CN106600713A - 一种基于直线约束的无缝立体图像克隆方法 - Google Patents

一种基于直线约束的无缝立体图像克隆方法 Download PDF

Info

Publication number
CN106600713A
CN106600713A CN201611213610.5A CN201611213610A CN106600713A CN 106600713 A CN106600713 A CN 106600713A CN 201611213610 A CN201611213610 A CN 201611213610A CN 106600713 A CN106600713 A CN 106600713A
Authority
CN
China
Prior art keywords
picture
image
stereo
source
deformation
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.)
Pending
Application number
CN201611213610.5A
Other languages
English (en)
Inventor
侯春萍
刘琦
阎维青
陈华
陈天宇
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201611213610.5A priority Critical patent/CN106600713A/zh
Publication of CN106600713A publication Critical patent/CN106600713A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • 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

Abstract

本发明公开了一种基于直线约束的无缝立体图像克隆方法，所述方法包括以下步骤：计算源立体图像的视差图和目标立体图像的视差图，为源立体图像的左视点图像绘制均匀网格；根据源立体图像的视差图获得对应的右视点图像网格；采用轮廓线确定方法获得适合优化变形的矩形轮廓；通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格；通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果。本发明提出的基于直线约束的立体图像克隆算法，在调整源立体图像指定区域的大小的同时，保证克隆后的立体图像视差一致，并且不发生结构失真，为观看者带来较为舒适的视觉体验。

Description

一种基于直线约束的无缝立体图像克隆方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于直线约束的无缝立体图像克隆方法。
背景技术
随着3D电影的发展和3D媒介的推广，用户对3D内容产生了浓厚的兴趣，并且希望能够像编辑2D图像一样编辑3D图像。然而，3D图像相比2D图像增加了深度信息约束，将2D图像编辑的方法直接应用到3D图像往往会产生不舒适的视觉体验。
图像融合技术是图像编辑技术的一个研究热点。2D图像融合主要分为两类：alpha抠图和基于梯度域的方法。现有的alpha方法包括：贝叶斯方法、闭合解方法和软剪刀方法。alpha方法在图像融合方面取得了很大的成功，但是不能很好地处理边界不明确的情况。而基于梯度域的方法可以解决这个问题，Perez等人[1]和Jia等人[2]提出在融合之前寻找最优边界；Farbman等人[3]提出了一种平均值坐标的方法；Yang等人[4]引入了色彩保真度。近几年，部分研究对alpha抠图和基于梯度域的方法进行了结合。
近些年，已有大量的研究人员对立体图像编辑进行了深入的研究。对于立体图像编辑，基于变形的方法是十分有效的。基于变形的方法广泛应用于立体图像克隆、立体图像视差调整、立体图像缩放等方向。针对立体图像克隆方法，Lo等人[5]提出了一种3D复制和粘贴的方法，该方法要求精确分割指定对象，不能处理指定对象和背景之间没有明显边界的情况。Luo等人[6]提出了一种基于透视感知变形的立体图像克隆方法；Tong等人[7]提出了一种将2D图像克隆到3D图像的方法，但是上述方法都没有考虑优化变形中网格边方向改变的问题。
本发明提出了一种基于直线约束的无缝立体图像克隆方法，通过引入直线约束能量，在保证源立体图像指定对象根据视差缩放的同时，保护其结构信息。
发明内容
本发明提供了一种基于直线约束的无缝立体图像克隆方法，本发明，详见下文描述：
一种基于直线约束的无缝立体图像克隆方法，所述方法包括以下步骤：
计算源立体图像的视差图和目标立体图像的视差图，为源立体图像的左视点图像绘制均匀网格；
根据源立体图像的视差图获得对应的右视点图像网格；采用轮廓线确定方法获得适合优化变形的矩形轮廓；
通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格；
通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果。
其中，所述网格为四边形网格。
所述采用轮廓线确定方法获得适合优化变形的矩形轮廓的步骤具体为：
根据用户指定的轮廓，确定用户绘制轮廓线与左视点图像网格边的所有交点坐标；
求得四条轮廓线，四条轮廓线组成一个矩形轮廓；
在获得新的左视点图像轮廓之后，根据源立体图像的视差图确定右视点图像轮廓；
对轮廓内部的图像进行优化变形，保留轮廓内部的网格。
所述通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格的步骤具体为：
采用透视缩放能量函数、直线约束能量函数、视差约束能量函数和位置固定能量函数来指导网格变形。
所述通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果的步骤具体为：
通过双线性插值算法获得调整后的源立体图像指定区域左视点图像和右视点图像，之后使用泊松融合算法将调整后的源立体图像指定区域的左视点图像和右视点图像分别与目标立体图像的左视点图像和右视点图像无缝融合，来获得最终的结果。
本发明提供的技术方案的有益效果是：本发明提出的基于直线约束的立体图像克隆算法，在调整源立体图像指定区域的大小的同时，保证克隆后的立体图像视差一致，并且不发生结构失真，为观看者带来较为舒适的视觉体验。
附图说明
图1为本发明提供的一种基于直线约束的无缝立体图像克隆方法的流程图；
图2为本发明提供的视差图的示意图；
图3本发明和Luo等人提出的方法的比较示意图；
图4本发明和Luo等人提出的方法的另一比较示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提出了一种基于直线约束的无缝立体图像克隆方法，采用四边形网格来指导图像变形，参见图1，该方法包括以下步骤：
101：计算源立体图像的视差图DS和目标立体图像的视差图DT，为源立体图像的左视点图像绘制均匀网格；
102：根据源立体图像的视差图DS获得对应的右视点图像网格；
103：采用轮廓线确定方法获得适合优化变形的矩形轮廓；
104：通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格；
105：通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果。
综上所述，本发明实施例针对立体图像克隆，受到前期图像变形方法的启发，提出了一种基于直线约束的立体图像克隆算法。本方法通过在网格变形算法中采用透视缩放函数、直线约束函数、视差约束函数、位置固定函数来调整源立体图像指定区域的大小，保证克隆后的立体图像视差一致，并且不发生结构失真。
实施例2
下面结合具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：
201：四边形网格构建；
首先为源立体图像的左视点图像绘制均匀网格，其中m×n表示左视点图像网格的网格数目，VL、EL和FL分别表示左视点图像网格的网格顶点，网格边及网格四边形。对应的右视点图像网格依据源立体图像视差图DS获得，VR、ER和FR分别表示右视点图像网格的网格顶点，网格边及网格四边形。
202：轮廓线的确定；
本发明实施例允许用户为源立体图像的左视点图像绘制任意的轮廓为了对源立体图像指定区域进行无缝克隆，需要对源立体图像的轮廓进行调整，将其调整成一个矩形轮廓，以便对源立体图像指定区域进行四边形网格变形操作。
具体轮廓扩张方式如下：首先根据用户指定的轮廓，确定用户绘制轮廓线与左视点图像网格边EL的所有交点坐标其中和分别表示交点坐标的x和y分量。
之后求得四条轮廓线Lleft，Lright，Lup和Ldown，方式如下：
其中，运算符floor和ceil分别表示向下取整和向上取整，m和n分别表示水平方向和垂直方向划分的网格个数。
四条轮廓线Lleft，Lright，Lup和Ldown组成一个矩形轮廓矩形轮廓的四个顶点为(Lleft,Lup)，(Lleft,Ldown)，(Lright,Lup)和(Lright,Ldown)。在获得新的左视点图像轮廓之后，根据源立体图像的视差图DS确定右视点图像轮廓
其中，轮廓扩张示意图可见图1流程图的“确定轮廓线”部分，为了展示效果，对源立体图像进行了裁剪，其中覆盖图像的均匀四边形的边表示网格线不规则线条表示用户任意绘制的轮廓粗框线表示扩张后的轮廓左视点图像扩张轮廓和右视点图像扩张轮廓包围起来的图像区域即为源立体图像指定区域其中，表示源立体图像左视点图像指定区域，表示源立体图像右视点图像指定区域。本发明实施例提出的立体图像克隆方法，只需对轮廓内部的图像进行优化变形，因此只需保留轮廓内部的网格其中表示变形前源立体图像左视点图像轮廓内部的网格，表示变形前源立体图像右视点图像轮廓内部的网格。
203：图像网格变形；
本发明实施例采用Luo等人[6]提出的方法调整源立体图像指定区域的视差。为了保证克隆后的图像不发生结构失真，保证视差的一致性，本发明实施例采用透视缩放能量函数、直线约束能量函数、视差约束能量函数和位置固定能量函数来指导网格变形。其中，和分别表示变形后的左视点图像网格顶点和右视点图像网格顶点集合，VL和VR分别表示变形前的左视点图像网格顶点和右视点图像网格顶点集合。
204：透视缩放能量；
由于源立体图像指定区域和目标立体图像的视差不一致，需要对源立体图像指定区域进行缩放操作。Luo[6]等人提出调整后的视差和调整前的视差比值确定的缩放因子为其中Vi L表示源立体图像指定区域左视点图像网格第i个顶点坐标，和分别表示源立体图像指定区域调整后的视差和调整前的视差。该缩放因子用于调整源立体图像指定区域的大小和形状以符合调整后的视差。对于源立体图像指定区域左视点图像网格的任意网格边其中Vi L和分别表示变形前源立体图像指定区域左视点图像网格第i个和第j个顶点坐标。其缩放因子定义为其中和分别表示源立体图像指定区域左视点图像网格第i个和第j个顶点的缩放因子。对应的右视点图像网格边的缩放因子其中Vi R和分别表示源立体图像指定区域右视点图像网格第i个和第j个顶点坐标。
透视缩放能量定义如下：
其中，和分别表示和的网格边集合；Vi L和分别表示变形前源立体图像指定区域左视点图像网格第i个和第j个顶点坐标；Vi R和分别表示变形前源立体图像指定区域右视点图像网格第i个和第j个顶点坐标；和分别表示变形后源立体图像指定区域左视点图像网格第i个和第j个顶点坐标；和分别表示变形后源立体图像指定区域右视点图像网格第i个和第j个顶点坐标；和分别表示左视点图像网格边和右视点图像网格边的缩放因子。
205：直线约束能量；
其中，源立体图像指定区域的主要对象通常会覆盖多个相连的网格四边形，为了防止结构发生失真，应尽量避免网格线弯曲，因此应在变形过程中尽量保持边的方向不变。为左视点图像网格和右视点图像网格分别定义变形前后的长度比 直线约束能量定义如下：
其中，和分别表示和的网格边集合；Vi L和分别表示变形前源立体图像指定区域左视点图像网格第i个和第j个顶点坐标；Vi R和分别表示变形前源立体图像指定区域右视点图像网格第i个和第j个顶点坐标；和分别表示变形后源立体图像指定区域左视点图像网格第i个和第j个顶点坐标；和分别表示变形后源立体图像指定区域右视点图像网格第i个和第j个顶点坐标；和分别表示左视点图像网格和右视点图像网格变形前后的长度比。
206：视差约束能量；
为了保证克隆后的立体图像的视差的一致性，对视差进行约束。视差约束能量项包括水平视差项和垂直视差项。
1)水平视差项；
对于每组待计算的水平坐标分量其中和分别表示左视点图像和右视点图像待计算的水平坐标分量。其视差应与调整后的视差保持一致,令表示对应的调整后的水平视差。水平视差项定义如下：
2)垂直视差项。
垂直视差会影响观看者的视觉效果，因此用垂直视差项保证左右对应网格点垂直视差的一致性。垂直视差项定义如下：
其中，表示每组待计算的垂直坐标分量，和分别表示左视点图像和右视点图像待计算的垂直坐标分量。。
207：位置固定能量；
上述四个能量子函数用于约束网格的形状，却不能约束网格的中心位置。位置固定能量用于约束网格的中心位置，本发明实施例固定左网格的中心位置，令CL表示初始左网格的中心位置，VL表示变形前的左视点图像网格顶点的集合，Vi L表示变形前的左视点图像的第i个网格顶点。
位置固定能量定义如下：
其中表示变形后的左视点图像网格顶点的集合，表示变形后的左视点图像的第i个网格顶点。
优化变形的总能量函数定义为上述五个能量子函数的权重加和：
ψ＝ωSψS+ωLψL+ωDψD+ωVψV+ωPψP.
其中ωS、ωL、ωD、ωV和ωP分别为上述五个能量子函数对应的权重系数。
通过求解该能量函数的最小值获得优化变形的网格。本发明实施例采用的权重系数分别为ωS＝50，ωL＝50，ωD＝50，ωV＝100和ωP＝1。总能量ψ是一个二次优化函数，可以通过线性解码器求解，并基于Matlab R2013b编程得到最后的解。
208：图像融合。
其中，根据迭代优化变形获得调整后的源立体图像指定区域的网格其中和分别表示变形后源立体图像指定区域左视点图像和右视点图像的网格，并通过双线性插值算法获得调整后的源立体图像指定区域左视点图像和右视点图像之后使用泊松融合算法将调整后的源立体图像指定区域的左视点图像和右视点图像分别与目标立体图像的左视点图像和右视点图像无缝融合，来获得最终的结果。
综上所述，本方法通过在网格变形算法中采用透视缩放函数、直线约束函数、视差约束函数、位置固定函数来调整源立体图像指定区域的大小，保证克隆后的立体图像视差一致，并且不发生结构失真。
实施例3
为了检验本发明实施例1和2中提出的立体图像克隆方法的性能，本发明实施例展示了几组立体图像克隆的结果。输入的源立体图像和目标立体图像均由FUJIFILM REAL 3DW1相机和JVC Everio 3D高清摄像机拍摄。
图2展示了采用本方法获得的克隆图像的视差图结果。在图2中，(a)和(b)分别为源立体图像和目标立体图像，均用立体图像的形式表示；(c)和(d)分别为应用本方法获得的立体图像的左视点图像和右视点图像；(e)和(f)分别表示源立体图像的视差图和目标立体图像的视差图，图像中的矩形框线内部分别为源立体图像的指定区域及目标立体图像的克隆区域；(g)表示将源立体图像的视差图的指定区域直接粘贴到目标立体图像视差图的结果，从图中可以看出，在源立体图像指定区域的边缘存在明显的视差突变现象；(h)表示应用本方法获得的立体图像的视差图，从图中可以看出，在源立体图像指定区域边缘没有视差突变现象的发生。因此，本方法既能够实现源立体图像指定区域的缩放，又能够保证源立体图像指定区域边缘视差的一致性。
图3和图4展示了本方法与Luo等人提出的算法的比较结果。在图3和图4中，(a)和(e)分别表示源立体图像的左视点图像和右视点图像；(b)和(f)分别表示目标立体图像的左视点图像和右视点图像；(c)和(g)表示应用Luo等人提出的算法获得的克隆图像的左视点图像和右视点图像；(d)和(h)表示应用本方法获得的无缝克隆图像的左视点图像和右视点图像。
在图3(a)、(e)中，源立体图像中的指定对象“盒子”的边缘是平直的，但是Luo等人提出的算法没有考虑优化变形过程中网格边的方向改变问题，因此，Luo等人提出的算法的结果(c)、(g)中“盒子”的右边缘产生了明显的失真，而本方法引入了直线约束能量来尽量避免网格线弯曲，保护了对象的结构特征，本方法的结果图(d)、(h)中“盒子”的右边缘没有发生失真。在图4中，Luo等人提出的算法使源立体图像指定对象“喷泉”产生了可视失真，而本方法很好地保持了指定对象“喷泉”的圆形结构。通过两组结果的对比可以看出本方法和Luo等人提出的算法相比，更好地保持了指定对象的结构信息，避免了指定对象的失真，具有更好的显示效果。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
参考文献：
[1]Pérez P,Gangnet M,Blake A.Poisson image editing[C]//ACMTransactions on Graphics(TOG).ACM,2003,22(3):313-318.
[2]Jia J,Sun J,Tang C K,et al.Drag-and-drop pasting[J].ACMTransactions on Graphics,2006,25(3):631-637.
[3]Farbman Z,Hoffer G,Lipman Y,et al.Coordinates for instant imagecloning[J].ACM Transactions on Graphics,2009,28(3):341-352.
[4]Yang W,Zheng J,Cai J,et al.Natural and Seamless Image CompositionWith Color Control[J].IEEE Transactions on Image Processing A Publication ofthe IEEE Signal Processing Society,2009,18(11):2584-92.
[5]Lo W Y,Van Baar J,Knaus C,et al.Stereoscopic 3D copy&paste[J].ACMTransactions on Graphics,2010,29(6):1-10.
[6]Luo S J,Shen I C,Chen B Y,et al.Perspective-aware warping forseamless stereoscopic image cloning[J].ACM Transactions on Graphics,2012,31(6):439-445.
[7]Tong R F,Zhang Y,Cheng K L.StereoPasting:Interactive Compositionin Stereoscopic Images[J].IEEE Transactions on Visualization&ComputerGraphics,2013,19(8):1375-1385.

Claims (5)

1.一种基于直线约束的无缝立体图像克隆方法，其特征在于，所述方法包括以下步骤：
计算源立体图像的视差图和目标立体图像的视差图，为源立体图像的左视点图像绘制均匀网格；
根据源立体图像的视差图获得对应的右视点图像网格；采用轮廓线确定方法获得适合优化变形的矩形轮廓；
通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格；
通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果。
2.根据权利要求1所述的一种基于直线约束的无缝立体图像克隆方法，其特征在于，所述网格为四边形网格。
3.根据权利要求1所述的一种基于直线约束的无缝立体图像克隆方法，其特征在于，所述采用轮廓线确定方法获得适合优化变形的矩形轮廓的步骤具体为：
根据用户指定的轮廓，确定用户绘制轮廓线与左视点图像网格边的所有交点坐标；
求得四条轮廓线，四条轮廓线组成一个矩形轮廓；
在获得新的左视点图像轮廓之后，根据源立体图像的视差图确定右视点图像轮廓；
对轮廓内部的图像进行优化变形，保留轮廓内部的网格。
4.根据权利要求1所述的一种基于直线约束的无缝立体图像克隆方法，其特征在于，所述通过视差调整和优化变形的迭代过程，获得源立体图像指定区域的优化网格的步骤具体为：
采用透视缩放能量函数、直线约束能量函数、视差约束能量函数和位置固定能量函数来指导网格变形。
5.根据权利要求1所述的一种基于直线约束的无缝立体图像克隆方法，其特征在于，所述通过双线性插值的方法获得源立体图像指定区域的优化变形结果；通过泊松融合算法获得最终融合结果的步骤具体为：
通过双线性插值算法获得调整后的源立体图像指定区域左视点图像和右视点图像，之后使用泊松融合算法将调整后的源立体图像指定区域的左视点图像和右视点图像分别与目标立体图像的左视点图像和右视点图像无缝融合，来获得最终的结果。
CN201611213610.5A 2016-12-24 2016-12-24 一种基于直线约束的无缝立体图像克隆方法 Pending CN106600713A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611213610.5A CN106600713A (zh) 2016-12-24 2016-12-24 一种基于直线约束的无缝立体图像克隆方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611213610.5A CN106600713A (zh) 2016-12-24 2016-12-24 一种基于直线约束的无缝立体图像克隆方法

Publications (1)

Publication Number Publication Date
CN106600713A true CN106600713A (zh) 2017-04-26

Family

ID=58601502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611213610.5A Pending CN106600713A (zh) 2016-12-24 2016-12-24 一种基于直线约束的无缝立体图像克隆方法

Country Status (1)

Country Link
CN (1) CN106600713A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110049303A (zh) * 2018-01-15 2019-07-23 微软技术许可有限责任公司 立体图像的视觉风格化
US11593615B2 (en) 2016-12-16 2023-02-28 Microsoft Technology Licensing, Llc Image stylization based on learning network

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LUO S J 等: "Perspective-Aware Warping for Seamless Stereoscopic Image Cloning", 《ACM TRANSACTIONS ON GRAPHICS》 *
龚永义 等: "直线特征保持的立体图像缩放", 《计算机学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11593615B2 (en) 2016-12-16 2023-02-28 Microsoft Technology Licensing, Llc Image stylization based on learning network
CN110049303A (zh) * 2018-01-15 2019-07-23 微软技术许可有限责任公司 立体图像的视觉风格化
CN110049303B (zh) * 2018-01-15 2021-08-13 微软技术许可有限责任公司 立体图像的视觉风格化
US11308576B2 (en) 2018-01-15 2022-04-19 Microsoft Technology Licensing, Llc Visual stylization on stereoscopic images

Similar Documents

Publication Publication Date Title
US9282321B2 (en) 3D model multi-reviewer system
CN106600679B (zh) 一种三维模型数据简化的方法
CN102663766B (zh) 一种基于非真实感的艺术插画效果绘制方法
CN103258343B (zh) 一种基于图像编辑的眼部图像处理方法
US20130057540A1 (en) Methods and apparatus for digital stereo drawing
CN103761734B (zh) 一种时域一致性保持的双目立体视频场景融合方法
CN105678687A (zh) 基于图像内容的立体图像拼接方法
CN109523622B (zh) 一种非结构化的光场渲染方法
CN101625766A (zh) 医学图像处理方法
Zhang et al. Real-time bas-relief generation from a 3D mesh
Tong et al. Stereopasting: interactive composition in stereoscopic images
WO2002013144A1 (en) 3d facial modeling system and modeling method
CN111462030A (zh) 多图像融合的立体布景视觉新角度构建绘制方法
CN102695070B (zh) 一种立体图像的深度一致性融合处理方法
CN106600713A (zh) 一种基于直线约束的无缝立体图像克隆方法
CN108197555B (zh) 一种基于人脸追踪的实时人脸融合方法
CN104822030B (zh) 一种基于图像变形的不规则视频矩形化矫正方法
CN109461197B (zh) 一种基于球面uv和重投影的云实时绘制优化方法
Chen et al. Image vectorization with real-time thin-plate spline
CN116363290A (zh) 一种用于大规模场景三维重建的纹理贴图生成方法
CN103945209B (zh) 一种基于分块投影的dibr方法
CN106910253B (zh) 基于不同相机间距的立体图像克隆方法
KR101727670B1 (ko) 피드백이 가능한 사용자 입력 기반의 의료영상 분할 장치 및 방법
CN109087250A (zh) 基于规则边界约束的图像拼接方法
CN110033507A (zh) 模型贴图的内描线绘制方法、装置、设备及可读存储介质

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170426