CN107424195A - 一种光场距离估计方法 - Google Patents
一种光场距离估计方法 Download PDFInfo
- Publication number
- CN107424195A CN107424195A CN201710597657.4A CN201710597657A CN107424195A CN 107424195 A CN107424195 A CN 107424195A CN 201710597657 A CN201710597657 A CN 201710597657A CN 107424195 A CN107424195 A CN 107424195A
- Authority
- CN
- China
- Prior art keywords
- light field
- distance
- field image
- imaging system
- estimate
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
一种光场距离估计方法,包括:S1、标定成像系统并拍摄光场图像;S2、对光场图像进行重聚焦;S3、用距离估计模型获取重聚焦光场图像上待估计物体所在平面到成像系统距离的初始估计值;S4、获取成像系统参数,建立成像模型,模拟得到成像系统在初始估计值下的点扩散函数;S5、将点扩散函数和重聚焦光场图像反卷积得到待估计物体进一步清晰的光场图像;S6、采用距离估计模型来获取步骤S5得到的光场图像上待估计物体所在平面到成像系统的距离的估计值,并根据该估计值更新点扩散函数;S7、判断步骤S6得到的估计值是否满足收敛条件,若是则输出距离估计结果;若否,则以更新的点扩散函数和步骤S5得到的光场图像作为步骤S5中反卷积的对象,返回步骤S5。
Description
技术领域
本发明涉及计算机视觉与数字图像处理领域,具体涉及一种光场距离估计方法。
背景技术
相机中使用的透镜都存在固有的、不可完全消除的光学像差,虽然通过缩小镜头光圈能够减小像差,但同时也会降低相机的通光量,导致成像质量下降。现有相机大多通过使用复杂透镜组来减小像差,如市面上的单反相机。虽然单反相机能够拍摄高分辨率、高质量的图像,但其使用的透镜组不仅会增加生产成本,还会增大相机自身的体积和重量,同时多个透镜还需要高精度的配准。光场相机因其能够获取场景的多维信息,在计算机视觉、机器人等领域得到广泛应用,其中利用光场进行测距逐渐成为研究者们关注的课题。光场相机也是通过使用镜头组来减小像差,且其在镜头组与传感器之间插入了一块微透镜阵列,因此可以记录物体的位置与方向信息。毋庸置疑,使用镜头组势必会增加光场相机的成本和体积,非常不便于携带。
发明内容
本发明的主要目的在于提出一种光场距离估计方法,该方法能够在一定精度范围内估计出物体到成像系统的实际距离,同时提高距离估计的精度。
本发明为达上述目的所提出的技术方案如下:
一种光场距离估计方法,包括以下步骤S1至S7:
S1、对光场成像系统进行标定,并拍摄初始光场图像;
S2、对所述初始光场图像进行重聚焦,以使初始光场图像聚焦到进行所述标定时得到的聚焦面上,形成重聚焦光场图像;
S3、采用距离估计模型来获取所述重聚焦光场图像上待估计物体所在平面到光场成像系统的距离的初始估计值;
S4、获取光场成像系统的参数,建立成像模型,模拟得到光场成像系统在所述初始估计值下的点扩散函数;
S5、将所述点扩散函数和所述重聚焦光场图像进行反卷积,得到所述待估计物体进一步清晰的光场图像;
S6、采用所述距离估计模型来获取步骤S5得到的光场图像上待估计物体所在平面到光场成像系统的距离的估计值,并根据该估计值更新所述点扩散函数;
S7、判断步骤S6得到的估计值是否满足预设的收敛条件,若是,则输出所述待估计物体的距离估计结果;若否,则以步骤S6更新的点扩散函数和步骤S5得到的光场图像作为步骤S5中反卷积的对象,返回步骤S5。
本发明提出的上述光场距离估计方法,首先将待处理的光场图像进行重聚焦,再对重聚焦的图像(具体是对待估计物体)进行不断地清晰化以及不断的距离估计,其中每迭代一次就更新一次点扩散函数和清晰化一次光场图像,使得距离估计值不断地逼近真实的距离值,最终得到在一定精度范围内,光场图像上待估计物体到光场成像系统的实际距离(而现有技术只能估计物体的相对远近程度)。
更进一步地,所述光场成像系统包括主镜头、微透镜阵列和传感器;其中,主镜头为一个单透镜,单透镜与微透镜阵列之间的距离固定,微透镜阵列与传感器之间的距离为单个微透镜的焦距。使用单透镜替代传统的镜头组,可以降低光场成像系统的体积和成本,即便单镜头的像差较镜头组的严重,但本发明的距离估计方法中采用反卷积操作可以去模糊,消除成像系统中单镜头带来的不良影响。
更进一步地,步骤S1中进行所述标定具体包括:
S11、获取微透镜阵列的中心在传感器上的位置;
S12、获取光场成像系统当前聚焦面所在的位置,测得当前聚焦面与主镜头之间的距离。
更进一步地,步骤S4中获取的所述参数包括主镜头的入瞳直径和焦距、单个微透镜的直径和焦距、主镜头与微透镜阵列之间的距离以及传感器的分辨率和像素大小。
更进一步地,步骤S4中利用波动光学模拟得到光场成像系统在红光、绿光和蓝光三种波长下的点扩散函数,传播方法为菲涅尔衍射、角谱定理或带限角谱定理。
更进一步地,步骤S4中的成像模型为Ib=IsH+N',其中:Ib为步骤S2中得到的重聚焦光场图像所展成的矩阵,Is表示步骤S5中进行反卷积后得到的光场图像所展成的矩阵,H为所述点扩散函数所展成的矩阵,N’为光场成像系统的噪声。
更进一步地,步骤S5中进行反卷积时使用的优化模型为其中:c=1,2,3分别表示红、绿、蓝三通道,Isc为对应通道下进行反卷积后得到的光场图像所展成的矩阵,Hc为对应通道的点扩散函数所展成的矩阵,Ibc为步骤S2中得到的重聚焦光场图像的对应通道下所展成的矩阵。
更进一步地,步骤S7中所述的收敛条件为|dj-dj-1|≤ε,其中j=1,2,3,4,5……,ε为根据估计精度要求预先设定的阈值,dj表示经步骤S6得到的最新的估计值,当该估计值满足所述收敛条件时,输出的所述距离估计结果为(dj+dj-1)/2;当j=1时,表示第一次执行步骤S6,此时dj-1=d0为所述初始估计值。
附图说明
图1是本发明一种具体实施方式提供的光场距离估计方法的流程图;
图2是本发明建立的成像模型示意图。
具体实施方式
下面结合附图和优选的实施方式对本发明作进一步说明。
本发明的具体实施方式提供一种光场距离估计方法,参考图1,包括以下步骤S1至S7:
步骤S1、对光场成像系统进行标定,并拍摄初始光场图像。在优选的实施例中,为了使光场成像系统(或称光场相机)的体积更小和成本更低,其包括只用一个单透镜构成的主镜头、微透镜阵列和传感器,其中,单透镜与微透镜阵列之间的距离固定,微透镜阵列与传感器之间的距离为单个微透镜的焦距。当然也可以是其它构成形式的光场成像系统,只要能够拍摄得到光场图像即可。对光场相机进行标定主要包括以下内容1)和2):
1)获取微透镜阵列的中心在传感器上的位置,具体方法为:放置一块白板或白纸于校正后的成像系统前,对其进行拍摄得到白板或白纸的光场图像。在每个微透镜直径大小的范围内,找到强度值最大的像素所在的位置,即为每个微透镜的中心。该步的目的是为了对后续拍摄的光场图像进行校正。
2)获取光场成像系统当前聚焦面所在的位置,测得该聚焦面与主镜头之间的距离,具体方法为:固定主镜头与微透镜阵列之间的距离,在主镜头前放置一激光器、衰减片以及放大物镜,衰减后的激光射入放大物镜,随后发散传播,且以发散角度能覆盖主镜头的入瞳直径依次射入主镜头、微透镜阵列,到达传感器。同时移动激光器、衰减片以及放大物镜,使得传感器上的光斑达到最小。此时放大物镜的出口与主镜头之间的距离为成像系统聚焦面所在的位置。
步骤S2、对前述步骤S1中采用标定好的成像系统拍摄得到的初始光场图像进行重新聚焦,重新聚焦的目的是使初始光场图像聚焦到预定的聚焦面上,形成重聚焦光场图像,此处预定的聚焦面是指在步骤S1中进行标定时得到的聚焦面。
步骤S3、采用距离估计模型来获取所述重聚焦光场图像上待估计物体所在平面到光场成像系统的距离的初始估计值d0。
步骤S4、获取光场成像系统的参数,建立成像模型,利用波动光学模拟得到光场成像系统在所述初始估计值下的点扩散函数。传播方法可以采用但不局限于菲涅尔衍射、角谱定理或带限角谱定理。通过后述的公式(1)至(8)推导可得到分别对应于红、绿、蓝三通道的点扩散函数(后述的公式(9))。此步骤中需要获取的所述参数包括主镜头的入瞳直径D和焦距Fmain、单个微透镜的直径d和焦距fmicro、主镜头与微透镜阵列之间的距离l以及传感器的分辨率w×h和像素大小pitch。接着,如图2所示,建立物平面、单透镜、微透镜阵列和传感器坐标系,分别为(ξ,η)、(u,v)、(x,y)和(s,t)。传播方法以使用菲涅尔衍射为例,假设点光源位于物平面坐标系中的某一点(ξ0,η0)处,则该点光源在物平面的复振幅可表示为:
U1(ξ,η)=δ(ξ-ξ0,η-η0) (1)
该点光源发出的光波经过菲涅尔衍射后,到达单透镜平面,因此其在单透镜前的复振幅U2(u,v)为:
其中表示一次傅里叶变换,其中的fξ和fη为此处傅里叶变换的采样频率,λc表示光波的波长(c=1、2、3时分别表示红光、绿光、蓝光的波长),i为虚数,k表示波长数,且有d0为前述的初始估计值。
假设单透镜的光瞳函数为P(u,v),则单透镜的透过率函数(Transmittancefunction)为
其中W(u,v)表示单透镜的波像差。
因此,该点光源发出的光波在单透镜平面后的复振幅为
U3(u,v)=U2(u,v)Pt(u,v) (4)
光波继续经过菲涅尔衍射传播至微透镜阵列平面,因此光波在微透镜阵列前的复振幅U1(x,y)为
此处傅里叶变换的采样频率为fu和fv。
假设微透镜阵列由M×N个小微透镜组成,每个小微透镜的光瞳函数为P(x,y),则光波经过单个微透镜后的复振幅U2(x,y)为
此处,由于单个微透镜很小,故不考虑其波像差,其中m∈M,n∈N。
光波经过微透镜阵列后,其复振幅是所有单个微透镜后复振幅的叠加,因此光波在经过微透镜阵列后的复振幅U3(x,y)为
最后,光波再经过菲涅尔衍射到达传感器平面,因此传感器平面上的复振幅U1(s,t)为
此处傅里叶变换的采样频率为fx和fy。
则光波在传感器上的光强为
h(s,t)=|U1(s,t)|2 (9)
公式(9)即为模拟得到的光场成像系统在所述初始估计值下的点扩散函数。公式(2)中λc为λ1时,对应推导得到的公式(9)即为红光通道下的点扩散函数,λc为λ2时,对应推导得到的公式(9)即为绿光通道下的点扩散函数,λc为λ3时,对应推导得到的公式(9)即为蓝光通道下的点扩散函数。
步骤S5、将点扩散函数和重聚焦光场图像进行反卷积,得到待估计物体变得进一步清晰的光场图像。
在一种具体的实施例中,步骤S4中的成像模型为Ib=IsH+N',其中:Ib为步骤S2中得到的重聚焦光场图像所展成的矩阵,Is表示步骤S5中进行反卷积后得到的光场图像所展成的矩阵,H为所述点扩散函数所展成的矩阵,N’为光场成像系统的噪声。
在优选的实施例中,步骤S5进行反卷积所采用的优化模型为
其中:c=1,2,3分别表示红、绿、蓝三通道,Isc为对应通道下进行反卷积后得到的光场图像所展成的矩阵,Hc为对应通道的点扩散函数所展成的矩阵,Ibc为步骤S2中得到的重聚焦光场图像的对应通道下所展成的矩阵。
经过上述步骤S5对重聚焦光场图像进行去模糊后,得到了新的光场图像,该新的光场图像与步骤S2中得到的重聚焦光场图像相比,至少待估计物体是变得更清晰的。
步骤S6、再一次采用所述距离估计模型来获取步骤S5得到的光场图像上待估计物体所在平面到光场成像系统的距离的估计值,并根据该估计值更新前述的点扩散函数。
步骤S7、判断步骤S6得到的估计值是否满足预设的收敛条件,若是,则输出所述待估计物体的距离估计结果;若否,则以步骤S6更新的点扩散函数和步骤S5得到的光场图像作为步骤S5中反卷积的对象,返回步骤S5。一种实施例中,收敛条件设置为|dj-dj-1|≤ε,其中j=1,2,3,4,5……,ε为根据估计精度要求预先设定的阈值,若希望最终的估计得到的距离值更加接近真实距离值,即精度要求高,则该阈值可以设置得相对小一些,具体的数值根据实际实施来给定,dj表示经步骤S6得到的最新的估计值,当该估计值满足所述收敛条件时,输出的所述距离估计结果为(dj+dj-1)/2;当j=1时,表示第一次执行步骤S6,此时dj-1=d0为所述初始估计值。比如,假设距离值的单位以mm为准,ε设置为3mm,步骤S6对经步骤S5清晰化处理的图像中的待估计物体进行距离估计得到估计值d1=1000mm,而初始估计值d0=998mm,此时的d1满足|d1-d0|≤ε,则说明步骤S6估计得到的距离值满足收敛要求,可以不再继续优化,输出(d1+d0)/2=999mm作为待估计物体至成像系统的最终距离估计值。但是,如果此时步骤S6估计得到的距离值d1=1003mm,则此时的d1不满足收敛条件,需要再次进行优化估计,即采用最近一次更新的点扩散函数和最近一次清晰化得到的光场图像进行反卷积以再一次清晰化光场图像(循环步骤S5),再对反卷积得到的最新的光场图像上的待估计物体进行距离估计(循环步骤S6),得到最新估计的距离值d2,同时更新距离值d2下的点扩散函数,若此时d2满足|d2-d1|≤ε,则最终的距离估计值为(d2+d1)/2,若仍不满足收敛条件,则再以最近一次更新的点扩散函数和最近一次清晰化得到的光场图像进行反卷积而执行步骤S5,不断进行循环迭代,直至当前得到的距离估计值dj满足前述收敛条件。
其中,步骤S3和S6中所采用的距离估计模型为已公开的现有技术中所采用的光场距离估计方法模型,例如申请号为201610828558.8的专利文献所公开的距离估计方法,可以用该文献中的距离估计方法来获取初始估计距离以及步骤S6中的距离估计值。
另外,点扩散函数的更新是基于步骤S6中不断更新的距离估计值dk,第一次执行步骤S6后得到的距离估计值d1替换公式(2)中的d0,从而可以使公式(9)得以更新,即实现点扩散函数的更新。
本发明输出满足收敛条件的最终的距离估计值时,还可同时输出步骤S5最后一次进行去模糊而得到的最新的光场图像。根据最终的距离估计值,可以进行三维重构,得到更加接近真实场景的三维视图。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (8)
1.一种光场距离估计方法,包括以下步骤S1至S7:
S1、对光场成像系统进行标定,并拍摄初始光场图像;
S2、对所述初始光场图像进行重聚焦,以使初始光场图像聚焦到进行所述标定时得到的聚焦面上,形成重聚焦光场图像;
S3、采用距离估计模型来获取所述重聚焦光场图像上待估计物体所在平面到光场成像系统的距离的初始估计值;
S4、获取光场成像系统的参数,建立成像模型,模拟得到光场成像系统在所述初始估计值下的点扩散函数;
S5、将所述点扩散函数和所述重聚焦光场图像进行反卷积,得到所述待估计物体进一步清晰的光场图像;
S6、采用所述距离估计模型来获取步骤S5得到的光场图像上待估计物体所在平面到光场成像系统的距离的估计值,并根据该估计值更新所述点扩散函数;
S7、判断步骤S6得到的估计值是否满足预设的收敛条件,若是,则输出所述待估计物体的距离估计结果;若否,则以步骤S6更新的点扩散函数和步骤S5得到的光场图像作为步骤S5中反卷积的对象,返回步骤S5。
2.如权利要求1所述的光场距离估计方法,其特征在于:所述光场成像系统包括主镜头、微透镜阵列和传感器;其中,主镜头为一个单透镜,单透镜与微透镜阵列之间的距离固定,微透镜阵列与传感器之间的距离为单个微透镜的焦距。
3.如权利要求2所述的光场距离估计方法,其特征在于:步骤S1中进行所述标定具体包括:
S11、获取微透镜阵列的中心在传感器上的位置;
S12、获取光场成像系统当前聚焦面所在的位置,测得当前聚焦面与主镜头之间的距离。
4.如权利要求2所述的光场距离估计方法,其特征在于:步骤S4中获取的所述参数包括主镜头的入瞳直径和焦距、单个微透镜的直径和焦距、主镜头与微透镜阵列之间的距离以及传感器的分辨率和像素大小。
5.如权利要求1所述的光场距离估计方法,其特征在于:步骤S4中利用波动光学模拟得到光场成像系统在红光、绿光和蓝光三种波长下的点扩散函数,传播方法为菲涅尔衍射、角谱定理或带限角谱定理。
6.如权利要求1所述的光场距离估计方法,其特征在于:步骤S4中的成像模型为Ib=IsH+N',其中:Ib为步骤S2中得到的重聚焦光场图像所展成的矩阵,Is表示步骤S5中进行反卷积后得到的光场图像所展成的矩阵,H为所述点扩散函数所展成的矩阵,N’为光场成像系统的噪声。
7.如权利要求1或6所述的光场距离估计方法,其特征在于:步骤S5中进行反卷积时使用的优化模型为其中:c=1,2,3分别表示红、绿、蓝三通道,Isc为对应通道下进行反卷积后得到的光场图像所展成的矩阵,Hc为对应通道的点扩散函数所展成的矩阵,Ibc为步骤S2中得到的重聚焦光场图像的对应通道下所展成的矩阵。
8.如权利要求1所述的光场距离估计方法,其特征在于:步骤S7中所述的收敛条件为|dj-dj-1|≤ε,其中j=1,2,3,4,5……,ε为根据估计精度要求预先设定的阈值,dj表示经步骤S6得到的最新的估计值,当该估计值满足所述收敛条件时,输出的所述距离估计结果为(dj+dj-1)/2;当j=1时,表示第一次执行步骤S6,此时dj-1=d0为所述初始估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597657.4A CN107424195B (zh) | 2017-07-20 | 2017-07-20 | 一种光场距离估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597657.4A CN107424195B (zh) | 2017-07-20 | 2017-07-20 | 一种光场距离估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107424195A true CN107424195A (zh) | 2017-12-01 |
CN107424195B CN107424195B (zh) | 2020-03-31 |
Family
ID=60430039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710597657.4A Active CN107424195B (zh) | 2017-07-20 | 2017-07-20 | 一种光场距离估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107424195B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008585A (zh) * | 2019-04-02 | 2019-07-12 | 清华大学深圳研究生院 | 一种基于动量梯度的散射波前光场估计加速方法 |
CN110533617A (zh) * | 2019-08-30 | 2019-12-03 | Oppo广东移动通信有限公司 | 图像处理方法及装置、存储介质 |
CN110967827A (zh) * | 2019-12-04 | 2020-04-07 | 清华大学深圳国际研究生院 | 一种基于光场微型显微系统的成像建模方法及装置 |
CN111683193A (zh) * | 2019-03-11 | 2020-09-18 | 株式会社东芝 | 图像处理装置 |
WO2020220628A1 (zh) * | 2019-04-29 | 2020-11-05 | 清华大学深圳国际研究生院 | 一种基于激光线扫描成像的测距方法 |
TWI738259B (zh) * | 2019-04-08 | 2021-09-01 | 豪威科技股份有限公司 | 組合光場相機和高解析度相機之相機模組及其使用晶圓級整合製程之方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104363369A (zh) * | 2014-11-17 | 2015-02-18 | 清华大学深圳研究生院 | 一种光场相机的图像恢复方法及装置 |
CN105446111A (zh) * | 2016-01-06 | 2016-03-30 | 中国科学院上海光学精密机械研究所 | 一种应用于数字全息重构过程的对焦方法 |
CN105931196A (zh) * | 2016-04-11 | 2016-09-07 | 天津大学 | 基于傅里叶光学建模的编码光圈相机图像恢复方法 |
CN106842178A (zh) * | 2017-01-13 | 2017-06-13 | 清华大学深圳研究生院 | 一种光场距离估计方法与光场成像系统 |
-
2017
- 2017-07-20 CN CN201710597657.4A patent/CN107424195B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104363369A (zh) * | 2014-11-17 | 2015-02-18 | 清华大学深圳研究生院 | 一种光场相机的图像恢复方法及装置 |
CN105446111A (zh) * | 2016-01-06 | 2016-03-30 | 中国科学院上海光学精密机械研究所 | 一种应用于数字全息重构过程的对焦方法 |
CN105931196A (zh) * | 2016-04-11 | 2016-09-07 | 天津大学 | 基于傅里叶光学建模的编码光圈相机图像恢复方法 |
CN106842178A (zh) * | 2017-01-13 | 2017-06-13 | 清华大学深圳研究生院 | 一种光场距离估计方法与光场成像系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111683193A (zh) * | 2019-03-11 | 2020-09-18 | 株式会社东芝 | 图像处理装置 |
CN110008585A (zh) * | 2019-04-02 | 2019-07-12 | 清华大学深圳研究生院 | 一种基于动量梯度的散射波前光场估计加速方法 |
CN110008585B (zh) * | 2019-04-02 | 2022-12-23 | 清华大学深圳研究生院 | 一种基于动量梯度的散射波前光场估计加速方法 |
TWI738259B (zh) * | 2019-04-08 | 2021-09-01 | 豪威科技股份有限公司 | 組合光場相機和高解析度相機之相機模組及其使用晶圓級整合製程之方法 |
WO2020220628A1 (zh) * | 2019-04-29 | 2020-11-05 | 清华大学深圳国际研究生院 | 一种基于激光线扫描成像的测距方法 |
US11620760B2 (en) | 2019-04-29 | 2023-04-04 | Tsinghua Shenzhen International Graduate School | Ranging method based on laser-line scanning imaging |
CN110533617A (zh) * | 2019-08-30 | 2019-12-03 | Oppo广东移动通信有限公司 | 图像处理方法及装置、存储介质 |
CN110533617B (zh) * | 2019-08-30 | 2022-05-27 | Oppo广东移动通信有限公司 | 图像处理方法及装置、存储介质 |
CN110967827A (zh) * | 2019-12-04 | 2020-04-07 | 清华大学深圳国际研究生院 | 一种基于光场微型显微系统的成像建模方法及装置 |
CN110967827B (zh) * | 2019-12-04 | 2021-07-02 | 清华大学深圳国际研究生院 | 一种基于光场微型显微系统的成像建模方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107424195B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107424195A (zh) | 一种光场距离估计方法 | |
US9521316B2 (en) | Image processing apparatus for reconstructing an image, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium | |
CN105578019B (zh) | 一种可获得深度信息的影像提取系统与对焦方法 | |
CN106454090B (zh) | 基于深度相机的自动对焦方法及系统 | |
JP5358039B1 (ja) | 撮像装置 | |
JP6789833B2 (ja) | 画像処理装置、撮像装置、画像処理方法およびプログラム | |
JP5548310B2 (ja) | 撮像装置、撮像装置を備える撮像システム、及び撮像方法 | |
CN103780840A (zh) | 一种高品质成像的双摄像成像装置及其方法 | |
CN107205109A (zh) | 具有多摄像模块的电子装置及其控制的方法 | |
CN111182238B (zh) | 基于扫描光场的高分辨率移动电子设备的成像装置及方法 | |
CN106896622A (zh) | 基于多距离自动对焦的校正方法 | |
CN107454377B (zh) | 一种利用相机进行三维成像的算法和系统 | |
TWI506331B (zh) | 高速變焦透鏡 | |
WO2012127552A1 (ja) | 画像処理装置、撮像装置及び画像処理方法 | |
CN105222725B (zh) | 一种基于光谱分析的高清图像动态采集方法 | |
JP6700986B2 (ja) | 画像処理装置、撮像装置、画像処理方法、及びプログラム | |
JP6418770B2 (ja) | 画像処理装置、撮像装置、画像処理方法、プログラム、および記憶媒体 | |
CN104952048B (zh) | 一种基于像体重建的焦点堆栈照片合成方法 | |
CN107147858A (zh) | 图像处理装置及其控制方法 | |
CN107421640B (zh) | 基于色差扩大原理的多光谱光场成像系统及方法 | |
JP5348258B2 (ja) | 撮像装置 | |
JP6976754B2 (ja) | 画像処理装置および画像処理方法、撮像装置、プログラム | |
CN107272141A (zh) | 光学系统镜组、取像装置及电子装置 | |
CN106094183B (zh) | 一种高像质内对焦式光学成像系统 | |
CN106303202A (zh) | 一种图像信息处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |