015
最下端线段，将其绕着 水平和垂直方向进行特定扭曲变形，即可生成360°阴影图，能够模拟真实世界中各角度光 照阴影的变化。如图1所示，影子在水平面旋转角度r2，决定阴影投射的方向和大小；影子在 垂直平面（俯仰）转角度r1，决定阴影投射的长短。如图3所示，在本实施例中最大外接矩阵
Figure 926922DEST_PATH_IMAGE015
指p1 p2 p3 p4，最下端指矩形的下边线段p1p2。阴影的生成可通过将最大外接矩阵
Figure 603891DEST_PATH_IMAGE015
在光照方向上进行扭曲变换而得。
阴影方向计算：已知光源位置
Figure 635300DEST_PATH_IMAGE016
或光的方向
Figure 790338DEST_PATH_IMAGE017
，计算光的方 向向量
Figure 856383DEST_PATH_IMAGE018
，阴影投射平面法向量记为
Figure 438674DEST_PATH_IMAGE019
，物体高度为
Figure 957380DEST_PATH_IMAGE020
，则可利用方向光与平面法向的点乘求出光线与影子的交点
Figure 916109DEST_PATH_IMAGE021
。如图2所示，根据影子投射原理，可得光线与平面的交点坐标如下：
Figure 446448DEST_PATH_IMAGE022
依据以上原理，可计算出光线与前景物体的最大外接矩阵
Figure 825739DEST_PATH_IMAGE015
的两个上端点的 影子在平面上的交点，即为前景物体在平面上影子的两个端点。如图3所示，计算出
Figure 972686DEST_PATH_IMAGE023
在 平面上影子的对应点
Figure 594160DEST_PATH_IMAGE024
，空间中，两平面之间变换为单应变换或仿射变换而得。本发 明中，很容易寻找出前景物体与阴影的4对特征点
Figure 244585DEST_PATH_IMAGE025
用于求解变换矩阵。仿射变 换具有6个自由度，需要3对特征点即可求出变换矩阵；单应变换具有8个自由度，需要4对特 征点可求出变换矩阵。以上两种变换均可用于本发明方案提出的阴影求解。相较于仿射变 换，单应变换更具有灵活性，因此本实施方案后续以单应变换来展开阴影计算的描述和验 证，仿射变换不再赘述。根据图示前景物体的最大外接矩阵
Figure 168678DEST_PATH_IMAGE015
的4个特征点及其影子对 应点，可求出单应变换矩阵H，从而确定物体影子的位置和方向。
Figure 661976DEST_PATH_IMAGE026
上式中，
Figure 696929DEST_PATH_IMAGE027
等表示矩阵中元素。
根据图3求出的单应变换矩阵H，即可计算出最大外接矩阵
Figure 592072DEST_PATH_IMAGE015
中所有像素点
Figure 687067DEST_PATH_IMAGE028
在影子区域对应的像素点
Figure 166197DEST_PATH_IMAGE029
的坐标。
Figure 4840DEST_PATH_IMAGE030
其中像素坐标
Figure 488911DEST_PATH_IMAGE031
。通过插值算法求出阴影区域每个像素的像素 值。
阴影实时跟随物体处理：前景物体的最大外接矩阵
Figure 20386DEST_PATH_IMAGE015
有4个关键特征点用于生 成变换矩阵，其中前景物体
Figure 98064DEST_PATH_IMAGE015
底端两个特征点固定不动，作为阴影跟随物体的基准点。 因此，生成的阴影底端与前景物体
Figure 130610DEST_PATH_IMAGE015
底端对齐即可保证阴影实时跟随。如图3所示，
Figure 344554DEST_PATH_IMAGE032
为阴影和物体对齐的两个基准点。
阴影的颜色：阴影颜色由光照强度与接受阴影物体的材质共同决定，光照越强，阴 影颜色越深；反之，越浅。假设阴影强度
Figure 171565DEST_PATH_IMAGE033
范围为取值范围为0~1.0，
Figure 736538DEST_PATH_IMAGE034
为接受阴影的物体颜色。
Figure 543082DEST_PATH_IMAGE035
；
上式中，
Figure 142691DEST_PATH_IMAGE036
表示阴影颜色，
Figure 750390DEST_PATH_IMAGE037
表示阴影强度，
Figure 927293DEST_PATH_IMAGE038
表示接受阴影的物体颜色。
阴影的平滑处理：阴影边缘常会有锯齿，通过滤波操着使阴影边缘能够平滑过渡，衰减因子作为滤波系数控制阴影边缘的宽度和平滑程度。
对于水平方向的阴影生成，前景物体的最大外接矩阵
Figure 911430DEST_PATH_IMAGE015
个特征点对应的阴影 投射点退化为一条线，无法通过单应变换生成阴影。对前景物体的最大外接矩阵
Figure 490179DEST_PATH_IMAGE015
水 平方向缩放和旋转来生成阴影。
对于光源方向俯仰角度接近90°时，生成的阴影会无限长，需要俯仰角度限制在85°以下避免出现以上问题。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，在一台计算机设备（可以是个人计算机，服务器，或者网络设备等）以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器（Random Access Memory，RAM）、随机存取存储器（Random Access Memory，RAM）等。

Claims (7)

1.一种基于视频图像的前景物体阴影实时生成方法，其特征在于，包括步骤：
S1，对从视频图像中提取的前景物体求取最大外接矩阵，然后根据光源位置和光照方向，将前景物体进行扭曲形变生成阴影图；在步骤S1中，所述将前景物体进行扭曲形变生成阴影图包括如下步骤：固定所述最大外接矩阵的最下端线段，将其绕着水平和垂直方向进行扭曲变形，模拟真实世界中各角度光照阴影的变化生成阴影图；
S2，根据步骤S1生成的阴影图，计算前景物体上的点在平面上影子的对应点，形成一对特征点；同理计算得到多对特征点；然后利用多对特征点计算得到不同平面之间的变换矩阵，利用所述变换矩阵确定前景物体影子的位置和方向；在该步骤中至少选取前景物体上的两个特征点作为基准点，根据基准点能够保证阴影实时跟随前景物体；
S3，利用步骤S2中所述变换矩阵计算前景物体中所有像素点在影子区域对应像素点的坐标，生成前景物体阴影。
2.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S1中，所述将前景物体进行扭曲形变生成阴影图包括生成360°阴影图。
3.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S2中，计算前景物体上的点在平面上影子的对应点，包括如下步骤：
根据光源位置
Figure DEST_PATH_IMAGE001
或光的方向
Figure DEST_PATH_IMAGE002
，计算光的方向向量
Figure DEST_PATH_IMAGE003
，阴影投射平面法向量记为
Figure DEST_PATH_IMAGE004
，物体高度为
Figure DEST_PATH_IMAGE005
，则利用方向光与平面法向的点乘求出光线与影子的交点
Figure DEST_PATH_IMAGE006
：
Figure DEST_PATH_IMAGE007
上式中，
Figure DEST_PATH_IMAGE008
为S点的坐标，
Figure DEST_PATH_IMAGE009
表示方向光的向量坐标，
Figure DEST_PATH_IMAGE010
表示前景物体与平面的交点point_b的坐标。
4.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S2中，利用多对特征点计算得到不同平面之间的变换矩阵包括如下步骤：以单应变换来确定前景物体影子的位置和方向，单应变换具有八个自由度，利用四对特征点即可求出单应变换矩阵H，从而确定物体影子的位置和方向。
5.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S2中，利用多对特征点计算得到不同平面之间的变换矩阵包括如下步骤：以仿射变换来确定前景物体影子的位置和方向，仿射变换具有六个自由度，利用三对特征点即可求出仿射变换矩阵，从而确定物体影子的位置和方向。
6.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S1中，绕着水平方向进行扭曲变形包括通过对前景物体水平方向缩放和旋转。
7.根据权利要求1所述的一种基于视频图像的前景物体阴影实时生成方法，其特征在于，在步骤S3之后，包括阴影平滑处理步骤：S4，通过滤波操作使阴影边缘平滑过渡，将衰减因子作为滤波系数控制阴影边缘的宽度和平滑程度。
CN202110810320.3A 2021-07-19 2021-07-19 一种基于视频图像的前景物体阴影实时生成方法 Active CN113269863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110810320.3A CN113269863B (zh) 2021-07-19 2021-07-19 一种基于视频图像的前景物体阴影实时生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110810320.3A CN113269863B (zh) 2021-07-19 2021-07-19 一种基于视频图像的前景物体阴影实时生成方法

Publications (2)

Publication Number Publication Date
CN113269863A CN113269863A (zh) 2021-08-17
CN113269863B true CN113269863B (zh) 2021-09-28

Family

ID=77236698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110810320.3A Active CN113269863B (zh) 2021-07-19 2021-07-19 一种基于视频图像的前景物体阴影实时生成方法

Country Status (1)

Country Link
CN (1) CN113269863B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113965665A (zh) * 2021-11-22 2022-01-21 上海掌门科技有限公司 一种用于确定虚拟直播图像的方法与设备
CN114494384B (zh) * 2021-12-27 2023-01-13 北京吉威空间信息股份有限公司 建筑物阴影分析方法、装置、设备及存储介质
CN114665887B (zh) * 2022-05-24 2022-09-06 成都索贝视频云计算有限公司 一种基于整体压缩的json字符串数据压缩方法
CN117011446B (zh) * 2023-08-23 2024-03-08 苏州深捷信息科技有限公司 一种动态环境光照的实时渲染方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102842037A (zh) * 2011-06-20 2012-12-26 东南大学 一种基于多特征融合的车辆阴影消除方法
CN107749075A (zh) * 2017-10-26 2018-03-02 太平洋未来科技（深圳）有限公司 视频中虚拟对象光影效果的生成方法和装置
CN108038897A (zh) * 2017-12-06 2018-05-15 北京像素软件科技股份有限公司 阴影贴图生成方法及装置
CN109064544A (zh) * 2018-08-09 2018-12-21 太平洋未来科技（深圳）有限公司 全景视频中虚拟对象的光影渲染方法、装置及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8224078B2 (en) * 2000-11-06 2012-07-17 Nant Holdings Ip, Llc Image capture and identification system and process
CN108010120A (zh) * 2017-11-30 2018-05-08 网易（杭州）网络有限公司 静态阴影的显示方法、装置、存储介质、处理器及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102842037A (zh) * 2011-06-20 2012-12-26 东南大学 一种基于多特征融合的车辆阴影消除方法
CN107749075A (zh) * 2017-10-26 2018-03-02 太平洋未来科技（深圳）有限公司 视频中虚拟对象光影效果的生成方法和装置
CN108038897A (zh) * 2017-12-06 2018-05-15 北京像素软件科技股份有限公司 阴影贴图生成方法及装置
CN109064544A (zh) * 2018-08-09 2018-12-21 太平洋未来科技（深圳）有限公司 全景视频中虚拟对象的光影渲染方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A purely image-based approach to augmenting panoramas with object movies;Yi-PingHung等;《Proe.Inte Workshop on Computer Graphics and Virtual Reality》;20011231;1-11 *
基于图像的复杂场景中合成物体的阴影生成;邬杭松;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20060915(第9期);I138-690 *

Also Published As

Publication number Publication date
CN113269863A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN113269863B (zh) 一种基于视频图像的前景物体阴影实时生成方法
Liu et al. Content-preserving warps for 3D video stabilization
US8947422B2 (en) Gradient modeling toolkit for sculpting stereoscopic depth models for converting 2-D images into stereoscopic 3-D images
Wei et al. Fisheye video correction
CN108564527B (zh) 基于神经网络的全景图内容补全和修复的方法及装置
US8922628B2 (en) System and process for transforming two-dimensional images into three-dimensional images
Rematas et al. Image-based synthesis and re-synthesis of viewpoints guided by 3d models
Tong et al. Stereopasting: interactive composition in stereoscopic images
Wu et al. Specular-to-diffuse translation for multi-view reconstruction
Wu et al. Modeling and rendering of impossible figures
Liu et al. Static scene illumination estimation from videos with applications
Ma et al. Neural compositing for real-time augmented reality rendering in low-frequency lighting environments
Li et al. Interactive image/video retexturing using GPU parallelism
Nicolet et al. Repurposing a relighting network for realistic compositions of captured scenes
Chang et al. A review on image-based rendering
Han et al. Real-time globally consistent dense 3D reconstruction with online texturing
Degadwala et al. Moving Object Inpainting using Deep Learning
Wu et al. Rectangling irregular videos by optimal spatio-temporal warping
CN112002019B (zh) 一种基于mr混合现实的模拟人物阴影的方法
Huang et al. 360° stereo image composition with depth adaption
Yan et al. Stereoscopic image generation from light field with disparity scaling and super-resolution
Hu et al. Texture painting from video
Hall et al. RTcams: A new perspective on nonphotorealistic rendering from photographs
Chen et al. A quality controllable multi-view object reconstruction method for 3D imaging systems
Güssefeld et al. Are reflectance field renderings appropriate for optical flow evaluation?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant