CN105335950B - 图像处理方法和图像处理装置 - Google Patents
图像处理方法和图像处理装置 Download PDFInfo
- Publication number
- CN105335950B CN105335950B CN201410230506.1A CN201410230506A CN105335950B CN 105335950 B CN105335950 B CN 105335950B CN 201410230506 A CN201410230506 A CN 201410230506A CN 105335950 B CN105335950 B CN 105335950B
- Authority
- CN
- China
- Prior art keywords
- refocusing
- image
- depth
- depth plane
- images
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 68
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000004927 fusion Effects 0.000 claims description 105
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 230000009471 action Effects 0.000 claims description 6
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 38
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/72—Combination of two or more compensation controls
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/21—Indexing scheme for image data processing or generation, in general involving computational photography
-
- 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
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明的实施例提供了一种图像处理方法和图像处理装置。该方法包括:确定多个深度平面的深度信息,多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中多个重聚焦图像由多个重聚焦图像的原始数据生成;根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。本发明的技术方案能够同时获得多个深度平面的物体的清晰图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种图像处理方法和图像处理装置。
背景技术
在常规摄影中,为了突出某个主题景物,常常会将相机对焦到该主题景物所在的深度平面,使得该主题景物清晰成像在传感器上,而其它深度平面的物体的成像则是模糊的。
随着数字成像技术、图像处理、机器视觉的发展,产生了重聚焦技术。根据重聚焦技术,在图像形成之后,根据用户的需要,可以重新选择聚焦平面或景深的技术,即重聚焦技术,其中景深是指成像设备能够清晰成像的范围。
例如,光场相机就采用了重聚焦技术。光场相机包含微透镜阵列,拍摄时,微透镜阵列中的每个微透镜在传感器上形成一个图像,从而获得图像阵列,并且可以采用重聚焦算法对图像阵列进行处理,以获得某个深度平面的重聚焦图像。在形成重聚焦图像之后,用户根据需要每次能够获得位于一个深度平面内景物的聚焦图像,这样,用户只能看到一个深度平面的景物的清晰图像,而看到的位于其它深度平面的景物的图像则是模糊的。
发明内容
本发明的实施例提供了一种图像处理方法和图像处理装置,能够同时获得多个深度平面的景物的清晰图像。
第一方面,提供了一种图像处理方法,包括:确定多个深度平面的深度信息,多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中多个重聚焦图像由多个重聚焦图像的原始数据生成;根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合第一方面,在第一种可能的实现方式中,多个深度平面分别对应于多个重聚焦图像的原始数据,其中,根据深度信息,生成多深度平面重聚焦图像,包括:根据多个深度平面的深度信息确定多个重聚焦图像的原始数据;根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合在第一种可能的实现方式,在第二种可能的实现方式中,上述根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,包括:采用重聚焦算法对多个重聚焦图像的原始数据进行重聚焦处理,生成多个重聚焦图像;合并多个重聚焦图像,以生成多深度平面重聚焦图像。
结合第二种可能的实现方式,在第三种可能的实现方式中,合并多个重聚焦图像,包括:采用图像融合方法合并多个重聚焦图像的聚焦部分。
结合第三种可能的实现方式,在第四种可能的实现方式中,确定多个重聚焦图像的像素的点扩散函数;根据像素的点扩散函数生成融合权重模板,其中融合权重模板包括像素的融合权重,并且聚焦程度高的像素的融合权重高于聚焦程度低的像素的融合权重;根据融合权重模板,对多个重聚焦图像进行图像融合。
结合第二种可能的实现方式,在第五种可能的实现方式中,多个重聚焦图像中的每个重聚焦图像包括聚焦部分和非聚焦部分,合并多个重聚焦图像,包括:从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;拼接聚焦部分和非聚焦部分。
结合第一种可能的实现方式,在第六种可能的实现方式中,根据多个深度平面的深度信息和多个重聚焦图像生成多深度平面重聚焦图像,包括:根据多个深度平面的深度信息确定多个重聚焦图像的原始数据;根据多个重聚焦图像的原始数据生成多个重聚焦图像中的每个重聚焦图像的聚焦区域和非聚焦区域;拼接聚焦部分和非聚焦部分。
结合第一方面,在第七种可能的实现方式中,第一方面的方法还包括:根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,全部深度平面分别对应于全部深度平面的重聚焦图像,其中根据深度信息,生成多深度平面重聚焦图像,包括:根据多个深度平面的深度信息从全部深度平面的重聚焦图像中选择多个深度平面的重聚焦图像;根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合第七种可能的实现方式,在第八种可能的实现方式下,根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,包括:确定全部重聚焦图像的像素的点扩散函数;根据全部重聚焦图像的像素的点扩散函数生成融合权重模板,其中融合权重模板包括全部重聚焦图像的像素的融合权重,多个重聚焦图像的像素的融合权重高于全部重聚焦图像中除多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,多个重聚焦图像中聚焦程度高的像素的融合权重高于多个重聚焦图像中聚焦程度较低的像素的融合权重;根据融合权重模板,对全部重聚焦图像进行图像融合。
结合第七种可能的实现方式,在第九种可能的实现方式下,根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,包括:从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;拼接聚焦部分和非聚焦部分。
结合第七可能的实现方式,在第十种可能的实现方式中,第一方面的方法还包括:以深度平面的深度或像素坐标为索引从查询表中查询多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中,聚焦部分和非聚焦部分以深度平面的深度或像素坐标为索引存储在查询表中,其中根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,包括:拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
结合第五种、第六种、第九种或第十种可能的实现方式,在第十一种可能的实现方式中,拼接聚焦部分和非聚焦部分,包括:对聚焦部分的图像和非聚焦部分的图像进行预处理、图像配准和图像融合。
结合第一方面或上述任一种可能的实现方式,在第十二种可能的实现方式中,第一方面的方法还包括:显示多个重聚焦图像中的一个重聚焦图像;获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中多个用户输入对应于多个深度平面;在显示设备上输出生成多深度平面重聚焦图像;其中确定多个深度平面的深度信息,包括:根据多个用户输入确定多个深度平面的深度信息。
结合第十二种可能的实现方式,在第十三种可能的实现方式中,用户输入为以下之一:用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
结合第一方面或上述任一种可能的实现方式,在第十四种可能的实现方式中,确定多个深度平面的深度信息,包括:根据预定义的输入确定预定义的输入对应的多个深度平面,方法还包括:在显示设备上输出与预定义的输入对应的多深度平面重聚焦图像。
第二方面,提供了一种图像处理装置,包括:确定模块,用于确定多个深度平面的深度信息,其中多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中所述多个重聚焦图像由所述多个重聚焦图像的原始数据生成;生成模块,用于根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合第二方面,在第一种可能的实现方式中,多个深度平面分别对应于多个重聚焦图像的原始数据,生成模块根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,并且根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合第一种可能的实现方式,在第二种可能的实现方式中,生成模块采用重聚焦算法对多个重聚焦图像的原始数据进行重聚焦处理,生成多个重聚焦图像,并且合并多个重聚焦图像,以生成多深度平面重聚焦图像。
结合第二方面的第二种可能的实现方式,在第三种可能的实现方式中,生成模块采用图像融合方法合并多个重聚焦图像的聚焦部分。
结合第二方面的第三种可能的实现方式,在第四种可能的实现方式中,生成模块确定多个重聚焦图像的像素的点扩散函数,根据像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对多个重聚焦图像进行图像融合,其中融合权重模板包括像素的融合权重,并且聚焦程度高的像素的融合权重高于聚焦程度低的像素的融合权重。
结合第二方面的第二种可能的实现方式,在第五种可能的实现方式中,生成模块从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并拼接聚焦部分和非聚焦部分。
结合第二方面的第一种可能的实现方式,在第六种可能的实现方式中,生成模块根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,根据多个重聚焦图像的原始数据生成多个重聚焦图像中的每个重聚焦图像的聚焦区域和非聚焦区域,并且拼接聚焦部分和非聚焦部分。
结合第二方面,在第七种可能的实现方式中,生成模块根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,全部深度平面分别对应于全部深度平面的重聚焦图像,根据多个深度平面的深度信息从全部深度平面的重聚焦图像中选择多个深度平面的重聚焦图像,并且根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
结合第二方面的第七种可能的实现方式,在第八种可能的实现方式中,生成模块确定全部重聚焦图像的像素的点扩散函数,根据全部重聚焦图像的像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对全部重聚焦图像进行图像融合,其中融合权重模板包括全部重聚焦图像的像素的融合权重,多个重聚焦图像的像素的融合权重高于全部重聚焦图像中除多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,多个重聚焦图像中聚焦程度高的像素的融合权重高于多个重聚焦图像中聚焦程度较低的像素的融合权重。
结合第二方面的第七种可能的实现方式,在第九种可能的实现方式中,生成模块从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;拼接聚焦部分和非聚焦部分。
结合第二方面的第七种可能的实现方式,在第十种可能的实现方式中,第二方面的图像处理装置还包括:查询模块,用于以深度平面的深度或像素坐标为索引从查询表中查询多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中,聚焦部分和非聚焦部分以深度平面的深度或像素坐标为索引存储在查询表中,其中生成模块拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
结合第五种、第六种、第九种或第十种可能的实现方式,在第十一种可能的实现方式中,生成模块在进行拼接时对聚焦部分的图像和非聚焦部分的图像进行预处理、图像配准和图像融合。
结合第二方面或上述任一种可能的实现方式,在第十二种可能的实现方式中,第二方面的图像处理装置还包括:显示模块,用于显示多个重聚焦图像中的一个重聚焦图像;获取模块,用于获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中多个用户输入对应于多个深度平面,其中显示模块在显示设备上输出生成多深度平面重聚焦图像,确定模块根据多个用户输入确定多个深度平面的深度信息。
结合第十二种可能的实现方式,在第十三种可能的实现方式中,用户输入为以下之一:用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
结合第二方面或上述任一种可能的实现方式,在第十四种可能的实现方式中,确定模块根据预定义的输入确定预定义的输入对应的多个深度平面,图像处理装置还包括:显示模块,用于在显示设备上输出与预定义的输入对应的多深度平面重聚焦图像。
本发明的技术方案,可以根据深度信息生成多深度平面重聚焦图像,由于该多深度平面重聚焦图像包含多个深度重聚焦图像的聚焦部分,使得可以同时显示多个深度重聚焦图像的聚焦部分,从而能够同时获得多个深度平面的景物的清晰图像。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明的一个实施例的图像处理方法的示意性流程图。
图2是根据本发明的另一实施例的图像处理过程的示意性流程图。
图3示出了深度平面与用户输入的对应关系的示意图。
图4是根据本发明的实施例的双平面表示法的两个平面的示意图。
图5是根据本发明的实施例的合成像摄影原理的示意图。
图6是根据本发明的实施例的合成像摄影原理的模型的几何关系的示意图。
图7是根据本发明的又一实施例的图像处理过程的示意性流程图。
图8是根据本发明的另一实施例的图像处理过程的示意性流程图。
图9是根据本发明的再一实施例的图像处理过程的示意性流程图。
图10是根据本发明的一个实施例的图像处理装置的结构示意图。
图11是根据本发明的另一实施例的图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的实施例中,深度可以指景物到相机的距离。多个深度平面可以是深度连续的,本发明的实施例对此不作限定,例如,多个深度平面也可以是深度间断的。应理解的是,每个深度平面可以对应一个聚焦平面,也可以对应一个景深。需要说明的是,本文中所说的“多个”,包括两个及两个以上。
本发明的实施例可以应用于相机中,也可以应用于其它用户终端(例如,手机或计算机)中,用于处理重聚焦图像的原始数据以生成多深度平面重聚焦图像。
图1是根据本发明的一个实施例的图像处理方法的示意性流程图。图1的方法可以由图像处理装置执行。图1的方法包括以下内容。
110,确定多个深度平面的深度信息,多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中多个重聚焦图像由多个重聚焦图像的原始数据生成。
深度信息可以包含深度平面信息、像素坐标信息、像素颜色信息、像素点扩散函数信息、像素对应光线的光场信息、像素对应光线的追迹信息中的至少一种或者它们的任意组合。本发明的实施例对如何确定多个深度平面的深度信息的方式不作限定,深度信息可以来自用户的输入或者预先定义。
图像处理装置可以根据用户的输入或者预定义输入获得需要重聚焦区域所对应的深度平面。例如,根据用户在用户界面上的实时输入或选择来确定需要重聚焦的区域所对应的深度平面。当用户在用户界面上选中多个区域,多个区域与深度平面相对应,图像处理装置据此可以获知需要重聚焦的区域所对应的深度平面。根据本发明的实施例并不限于此,图像处理装置也可以根据预先定义的信息确定多个深度平面的深度信息。
120,根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
例如,在每个深度平面对应的重聚焦图像中,图像的一部分是聚焦的,即图像的这部分是清晰的,而图像的其它部分是非聚焦的,即图像的其它部分模糊的。确定多个深度平面的深度信息是指确定需要对哪些深度平面的图像进行重聚焦。在这种情况下,生成多深度平面重聚焦图像的过程可以是将多个深度平面对应的聚焦部分进行合并。另外,在生成的多深度平面重聚焦图像中,可以合并多个深度平面对应聚焦部分和剩余的非聚焦部分,从而能够呈现完整的图像。
根据本发明的实施例,可以根据深度信息生成多深度平面重聚焦图像,由于该多深度平面重聚焦图像包含多个深度重聚焦图像的聚焦部分,使得可以同时显示多个深度重聚焦图像的聚焦部分,从而能够同时获得多个深度平面的景物的清晰图像。
在120中,图像处理装置可以根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,并且根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
例如,可以根据用户输入的深度信息确定与该深度平面相对应的重聚焦图像的原始数据,还可以根据预先定义来确定需要重聚焦的深度平面以及与该深度平面相对应的重聚焦图像的原始数据。根据用户输入或预定义输入获得重聚焦深度平面信息的方法可以根据原始数据的种类不同而有所不同。
图像处理装置可以根据重聚焦图像的原始数据生成聚焦部分,或者可以根据重聚焦图像的原始数据生成非聚焦部分,或者可以根据重聚焦图像的原始数据同时生成聚焦部分和非聚焦部分。例如,原始数据可以是由带有微透镜阵列的摄像模块(例如,光场相机)拍摄得到的。每个深度平面具有各自的重聚焦图像的原始数据,用于根据需要生成与该深度平面相对应的重聚焦图像。
根据本发明的实施例,可以根据多个深度平面对应的多个重聚焦图像的原始数据生成多深度平面重聚焦图像,由于该多深度平面重聚焦图像包含多个深度重聚焦图像的聚焦部分,使得可以同时显示多个深度重聚焦图像的聚焦部分,从而能够同时获得多个深度平面的景物的清晰图像。另外,由于根据深度信息使用原始数据生成与上述多个深度空间对应的多深度平面重聚焦图像,无需生成全部的重聚焦图像,因此,节省了大量的存储空间。
应理解,上述重聚焦图像的原始数据可以是任何用来生成重聚焦图像的数据,包括但不限于以下各种图像数据或者以下各种图像数据的组合。
例如,上述原始数据可以是一幅或多幅普通摄像模块拍摄的图像。上述多幅图像是指在不同拍摄参数设置下对同一场景拍摄的图像,如焦距不同、光圈不同、曝光量不同、感应波长不同等;或者是指在不同位置对同一场景拍摄的图像。
可替代地,作为另一实施例,上述原始数据还可以是带有孔径掩模板、相位掩模板或其他类型掩模板的摄像模块拍摄的一幅或多幅孔径编码图像。进一步地,上述原始数据还可以是由孔径编码图像经各种图像处理算法处理得到的图像。
可替代地,作为另一实施例,上述原始数据还可以是带有微透镜阵列或孔径阵列的摄像模块拍摄的一幅或多幅图像阵列。进一步地,上述原始数据也可以是由图像阵列经各种图像处理算法处理得到的图像,如单一深度平面重聚焦图像、全聚焦图像、虚拟针孔图像等。
可替代地,作为另一实施例,上述原始数据还可以是多个配置相同或不同的摄像模块所组成的摄像阵列拍摄的一幅或多幅图像阵列。进一步地,上述原数据也可以是由图像阵列经各种图像处理算法处理得到的图像。
可替代地,作为另一实施例,上述原始数据还可以是深度感应设备与摄像模块针对同一场景分别获得的深度信息和图像的组合。其中深度感应设备包括利用光的飞行时间、光的相位差、结构光光照等原理实现的各种设备。
在120中,图像处理装置可以采用重聚焦算法对多个重聚焦图像的原始数据进行重聚焦处理,生成多个重聚焦图像,并且合并多个重聚焦图像,以生成多深度平面重聚焦图像。
根据本发明的实施例,重聚焦算法可以是卷积算法、去卷积算法、融合算法、拼接算法、光线追迹算法、滤波算法或其它单一深度平面的重聚焦算法或者这些算法的组合。
在120中,采用图像融合(Image Fusion)方法合并多个重聚焦图像的聚焦部分。
例如,图像融合方法是一种图像分析方法,图像处理装置可以采用图像融合方法将两幅或多幅图像合成一幅图像。由于同一场景的多幅图像之间的信息存在冗余性和互补性,因此,经图像融合方法得到的合成图像则可以更全面、更精确地描绘图像。图像融合方法包括基于灰度的算法,(例如,直接平均法、加权平均法、中值滤波法、多分辨率样条技术等)、基于感兴趣区域的图像融合算法、基于颜色空间变换的融合算法以及基于变换域的融合算法等。
在120中,图像处理装置可以在采用图像融合方法合并多个重聚焦图像的聚焦部分时,确定多个重聚焦图像的像素的点扩散函数,根据像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对多个重聚焦图像进行图像融合,其中融合权重模板包括像素的融合权重,并且聚焦程度高的像素的融合权重高于聚焦程度低的像素的融合权重。换句话说,像素的聚焦程度与融合权重成正比。这样,使得清楚呈现的是与多个深度空间对应的聚焦部分。
例如,聚焦程度也称为清晰的程度,可以根据点扩散函数来衡量聚焦程度的高低。另外,也可以采用聚焦评价函数来评估聚焦程度。
根据本发明的实施例,多个重聚焦图像中的每个重聚焦图像包括聚焦部分和非聚焦部分,在120中,在合并多个重聚焦图像时,可以从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。例如,可以从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分。
可替代地,也可以任选一幅图像,并且将多个深度平面对应的多个重聚焦图像的聚焦部分与该图像融合,使得聚焦部分与非聚焦部分的衔接更加自然。
在120中,根据多个重聚焦图像的原始数据生成多个重聚焦图像中的每个重聚焦图像的聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
换句话说,直接由原始数据生成聚焦部分和非聚焦部分。这种情况下,可以省去截取聚焦部分和非聚焦部分的步骤,简化了图像处理过程。
根据本发明的实施例,在120中,图像处理装置还可以根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,根据多个深度平面的深度信息从全部深度平面的重聚焦图像中选择多个深度平面的重聚焦图像,并且根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,其中全部深度平面分别对应于全部深度平面的重聚焦图像,多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
换句话说,在确定深度信息并生成多深度平面重聚焦图像之前,预先生成全部分重聚焦图像,这样可以在确定深度信息之后从预先生成的重聚焦图像中选择相应的重聚焦图像,从而缩短了生成多深度重聚焦图像的时间,提升了用户体验。
根据本发明的实施例,在120中,图像处理装置可以确定全部重聚焦图像的像素的点扩散函数;根据全部重聚焦图像的像素的点扩散函数生成融合权重模板,其中融合权重模板包括全部重聚焦图像的像素的融合权重,多个重聚焦图像的像素的融合权重高于全部重聚焦图像中除多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,多个重聚焦图像中聚焦程度高的像素的融合权重高于多个重聚焦图像中聚焦程度较低的像素的融合权重;根据融合权重模板,对全部重聚焦图像进行图像融合。
换句话说,由深度信息确定的多个重聚焦图像的融合权重高于其它重聚焦图像的权重,并且对于多个重聚焦图像,像素的聚焦程度与融合权重成正比。这样,使得清楚呈现的是与多个深度空间对应的聚焦部分。
根据本发明的实施例,在120中,图像处理装置可以从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
可选地,作为另一实施例,图1的方法还包括:从全部重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;以深度平面的深度或像素坐标为索引,分别将聚焦部分和非聚焦部分存储在查询表中;以深度平面的深度或像素坐标为索引从查询表中查询多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,包括:拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
例如,深度平面的深度为各个深度平面到基准平面(例如,相机)的距离,每个深度平面可以对应一个深度距离。图像上与每个深度平面对应的部分可以包括多个像素,每个像素的坐标可以对应一个深度平面,每个深度平面可以对应多个像素坐标。可以在拼接聚焦部分和非聚焦部分之前建立深度平面的深度或像素坐标与聚焦部分的对应关系,和/或深度平面的深度或像素坐标与非聚焦部分的对应关系,并且将上述对应关系存储在查询表中。本发明的实施例对建立该对应关系的时机不作限定,例如,可以是在完成摄影过程中或者在完成摄影过程之后,也可以是在拼接聚焦部分和非聚焦部分之前的任何时间。例如,可以预先建立针对所有深度平面的聚焦部分和非聚焦部分与深度平面的深度或像素坐标的对应关系,这样,当在用户界面上接收到用户输入时,可以首先根据用户输入确定深度平面的深度或像素坐标,然后根据深度平面的深度或像素坐标从查询表中获取聚焦部分和非聚焦部分,并将聚焦部分和非聚焦部分拼接成多深度平面重聚焦图像,从而提高了用户体验。另外,为了节省存储空间,还可以只存储用户所选择的深度平面对应的原始数据的聚焦部分和非聚焦部分与深度平面的深度或像素坐标的对应关系。
根据本发明的实施例,在拼接聚焦部分和非聚焦部分时,可以对聚焦部分的图像和非聚焦部分的图像进行预处理、图像配准和图像融合。
可选地,作为另一实施例,图1的方法还包括:显示多个重聚焦图像中的一个重聚焦图像,获取在所显示的重聚焦图像的多个区域上的多个用户输入,并且在显示设备上输出生成多深度平面重聚焦图像,其中多个用户输入对应于多个深度平面,并且在确定深度信息时,可以根据多个用户输入确定多个深度平面的深度信息。
例如,在显示多深度平面重聚焦图像之前,可以在用户界面上显示一幅单一深度平面的重聚焦图像。图像处理装置可以根据用户需要,重聚焦多个不同深度平面上的物体,或者重聚焦多段不连续的深度平面内的物体,并且在显示设备上输出多深度平面重聚焦图像,或者输出不同深度平面的重聚焦景物的图像。本发明的实施例可以只显示生成的多深度平面重聚焦图像,还可以显示原有图像和/或中间生成的不同深度平面的重聚焦图像。
可选地,在另一实施例中,在生成多深度平面重聚焦重图像之后,立即在用户界面上显示多深度平面重聚焦图像。
根据本发明的实施例,用户输入为以下之一:用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
在110中,可以根据预定义的输入确定预定义的输入对应的多个深度平面,图1的方法还包括:在显示设备上输出与预定义的输入对应的多深度平面重聚焦图像。
下面结合具体例子,更加详细地描述本发明的实施例。
图2是根据本发明的另一实施例的图像处理过程的示意性流程图。图2的实施例是图1的图像处理方法的例子。图3示出了深度平面与用户输入的区域之间的对应关系的示意图。
210,在用户界面上显示图像。
例如,可以在用户设备(例如,相机)的用户界面上显示一幅图像,该图像可以是普通图片,该图像可以显示位于不同深度平面的景物,但只能够清晰地显示某个深度平面的景物。用户设备可以存储不同深度平面的重聚焦图像的原始数据。每个景物在图片上的区域或位置对应于该景物所在的深度平面。
220,在用户界面上获取用户输入。
例如,当用户点击或触摸用户界面上显示的图像的多个区域或位置时,可以在多个区域或位置上接收到用户的输入。上述用户输入可以是用户通过输入设备输入的非连续性指令,例如,单击鼠标、双击鼠标、按下按钮、在触摸屏上轻触手写笔。上述用户的输入还可以是用户通过输入设备输入的连续性指令,例如,简单移动鼠标,并且记录它的位置,从而实现一个连续的点击动作。本发明实施例的输入设备可以是鼠标、触摸板、多指感应的触摸屏、写字板或屏幕上使用的手写笔,眼部跟踪设备、操纵杆、四通按钮导航控制、压力敏感的方向导航控制、滑条、拨轮、圆形触摸板或红外体感设备等。
应理解,多个深度平面可以构成一个深度区间,因此,也可以通过选择多个深度区间的方式选择多个深度平面。参见图3,用户界面显示的图像上的区域1和区域2对应于深度区间1和深度区间2。这样,用户可以通过选择这两个深度区间对应的区域来选择这两个深度区间对应的深度平面。应理解,用户可以在图像上选择中或点击更多个区域或位置,以便获得更多的深度平面的重聚焦图像。
230,根据用户的输入确定多个深度平面的深度信息。
深度信息用于指示多个需要重聚焦的深度平面的信息。深度信息可以包含深度平面信息、像素坐标信息、像素颜色信息、像素点扩散函数信息、与像素对应的光线的光场信息、与像素对应的光线的追迹信息中的一种或它们的任意组合。
重聚焦图像的原始数据可以是带有微透镜阵列或孔径阵列的摄像模块拍摄的一幅或多幅图像阵列;或是由多个配置相同或不同的摄像模块所组成的摄像阵列拍摄的一幅或多幅图像阵列;或是单个摄像模组针对同一场景,在不同位置拍摄的多幅图像。由于图像阵列中的视差信息包含场景的深度信息,因此,可以通过块匹配法、图割(Graph Cuts)法、多基线(Multi-Baseline)法等方法获得像素的深度信息,从而获得所需的深度平面信息。通过深度提取方法可以获得每个像素对应物点的深度信息(例如,深度与像素坐标的对应关系)。用户输入可以指示选中像素的坐标,结合用户选中的像素坐标,就可以获得用户选中的深度平面信息。
重聚焦图像的原始数据可以是单个普通摄像模块拍摄的多幅图像。其中多幅图像是指在不同参数设置下对同一场景拍摄的图像,如镜头焦距不同、光圈不同、曝光量不同、镜头与传感器距离不同、镜片之间距离不同、镜片曲率不同、感应波长不同等。由于景物在不同深度平面时,图像的聚焦程度和/或光强信息是不同的,因此,利用这些信息可以获得所需的深度平面信息。例如,用户输入指示像素坐标信息。像素的不同聚焦程度对应不同的深度信息,从而能够根据用户输入获得用户选中的深度平面信息。
重聚焦图像的原始数据可以是带有孔径掩模板、相位掩模板或其他类型掩模板的摄像模块拍摄的一幅或多幅孔径编码图像。由于物体在不同深度平面时,编码图像是不同,因此,利用这些信息可以获得所需的深度平面信息。例如,用户输入指示像素坐标信息,不同深度的像素所产生的编码图像是不同的,从编码图像的特征可以反推出像素的深度信息。
重聚焦图像的原始数据可以是深度感应设备与摄像模块针对同一场景分别获得的深度信息和图像的组合。深度感应设备可以是利用光的飞行时间、光的相位差、结构光光照等原理实现的各种设备。因此,利用深度感应设备提供的深度地图可以获得所需的深度平面信息。例如,用户输入指示所选中的像素的坐标信息,只要求出像素坐标信息与像素深度信息的对应关系(即深度地图),就能确定用户选中的深度平面信息。
以上几种方法均为通过不同的方式获得像素坐标与像素深度信息的映射关系或对应关系。
240,根据确定的深度信息确定相应的原始数据。
根据确定的深度信息可以确定需要重聚焦的深度平面,从而确定与这些需要重聚焦的深度平面相对应的原始数据。
250,对所确定的原始数据进行重聚焦操作,生成不同深度平面(或平面)的重聚焦图像。
生成不同深度平面的重聚焦图像的方法包括卷积算法、去卷积算法、融合算法、拼接算法、光线追迹算法、滤波算法、单一深度平面的重聚焦算法或上述算法的任意组合。根据重聚焦算法的不同,在生成不同深度平面的重聚焦图像之前,还可以获取像素的聚焦程度、弥散圆半径、点扩散函数、梯度、强度差值、结构张量或它们的任意组合。像素的聚焦程度、弥散圆半径、点扩散函数、梯度、强度差值、结构张量可以通过卷积、反卷积、傅里叶变换、逆傅里叶变换、插值、求导或它们的任意组合计算得到,也可以通过机器学习、统计、理论仿真等方法获得。
本发明的实施例可以通过光场重绘、三维重建、合成孔径等技术获得不同深度平面的重聚焦图像。重聚焦操作的具体的例子详见图6的实施例。
为了减少运算,可以在接收到用户输入时,仅生成用户输入所选择的多个深度平面对应的重聚焦图像。本发明的实施例并不限于此,例如,也可以预先生成所有深度平面的重聚焦图像,然后,在接收到用户输入时,可以直接从这些重聚焦图像中选择与用户输入所选择的多个深度平面的重聚焦图像。
260,合并多个重聚焦图像,从而得到多深度平面重聚焦图像。
本发明实施例可以采用图像融合方法合并多个重聚焦图像。在图像融合方法中,可以采用带权重的融合。本发明的实施例可以在融合不同深度平面的重聚焦图像之前计算融合权重。为了减少计算,可以只融合所选择的多个深度平面对应的重聚焦图像。融合权重的信息可以与重聚焦图像存储在同一文件中,或单独形成融合权重模板或查询表,并单独存储在另一文件中。
可替代地,本发明实施例可以采用图像拼接方法合并多个重聚焦图像。
270,显示生成的多深度平面重聚焦图像。
例如,相机可以在生成不同深度平区间的重聚焦图像之后,立即在用户界面上显示多深度平面重聚焦图像。另外,在显示生成的多深度平面重聚焦图像的同时,还可以显示原有图像和/或中间生成的不同深度平区间的重聚焦图像。例如,可以在同一用户界面上分屏显示多个图像。
应理解,生成不同深度平面的重聚焦图像可以在合成多深度平面重聚焦图像之前的任意步骤执行,例如,可以在摄像过程中执行,或者在摄像过程结束之后立即执行,也可以在需要合成多深度平面重聚焦图像时才执行,本发明的实施例对此不作限制。
下面以光场相机为例说明如何生成不同深度平面的重聚焦图像。图4是根据本发明的实施例的双平面表示法的两个平面的示意图。图5是根据本发明的实施例的合成像摄影原理的示意图。图6是根据本发明的实施例的合成像摄影原理的模型的几何关系的示意图。
光场相机包括主镜头和图像传感器(未示出),主镜头和图像传感器之间设置有一个微透镜阵列。图像传感器记录每个微透镜阵列上形成小的图像,很多个小的图像组成图像阵列。光场相机内还可以设置相应的图像处理软件,可以将记录的图像阵列重建成用户可接受的常规图像形式,并且呈现出对不同深度平面进行聚焦的效果和从不同视角观看场景的效果。在完成拍摄过程之后,光场相机可以根据用户的需求,通过软件在用户选择的深度平面上进行重聚焦。图像的聚焦深度可以不固定,并且可以根据用户的需求改变。光场相机在记录光线强度信息的同时,还记录了光线的角度信息。光线的角度信息包含着场景中景物的深度信息。换句话说,光场相机采集场景的三维信息(例如,三维光场数据)。光场相机在获取场景的三维光场数据之后,可以根据用户的需求,利用重聚焦算法分别对不同的深度平面聚焦。当用户选择用户界面上显示的图像中的一个区域(该区域可以对应场景中的一个深度平面)时,相机可以利用重聚焦算法对图像进行处理,最终呈现出聚焦在所选择的深度平区间的效果。而当用户选择用户界面上显示的图像中的多个区域时,相机在生成多深度平面重聚焦图像之前,可以首先根据原始数据生成多个区域对应的多个深度平面的重聚焦图像,然后再融合或拼接成多深度平面重聚焦图像。
如图4所示,可以采用双平面表示法来表示光场,即一条光线L的坐标为该光线在两个平行平面u-v和s-t上的交点的坐标。例如,光场相机采集的光场信息用L(u,v,s,t)来表示。光场相机的合成光场的光场信息用L’(u’,v’,s’,t’)来表示,两者关系如图5所示。
合成像平面的辐照图像的值为:
其中D为合成像平面与合成孔径之间的距离。A为孔径函数,例如,孔径内的值是1,孔径外的值是0。θ是光线(u’,v’,s’,t’)相对合成像平面的入射角。根据近轴近似原理,可以忽略上式中的cos4θ,并且忽略1/D2,得到如下公式:
L和L’的关系如图6所示,并且可以用光场信息L(u,v,s,t)来表示公式(2)。根据合成摄影原理可以得到L与L’之间的关系如下:
and
其中,α为表征主镜头平面到合成像面之间的距离的比例系数;β表征合成孔径平面到微透镜平面的距离的比例系数。
由公式(4)和(2)得到合成摄影公式:
根据公式(5)式绘制图像,即可获得不同深度平面的重聚焦图像。
图7是根据本发明的又一实施例的图像处理过程的示意性流程图。图7的实施例是图1的图像处理方法的例子,在此适当省略详细的描述。图7的710至740分别与图2的步骤210至240类似,在此不再赘述。
710,在用户界面上显示图像。
720,在用户界面上获取用户输入。
730,根据用户的输入确定对应的深度信息。
740,利用深度信息对原始数据进行重聚焦操作,生成不同深度平面的重聚焦图像。
745,确定多个重聚焦图像的像素的点扩散函数。
750,根据像素的点扩散函数生成融合权重模板。
760,根据融合权重模板,对多个重聚焦图像进行图像融合。
770,显示生成的多深度平面重聚焦图像。
应理解,步骤745的确定像素的点扩散函数的步骤可以由确定像素的聚焦程度、弥散圆半径、梯度、强度差值、结构张量、像素对应光线的光场信息、像素对应光线的追迹信息的步骤或它们的任意组合替代。换句话说,点扩散函数可以由这些参数替代。
应理解,确定点扩散函数的步骤可以在生成融合权重模板之前任意步骤执行。
图8是根据本发明的另一实施例的图像处理过程的示意性流程图。图8的实施例是图1的图像处理方法的例子,在此适当省略详细的描述。图8的810至840分别与图2的步骤210至240类似,在此不再赘述。
810,在用户界面上显示图像。
820,在用户界面上获取用户输入。
830,根据用户的输入确定对应的深度信息。
840,利用深度信息对原始数据进行重聚焦操作,生成不同深度平面的重聚焦图像。
850,根据重聚焦图像上像素的聚焦程度确定像素的融合权重,其中聚焦程度高的像素的融合权重高于同一重聚焦图像上聚焦程度低的像素的融合权重。
860,根据多个深度平面的融合权重,对多个重聚焦图像进行图像融合。
870,显示生成的多深度平面重聚焦图像。
图9是根据本发明的再一实施例的图像处理过程的示意性流程图。图9的实施例是图1的图像处理方法的例子,在此适当省略详细的描述。
910,在用户界面上显示图像。与图2的步骤210类似,在此不再赘述。
920,在用户界面上获取用户输入。与图2的步骤220类似,在此不再赘述。
930,根据用户的输入确定对应的深度信息。
例如,该深度信息可以包括每个用户输入区域对应的深度平面的深度平面的深度或像素坐标。该像素坐标可以是该区域中的任一像素的坐标,例如,可以是该区域的中心点的坐标。
940,利用深度信息对原始数据进行重聚焦操作,生成不同深度平面的重聚焦图像。
945,从不同深度平面的重聚焦图像截取聚焦部分和非聚焦部分,并将聚焦部分和非聚焦部分分别存储在聚焦部分查询表和非聚焦部分查询表中。
可替代地,作为另一实施例,也可以是预先(例如,在接收用户输入之前)根据原始数据生成所有深度平面的重聚焦图像,然后从所有深度平面的重聚焦图像中截取聚焦部分和非聚焦部分,并且将聚焦部分和非聚焦部分分别存储在聚焦部分查询表和非聚焦部分查询表;或者预先根据原始数据生成所有深度平面的聚焦部分和非聚焦部分,并且将聚焦部分和非聚焦部分分别存储在非聚焦部分查询表中。在这种情况下,可以省略步骤940和945。
上述聚焦部分查询表中存储聚焦部分与深度平面的深度或像素坐标的对应关系,上述非聚焦部分查询表中存储非聚焦部分与深度平面的深度或像素坐标的对应关系。
950,根据深度信息确定每个用户输入的深度平面的深度或像素坐标,并且根据深度平面的深度或像素坐标查询查询表得到用户输入对应的深度平面的聚焦部分和非聚焦部分。
960,将多个深度平面对应的聚焦部分和非聚焦部分合成多深度平面重聚焦图像。
本发明的实施例可以采用图像拼接方法多个深度平面对应的聚焦部分和非聚焦部分合成多深度平面重聚焦图像。例如,可以从图像中截取聚焦区域和非聚焦区域;拼接上述区域形成多深度平面重聚焦图像。聚焦区域和非聚焦区域至少包含一个像素。图像拼接过程主要包含预处理、配准和融合三个步骤。预处理包括图像去噪、图像修正和图像投影。图像投影可以是平面投影法、球面投影法、立方体投影法或柱面投影法。图像去噪可以是邻域平均法、空间域低通滤波法、空间域非线性滤波法。图像修正可以是针对灰度值偏差的修正,或者针对几何形变的修正。例如,针对灰度值偏差的修正方法如下:归一化后的图像灰度值为:
其中f表示参考图像的灰度,μf表示参考图像的平均灰度、σf表示参考图像的标准差,g表示待拼接图像的灰度,μg表示待拼接图像的平均灰度,σg表示待拼接图像的标准差。图像配准的方法可以是块匹配算法、基于快速傅里叶变换的图像配准法、基于傅里叶变换的相位相关图像配准法、基于轮廓特征的算法、角点检测算法、尺度不变特征转换(Scale-invariant feature transform,SIFT)算法、特征配准(Speeded Up Robust Features,SURF)算法、基于光流的方法、基于SIFT流的方法。通过配准算法可以确定待拼接图像的对应位置,再通过找到图像间的变换关系并进行重采样,就可将图像拼接在一起。图像变换的模型可以是图像的平移、旋转、缩放、反射、错切和它们的任意组合。
970,显示生成的多深度平面重聚焦图像。与图2的步骤270类似,在此不再赘述。
上面描述了根据本发明实施例的图像处理方法和过程,下面分别结合图10和图11描述根据本发明实施例的图像处理装置。
图10是根据本发明的一个实施例的图像处理装置1000的结构示意图。图像处理装置1000包括:确定模块1010和生成模块1020。
确定模块1010用于确定多个深度平面的深度信息,其中多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中多个重聚焦图像由多个重聚焦图像的原始数据生成。生成模块1020用于根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
根据本发明的实施例,多个深度平面分别对应于多个重聚焦图像的原始数据,生成模块1020根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,并且根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
生成模块1020采用重聚焦算法对多个重聚焦图像的原始数据进行重聚焦处理,生成多个重聚焦图像;合并多个重聚焦图像,以生成多深度平面重聚焦图像。
根据本发明的实施例,生成模块1020采用图像融合方法合并多个重聚焦图像的聚焦部分。
根据本发明的实施例,生成模块1020确定多个重聚焦图像的像素的点扩散函数;根据像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对多个重聚焦图像进行图像融合,其中融合权重模板包括像素的融合权重,并且聚焦程度高像素的融合权重高于聚焦程度低的像素的融合权重。
根据本发明的实施例,生成模块1020从多个重聚焦图像中的每个重聚焦图像中截取聚焦部分和非聚焦部分,并拼接聚焦部分和非聚焦部分。
根据本发明的实施例,生成模块1020根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,根据多个重聚焦图像的原始数据生成多个重聚焦图像中的每个重聚焦图像的聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
根据本发明的实施例,生成模块1020还根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,全部深度平面分别对应于全部深度平面的重聚焦图像,其中,生成模块1020根据多个深度平面的深度信息从全部深度平面的重聚焦图像中选择多个深度平面的重聚焦图像,并且根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
根据本发明的实施例,生成模块1020确定全部重聚焦图像的像素的点扩散函数,根据全部重聚焦图像的像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对全部重聚焦图像进行图像融合,其中融合权重模板包括全部重聚焦图像的像素的融合权重,多个重聚焦图像的像素的融合权重高于全部重聚焦图像中除多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,多个重聚焦图像中聚焦程度高的像素的融合权重高于多个重聚焦图像中聚焦程度较低的像素的融合权重。
根据本发明的实施例,生成模块1020从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
可选地,作为另一实施例,图像处理装置1000还包括:存储模块1030、选取模块1040和查询模块1050。选取模块1040,用于从全部重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;存储模块1030以深度平面的深度或像素坐标为索引,分别将聚焦部分和非聚焦部分存储在查询表中;查询模块1050以深度平面的深度或像素坐标为索引从查询表中查询多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中生成模块1020拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
根据发明的实施例,生成模块1020在进行拼接时对聚焦部分的图像和非聚焦部分的图像进行预处理、图像配准和图像融合。
可选地,作为另一实施例,图像处理装置1000还包括:显示模块1070,用于显示多个重聚焦图像中的一个重聚焦图像;获取模块1060,用于获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中多个用户输入对应于多个深度平面,其中显示模块1030在显示设备上输出生成多深度平面重聚焦图像,确定模块1010根据多个用户输入确定多个深度平面的深度信息。
根据本发明的实施例,用户输入为以下之一:用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
可选地,作为另一实施例,确定模块1010根据预定义的输入确定预定义的输入对应的多个深度平面,图像处理装置1000还包括:显示模块1030,用于在显示设备上输出与预定义的输入对应的多深度平面重聚焦图像。
图像处理装置1000的各个单元的操作和功能可以参考上述图1的方法,为了避免重复,在此不再赘述。
图11是根据本发明的另一实施例的图像处理装置1100的结构示意图。图像处理装置1100包括:处理器1110、存储器1120和通信总线1130。
处理器1110通过通信总线1130调用存储器1120中存储的代码,用以确定多个深度平面的深度信息,其中多个深度平面的深度信息用于指示多个深度平面,多个深度平面分别对应于多个深度平面的多个重聚焦图像,其中多个重聚焦图像由多个重聚焦图像的原始数据生成,并且根据深度信息,生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
根据本发明的实施例,处理器1110多个深度平面分别对应于多个重聚焦图像的原始数据,处理器根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,并且根据多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
根据本发明的实施例,处理器1110采用重聚焦算法对多个重聚焦图像的原始数据进行重聚焦处理,生成多个重聚焦图像,并且合并多个重聚焦图像,以生成多深度平面重聚焦图像。
根据本发明的实施例,处理器1110采用图像融合方法合并多个重聚焦图像的聚焦部分。
根据本发明的实施例,处理器1110确定多个重聚焦图像的像素的点扩散函数;根据像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对多个重聚焦图像进行图像融合,其中融合权重模板包括像素的融合权重,并且聚焦程度高像素的融合权重高于聚焦程度低的像素的融合权重。
根据本发明的实施例,处理器1110从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
根据本发明的实施例,处理器1110根据多个深度平面的深度信息确定多个重聚焦图像的原始数据,根据多个重聚焦图像的原始数据生成多个重聚焦图像中的每个重聚焦图像的聚焦区域和非聚焦区域,并且拼接聚焦部分和非聚焦部分。
根据本发明的实施例,处理器1110还根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,全部深度平面分别对应于全部深度平面的重聚焦图像,其中处理器1110根据多个深度平面的深度信息从全部深度平面的重聚焦图像中选择多个深度平面的重聚焦图像,并且根据多个深度平面的重聚焦图像生成多深度平面重聚焦图像,其中多深度平面重聚焦图像包括多个重聚焦图像的聚焦部分。
根据本发明的实施例,根据发明的实施例,处理器1110确定全部重聚焦图像的像素的点扩散函数,根据全部重聚焦图像的像素的点扩散函数生成融合权重模板,并且根据融合权重模板,对全部重聚焦图像进行图像融合,其中融合权重模板包括全部重聚焦图像的像素的融合权重,多个重聚焦图像的像素的融合权重高于全部重聚焦图像中除多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,多个重聚焦图像中聚焦程度高的像素的融合权重高于多个重聚焦图像中聚焦程度较低的像素的融合权重。
根据发明的实施例,处理器1110从多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并且拼接聚焦部分和非聚焦部分。
根据发明的实施例,处理器1110在进行拼接时对聚焦部分的图像和非聚焦部分的图像进行预处理、图像配准和图像融合。
可选地,作为另一实施例,图像处理装置1100还包括:显示器1140,用于显示多个重聚焦图像中的一个重聚焦图像;输入接口1150,用于获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中多个用户输入对应于多个深度平面,其中显示器1140输出生成多深度平面重聚焦图像,处理器1110根据多个用户输入确定多个深度平面的深度信息。
根据本发明的实施例,用户输入为以下之一:用户在显示器1140的触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
可选地,作为另一实施例,处理器1110根据预定义的输入确定预定义的输入对应的多个深度平面,方法还包括:显示器1140,用于输出与预定义的输入对应的多深度平面重聚焦图像。
图像处理装置1100的各个单元的操作和功能可以参考上述图1的方法,为了避免重复,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述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取存储介质中。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,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种图像处理方法,其特征在于,包括:
在用户界面上获取用户输入或获取预定义输入;
根据所述用户输入或预定义输入,获取待处理图片上的多个需要进行重聚焦的区域,所述多个重聚焦区域对应多个深度平面;
确定所述多个需要进行重聚焦的区域对应的所述多个深度平面的深度信息,所述多个深度平面的深度信息用于指示所述多个深度平面,所述多个深度平面分别对应于所述多个深度平面的多个重聚焦图像;
根据所述深度信息,确定所述多个重聚焦图像的原始数据;
根据所述多个重聚焦图像的原始数据,生成多深度平面重聚焦图像,其中,所述多深度平面重聚焦图像包括所述多个重聚焦图像的聚焦部分。
2.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述多个重聚焦图像的原始数据,生成多深度平面重聚焦图像,包括:
采用重聚焦算法对所述多个重聚焦图像的原始数据进行重聚焦处理,生成所述多个重聚焦图像;
合并所述多个重聚焦图像,以生成所述多深度平面重聚焦图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述合并所述多个重聚焦图像,包括:
采用图像融合方法合并所述多个重聚焦图像的聚焦部分。
4.根据权利要求3所述的图像处理方法,其特征在于,所述采用图像融合方法合并所述多个重聚焦图像的聚焦部分,包括:
确定所述多个重聚焦图像的像素的点扩散函数;
根据所述像素的点扩散函数生成融合权重模板,其中所述融合权重模板包括像素的融合权重,并且聚焦程度高的像素的融合权重高于聚焦程度低的像素的融合权重;
根据所述融合权重模板,对所述多个重聚焦图像进行图像融合。
5.根据权利要求2所述的图像处理方法,其特征在于,所述多个重聚焦图像中的每个重聚焦图像包括聚焦部分和非聚焦部分,所述合并所述多个重聚焦图像,包括:
从所述多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;
拼接所述聚焦部分和非聚焦部分。
6.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述多个重聚焦图像生成所述多深度平面重聚焦图像,包括:
根据所述多个重聚焦图像的原始数据生成所述多个重聚焦图像中的每个重聚焦图像的聚焦部分和非聚焦部分;
拼接所述聚焦部分和非聚焦部分。
7.根据权利要求1所述的图像处理方法,其特征在于,还包括:
根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,所述全部深度平面分别对应于所述全部深度平面的重聚焦图像,
其中,所述根据所述深度信息,生成多深度平面重聚焦图像,包括:
根据多个深度平面的深度信息从所述全部深度平面的重聚焦图像中选择所述多个深度平面的重聚焦图像;
根据所述多个深度平面的重聚焦图像生成所述多深度平面重聚焦图像,其中所述多深度平面重聚焦图像包括所述多个重聚焦图像的聚焦部分。
8.根据权利要求7所述的图像处理方法,其特征在于,所述根据所述多个深度平面的重聚焦图像生成所述多深度平面重聚焦图像,包括:
确定所述全部重聚焦图像的像素的点扩散函数;
根据所述全部重聚焦图像的像素的点扩散函数生成融合权重模板,其中所述融合权重模板包括全部重聚焦图像的像素的融合权重,所述多个重聚焦图像的像素的融合权重高于所述全部重聚焦图像中除所述多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,所述多个重聚焦图像中聚焦程度高的像素的融合权重高于所述多个重聚焦图像中聚焦程度较低的像素的融合权重;
根据所述融合权重模板,对所述全部重聚焦图像进行图像融合。
9.根据权利要求7所述的图像处理方法,其特征在于,所述根据所述多个深度平面的重聚焦图像生成所述多深度平面重聚焦图像,包括:
从所述多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;
拼接所述聚焦部分和所述非聚焦部分。
10.根据权利要求7所述的图像处理方法,其特征在于,还包括:
以深度平面的深度或像素坐标为索引从查询表中查询所述多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中,所述聚焦部分和非聚焦部分以深度平面的深度或像素坐标为索引存储在所述查询表中,
其中所述根据所述多个深度平面的重聚焦图像生成所述多深度平面重聚焦图像,包括:
拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
11.根据权利要求5、6、9或10任一项所述的图像处理方法,其特征在于,所述拼接所述聚焦部分和非聚焦部分,包括:
对所述聚焦部分的图像和所述非聚焦部分的图像进行预处理、图像配准和图像融合。
12.根据权利要求1至10中的任一项所述的图像处理方法,其特征在于,还包括:
显示所述多个重聚焦图像中的一个重聚焦图像;
获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中所述多个用户输入对应于所述多个深度平面;
在显示设备上输出所述生成多深度平面重聚焦图像。
13.根据权利要求12所述的图像处理方法,其特征在于,所述用户输入为以下之一:
用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;
输入设备中的姿态传感器探测到的用户姿态;
输入设备中的动作跟踪模块探测到的用户动作。
14.根据权利要求1至10中的任一项所述的图像处理方法,其特征在于,所述确定多个深度平面的深度信息,包括:
根据预定义的输入确定所述预定义的输入对应的多个深度平面;
所述方法还包括:
在显示设备上输出与所述预定义的输入对应的多深度平面重聚焦图像。
15.一种图像处理装置,其特征在于,包括:
获取模块,用于在用户界面上获取用户输入或获取预定义输入;
所述获取模块,还用于根据所述用户输入或预定义输入,获取待处理图片上的多个需要进行重聚焦的区域,所述多个重聚焦区域对应多个深度平面;
确定模块,用于确定所述多个需要进行重聚焦的区域对应的所述多个深度平面的深度信息,其中所述多个深度平面的深度信息用于指示所述多个深度平面,所述多个深度平面分别对应于所述多个深度平面的多个重聚焦图像;
生成模块,用于根据所述深度信息,确定所述多个重聚焦图像的原始数据,并且根据所述多个重聚焦图像的原始数据生成多深度平面重聚焦图像,其中所述多深度平面重聚焦图像包括所述多个重聚焦图像的聚焦部分。
16.根据权利要求15所述的图像处理装置,其特征在于,所述生成模块采用重聚焦算法对所述多个重聚焦图像的原始数据进行重聚焦处理,生成所述多个重聚焦图像;合并所述多个重聚焦图像,以生成所述多深度平面重聚焦图像。
17.根据权利要求16所述的图像处理装置,其特征在于,所述生成模块采用图像融合方法合并所述多个重聚焦图像的聚焦部分。
18.根据权利要求17所述的图像处理装置,其特征在于,所述生成模块确定所述多个重聚焦图像的像素的点扩散函数,根据所述像素的点扩散函数生成融合权重模板,根据所述融合权重模板,对所述多个重聚焦图像进行图像融合,其中所述融合权重模板包括像素的融合权重,并且聚焦程度高的像素的融合权重高于聚焦程度低的像素的融合权重。
19.根据权利要求16所述的图像处理装置,其特征在于,所述生成模块从所述多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分,并拼接所述聚焦部分和非聚焦部分。
20.根据权利要求15所述的图像处理装置,其特征在于,所述生成模块根据所述多个深度平面的深度信息确定所述多个重聚焦图像的原始数据,根据所述多个重聚焦图像的原始数据生成所述多个重聚焦图像中的每个重聚焦图像的聚焦区域和非聚焦区域,并且拼接所述聚焦部分和非聚焦部分。
21.根据权利要求15所述的图像处理装置,所述生成模块还根据全部深度平面的重聚焦图像的原始数据生成全部深度平面对应的重聚焦图像,所述生成模块根据多个深度平面的深度信息从所述全部深度平面的重聚焦图像中选择所述多个深度平面的重聚焦图像,并且根据所述多个深度平面的重聚焦图像生成所述多深度平面重聚焦图像,其中,所述全部深度平面分别对应于所述全部深度平面的重聚焦图像,并且所述多深度平面重聚焦图像包括所述多个重聚焦图像的聚焦部分。
22.根据权利要求21所述的图像处理装置,其特征在于,所述生成模块确定所述全部重聚焦图像的像素的点扩散函数,根据所述全部重聚焦图像的像素的点扩散函数生成融合权重模板,并且根据所述融合权重模板,对所述全部重聚焦图像进行图像融合,其中所述融合权重模板包括全部重聚焦图像的像素的融合权重,所述多个重聚焦图像的像素的融合权重高于所述全部重聚焦图像中除所述多个重聚焦图像之外的其它重聚焦图像的像素的融合权重,所述多个重聚焦图像中聚焦程度高的像素的融合权重高于所述多个重聚焦图像中聚焦程度较低的像素的融合权重。
23.根据权利要求21所述的图像处理装置,其特征在于,所述生成模块从所述多个重聚焦图像中的每个重聚焦图像中选取聚焦部分和非聚焦部分;拼接所述聚焦部分和所述非聚焦部分。
24.根据权利要求21所述的图像处理装置,其特征在于,还包括:
查询模块,用于以深度距离或像素坐标为索引从查询表中查询所述多个深度平面的重聚焦图像的聚焦部分和非聚焦部分,其中,所述聚焦部分和非聚焦部分以深度平面的深度或像素坐标为索引存储在所述查询表中,其中所述生成模块拼接多个深度平面的重聚焦图像的聚焦部分和非聚焦部分。
25.根据权利要求19、20或24所述的图像处理装置,其特征在于,所述生成模块在进行拼接时对所述聚焦部分的图像和所述非聚焦部分的图像进行预处理、图像配准和图像融合。
26.根据权利要求15至24中的任一项所述的图像处理装置,其特征在于,还包括:
显示模块,用于显示所述多个重聚焦图像中的一个重聚焦图像;
获取模块,用于获取在所显示的重聚焦图像的多个区域上的多个用户输入,其中所述多个用户输入对应于所述多个深度平面,其中所述显示模块在显示设备上输出所述生成多深度平面重聚焦图像。
27.根据权利要求26所述的图像处理装置,其特征在于,所述用户输入为以下之一:用户在触摸屏上的单点点击输入、多点点击输入、单点滑动输入或多点滑动输入;输入设备中的姿态传感器探测到的用户姿态;输入设备中的动作跟踪模块探测到的用户动作。
28.根据权利要求15至24中的任一项所述的图像处理装置,其特征在于,所述确定模块根据预定义的输入确定所述预定义的输入对应的多个深度平面,所述图像处理装置还包括:
显示模块,用于在显示设备上输出与所述预定义的输入对应的多深度平面重聚焦图像。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410230506.1A CN105335950B (zh) | 2014-05-28 | 2014-05-28 | 图像处理方法和图像处理装置 |
EP15800270.9A EP3101624B1 (en) | 2014-05-28 | 2015-05-28 | Image processing method and image processing device |
KR1020167025332A KR101893047B1 (ko) | 2014-05-28 | 2015-05-28 | 이미지 처리 방법 및 이미지 처리 장치 |
JP2016559561A JP6736471B2 (ja) | 2014-05-28 | 2015-05-28 | 画像処理方法および画像処理装置 |
PCT/CN2015/080021 WO2015180659A1 (zh) | 2014-05-28 | 2015-05-28 | 图像处理方法和图像处理装置 |
US15/361,640 US20170076430A1 (en) | 2014-05-28 | 2016-11-28 | Image Processing Method and Image Processing Apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410230506.1A CN105335950B (zh) | 2014-05-28 | 2014-05-28 | 图像处理方法和图像处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105335950A CN105335950A (zh) | 2016-02-17 |
CN105335950B true CN105335950B (zh) | 2019-02-12 |
Family
ID=54698118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410230506.1A Active CN105335950B (zh) | 2014-05-28 | 2014-05-28 | 图像处理方法和图像处理装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20170076430A1 (zh) |
EP (1) | EP3101624B1 (zh) |
JP (1) | JP6736471B2 (zh) |
KR (1) | KR101893047B1 (zh) |
CN (1) | CN105335950B (zh) |
WO (1) | WO2015180659A1 (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9918017B2 (en) | 2012-09-04 | 2018-03-13 | Duelight Llc | Image sensor apparatus and method for obtaining multiple exposures with zero interframe time |
US9531961B2 (en) | 2015-05-01 | 2016-12-27 | Duelight Llc | Systems and methods for generating a digital image using separate color and intensity data |
US9819849B1 (en) | 2016-07-01 | 2017-11-14 | Duelight Llc | Systems and methods for capturing digital images |
US9807322B2 (en) | 2013-03-15 | 2017-10-31 | Duelight Llc | Systems and methods for a digital image sensor |
US10558848B2 (en) | 2017-10-05 | 2020-02-11 | Duelight Llc | System, method, and computer program for capturing an image with correct skin tone exposure |
US10924688B2 (en) | 2014-11-06 | 2021-02-16 | Duelight Llc | Image sensor apparatus and method for obtaining low-noise, high-speed captures of a photographic scene |
US11463630B2 (en) | 2014-11-07 | 2022-10-04 | Duelight Llc | Systems and methods for generating a high-dynamic range (HDR) pixel stream |
FR3037756B1 (fr) * | 2015-06-18 | 2020-06-19 | Lens Correction Technologies | Procede et dispositif de production d'une image numerique |
JP2017050662A (ja) * | 2015-09-01 | 2017-03-09 | キヤノン株式会社 | 画像処理装置、撮像装置および画像処理プログラム |
JP2017191071A (ja) * | 2016-04-15 | 2017-10-19 | キヤノン株式会社 | 分光データ処理装置、撮像装置、分光データ処理方法および分光データ処理プログラム |
CN114449163A (zh) * | 2016-09-01 | 2022-05-06 | 迪尤莱特公司 | 基于焦点目标信息调整焦点的装置和方法 |
WO2018129692A1 (en) * | 2017-01-12 | 2018-07-19 | Intel Corporation | Image refocusing |
CN106898048B (zh) * | 2017-01-19 | 2019-10-29 | 大连理工大学 | 一种可适应复杂场景的无畸变集成成像三维显示方法 |
CN107230192B (zh) | 2017-05-31 | 2020-07-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
US11227405B2 (en) | 2017-06-21 | 2022-01-18 | Apera Ai Inc. | Determining positions and orientations of objects |
CN107525945B (zh) * | 2017-08-23 | 2019-08-02 | 南京理工大学 | 基于集成成像技术的3d-3c粒子图像测速系统及方法 |
CN108389223B (zh) * | 2018-02-06 | 2020-08-25 | 深圳市创梦天地科技股份有限公司 | 一种图像处理方法及终端 |
CN108337434B (zh) * | 2018-03-27 | 2020-05-22 | 中国人民解放军国防科技大学 | 一种针对光场阵列相机的焦外虚化重聚焦方法 |
US11575865B2 (en) | 2019-07-26 | 2023-02-07 | Samsung Electronics Co., Ltd. | Processing images captured by a camera behind a display |
CN110602397A (zh) * | 2019-09-16 | 2019-12-20 | RealMe重庆移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN111260561A (zh) * | 2020-02-18 | 2020-06-09 | 中国科学院光电技术研究所 | 一种可用于掩模版缺陷检测的快速多图拼接方法 |
CN113516614A (zh) | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
CN112241940B (zh) * | 2020-09-28 | 2023-12-19 | 北京科技大学 | 一种多张多聚焦图像融合方法及装置 |
US11721001B2 (en) | 2021-02-16 | 2023-08-08 | Samsung Electronics Co., Ltd. | Multiple point spread function based image reconstruction for a camera behind a display |
US11722796B2 (en) | 2021-02-26 | 2023-08-08 | Samsung Electronics Co., Ltd. | Self-regularizing inverse filter for image deblurring |
TWI799828B (zh) * | 2021-03-31 | 2023-04-21 | 中強光電股份有限公司 | 影像處理裝置、影像處理方法以及3d影像產生系統 |
US11832001B2 (en) | 2021-12-20 | 2023-11-28 | Visera Technologies Company Limited | Image processing method and image processing system |
CN116847209B (zh) * | 2023-08-29 | 2023-11-03 | 中国测绘科学研究院 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314683A (zh) * | 2011-07-15 | 2012-01-11 | 清华大学 | 一种非平面图像传感器的计算成像方法和成像装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8559705B2 (en) * | 2006-12-01 | 2013-10-15 | Lytro, Inc. | Interactive refocusing of electronic images |
US8279325B2 (en) * | 2008-11-25 | 2012-10-02 | Lytro, Inc. | System and method for acquiring, editing, generating and outputting video data |
JP5822613B2 (ja) * | 2011-09-12 | 2015-11-24 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP6207202B2 (ja) * | 2012-06-08 | 2017-10-04 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US20130329068A1 (en) * | 2012-06-08 | 2013-12-12 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
JP5818828B2 (ja) * | 2013-01-29 | 2015-11-18 | キヤノン株式会社 | 画像処理装置、撮像システム、画像処理システム |
CN104281397B (zh) * | 2013-07-10 | 2018-08-14 | 华为技术有限公司 | 多深度区间的重聚焦方法、装置及电子设备 |
-
2014
- 2014-05-28 CN CN201410230506.1A patent/CN105335950B/zh active Active
-
2015
- 2015-05-28 KR KR1020167025332A patent/KR101893047B1/ko active IP Right Grant
- 2015-05-28 WO PCT/CN2015/080021 patent/WO2015180659A1/zh active Application Filing
- 2015-05-28 EP EP15800270.9A patent/EP3101624B1/en active Active
- 2015-05-28 JP JP2016559561A patent/JP6736471B2/ja active Active
-
2016
- 2016-11-28 US US15/361,640 patent/US20170076430A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314683A (zh) * | 2011-07-15 | 2012-01-11 | 清华大学 | 一种非平面图像传感器的计算成像方法和成像装置 |
Non-Patent Citations (6)
Title |
---|
All in-Focus View Synthesis from Under-Sampled Light Fields;Keita Takahashi 等;《ICAT 2003》;20031105;1-8 |
Digital light field photography;Ren Ng;《Dissertation Department of Computer Science,Stanford University》;20060731;1-203 |
Efficient Reconstruction of All-in-Focus Images Through Shifted Pinholes from Multi-Focus Images for Dense Light Field Synthesis and Rendering;Kazuya Kodama 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20131231;第22卷(第11期);4407-4421 |
Generation of All-in-Focus Images by Noise-Robust Selective Fusion of Limited Depth-of-Field Images;Said Pertuz 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20130331;第22卷(第3期);1242-1251 |
REGISTRATION AND BLUR ESTIMATION METHODS FOR MULTIPLE DIFFERENTLY FOCUSED IMAGES;Akira Kubota 等;《Image Processing, 1999. ICIP 99. Proceedings. 1999 International Conference on》;19991028;447-451 |
基于点扩散函数的多聚焦图像融合方法;梅益君;《计算机工程》;20071005;第33卷(第19期);摘要,第3节 |
Also Published As
Publication number | Publication date |
---|---|
WO2015180659A1 (zh) | 2015-12-03 |
JP6736471B2 (ja) | 2020-08-05 |
KR20160121569A (ko) | 2016-10-19 |
EP3101624B1 (en) | 2019-12-04 |
US20170076430A1 (en) | 2017-03-16 |
EP3101624A1 (en) | 2016-12-07 |
CN105335950A (zh) | 2016-02-17 |
EP3101624A4 (en) | 2017-05-17 |
KR101893047B1 (ko) | 2018-08-29 |
JP2017517794A (ja) | 2017-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335950B (zh) | 图像处理方法和图像处理装置 | |
EP3134868B1 (en) | Generation and use of a 3d radon image | |
WO2021030002A1 (en) | Depth-aware photo editing | |
US20150363970A1 (en) | Model and Sizing Information from Smartphone Acquired Image Sequences | |
RU2586566C1 (ru) | Способ отображения объекта | |
TW201709718A (zh) | 在使用者裝置上顯示光場為基影像之方法及裝置,及對應之電腦程式產品 | |
JP6862569B2 (ja) | 仮想光線追跡方法および光照射野の動的リフォーカス表示システム | |
CN106170822A (zh) | 3d光场相机和摄影方法 | |
CN108848367B (zh) | 一种图像处理的方法、装置及移动终端 | |
CN109660783A (zh) | 虚拟现实视差校正 | |
CN109906600A (zh) | 模拟景深 | |
EP3331236A1 (en) | Method for rendering a final image from initial images acquired by a camera array, corresponding device, computer program product and computer-readable carrier medium | |
Canessa et al. | A dataset of stereoscopic images and ground-truth disparity mimicking human fixations in peripersonal space | |
JP2019067388A (ja) | ライトフィールド画像を操作するためのユーザインターフェイス | |
US20170046821A1 (en) | Image processing device and method | |
JP7013144B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN106023189A (zh) | 一种基于匹配优化的光场数据深度重建方法 | |
Won et al. | Learning depth from focus in the wild | |
Peng et al. | Mpib: An mpi-based bokeh rendering framework for realistic partial occlusion effects | |
Chlubna et al. | Real-time per-pixel focusing method for light field rendering | |
Kang et al. | Fast dense 3D reconstruction using an adaptive multiscale discrete-continuous variational method | |
Zhao et al. | Image aesthetics enhancement using composition-based saliency detection | |
JP6263024B2 (ja) | 画像処理装置、画像処理方法および、プログラム、並びに画像再生装置 | |
Kausch et al. | Template-based 3d non-rigid shape estimation from monocular image sequences | |
CN113132715B (zh) | 一种图像处理方法、装置、电子设备及其存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |