CN108184064A - 一种视角图阵列划分方法 - Google Patents
一种视角图阵列划分方法 Download PDFInfo
- Publication number
- CN108184064A CN108184064A CN201810008452.2A CN201810008452A CN108184064A CN 108184064 A CN108184064 A CN 108184064A CN 201810008452 A CN201810008452 A CN 201810008452A CN 108184064 A CN108184064 A CN 108184064A
- Authority
- CN
- China
- Prior art keywords
- visual angle
- image array
- angle
- reference viewing
- light field
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种视角图阵列划分方法,包括:对光场图像进行分解,获得视角图阵列;利用ADP或SMP算法对视角图阵列进行参考视角图与重建视角图的划分,使得划分后的视角图阵列中的参考视角图比例及稀疏程度均低于预设目标。该方法可以使得参考视角图的比例更低、采样更为稀疏,从而降低总体的编解码复杂度。
Description
技术领域
本发明涉及光场图像压缩技术领域,尤其涉及一种视角图阵列划分方法。
背景技术
光场相机可以记录空间场景中的光线强度和方向信息(即光场信息)。在光场相机内部,一个微透镜阵列被放置在CCD传感器前方,并位于主透镜的焦距附近。每个微透镜对应于一个像素块(即宏像素),光场图像由N*M个宏像素组成,其中N和M分别为微透镜阵列的高和宽。若将每个微透镜视为小孔,则主透镜背面在每个宏像素上成倒立的像——即每个宏像素可视为对主透镜在特定方向上的一个采样。
将每个宏像素相同位置的像素点取出依次排列,可以得到2D视角图(或称子孔径图)。光场图像可以利用此方法分解为视角图阵列。显然,相同空间分辨率下,光场图像数据量要数百倍于传统2D图像(Lytro二代光场相机拍摄单幅YUV图像大小50M左右),这是制约光场技术应用的一个重要因素。因此一套光场图像的高效压缩方案对于图像的存储传输是必须的。
目前(2017年)最高效的编码方式由中国科学技术大学的Zhao等人提出:首先将光场图像分解为视角图阵列,然后将之分为两个部分:参考视角图部分和重建视角图部分。对于前者,重新排列为图像序列,使用HEVC直接编码;对于后者,利用解码后的参考视角图进行重建。但在参考视角图、重建视角图两者划分上面,Zhao的方法仅仅考虑了棋盘格划分,而没有考虑更为稀疏的划分方式。
发明内容
本发明的目的是提供一种视角图阵列划分方法,使得参考视角图的比例更低、采样更为稀疏,可以降低总体的编解码复杂度。
本发明的目的是通过以下技术方案实现的:
一种视角图阵列划分方法,包括:
对光场图像进行分解,获得视角图阵列;
利用ADP或SMP算法对视角图阵列进行参考视角图与重建视角图的划分,使得划分后的视角图阵列中的参考视角图比例及稀疏程度均低于预设目标。
ADP算法公式如下:
其中,(u,v)表示光场图像在角度域平面的坐标,1表示相应视角图为重建视角图,0表示相应视角图为参考视角图,表示自然数集。
SMP算法公式如下:
其中,(u,v)表示光场图像在角度域平面的坐标,1表示相应视角图为重建视角图,0表示相应视角图为参考视角图,表示自然数集。
由上述本发明提供的技术方案可以看出,采用ADP或SMP算法对视角图阵列参考视角图的比例更低、采样更为稀疏;同时,由于重建视角图的编解码复杂度低于视频编码器编码复杂度,因此本方案可以降低总体的编解码复杂度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例提供的一种视角图阵列划分方法的流程图;
图2为本发明实施例提供的典型的光场图像;
图3为本发明实施例提供的光场图像进行分解的原理图;
图4为本发明实施例提供的视角图阵列划分结果示意图;
图5为本发明实施例提供的编码流程图。
具体实施方式
下面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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例提供一种视角图阵列划分方法,如图1所示,其主要包括如下步骤:
步骤1、对光场图像进行分解,获得视角图阵列。
本步骤可以通过常规技术来实现光场图像的分解,从而获得视角图阵列。
步骤2、利用ADP或SMP算法对视角图阵列进行参考视角图与重建视角图的划分,使得划分后的视角图阵列中的参考视角图比例及稀疏程度均低于预设目标。
本发明实施例中,可以将划分方法看作一个二值函数M(u,v),ADP(AntidiagnalPattern)与SMP(Sparse Mesh Pattern)算法的公式依次如下:
其中,(u,v)表示光场图像在角度域平面的坐标,1表示相应视角图为重建视角图,0表示相应视角图为参考视角图,表示自然数集。
划分获得的参考视角图与重建视角图可以利用前文提到的zhao等人的方法分别对参考视角图和重建视角图进行压缩编码。
本发明实施例上述方案相对于zhao等所采用的棋盘格划分,参考视角图的比例更低、采样更为稀疏。同时,由于重建视角图的编解码复杂度低于视频编码器编码复杂度,因此本方案可以降低总体的编解码复杂度。
采用EPFL中的12幅光场图像进行对比实验。与棋盘格方案相比,完全采用ADP划分平均可以节约9.3%码率,而SMP平均可以节约16.48%码率。
对于不同内容的图像,SMP与ADP性能曲线会出现交叉,因此可以根据不同图像、不同码率,选择合适的划分方式,达到最优编码性能
为了便于理解,下面结合具体示例进行说明。
如图2所示,为典型的光场图像;其中,(a)为宏像素,(b)为拍摄得到的光场图像,(c)为分解后得到的视角图。对光场图像进行分解时,通过抽取宏像素相同位置的像素并组合,最终得到视角图,其原理如图3所示。
对于Lytro拍摄得到的光场图像,首先将光场图像分解为分辨率为13x13x434x625x3的视角图阵列,其中13为角度分辨率,434x625为空间分辨率。视角图阵列划分方式采用前文所述的ADP或SMP算法。如图5所示,为视角图阵列划分结果,左、右图分别为ADP算法、SMP算法划分结果;图4中,浅灰色表示参考视角图,深灰色表示重建视角图。
实际工作中,可以根据给定的图像内容和码率,选择合适的划分方式,再按照图5所示流程进行编解码,其中(a)为编码器处理流程,(b)为解码器处理流程。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)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的方法。
以上所述,仅为本发明较佳的具体实施方式,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披露的技术范围内,可轻易想到的变化或替换,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该以权利要求书的保护范围为准。
Claims (3)
1.一种视角图阵列划分方法,其特征在于,包括:
对光场图像进行分解,获得视角图阵列;
利用ADP或SMP算法对视角图阵列进行参考视角图与重建视角图的划分,使得划分后的视角图阵列中的参考视角图比例及稀疏程度均低于预设目标。
2.根据权利要求1所述的一种视角图阵列划分方法,其特征在于,ADP算法公式如下:
其中,(u,v)表示光场图像在角度域平面的坐标,1表示相应视角图为重建视角图,0表示相应视角图为参考视角图,表示自然数集。
3.根据权利要求1所述的一种视角图阵列划分方法,其特征在于,SMP算法公式如下:
其中,(u,v)表示光场图像在角度域平面的坐标,1表示相应视角图为重建视角图,0表示相应视角图为参考视角图,表示自然数集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008452.2A CN108184064B (zh) | 2018-01-04 | 2018-01-04 | 一种视角图阵列划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008452.2A CN108184064B (zh) | 2018-01-04 | 2018-01-04 | 一种视角图阵列划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108184064A true CN108184064A (zh) | 2018-06-19 |
CN108184064B CN108184064B (zh) | 2020-06-26 |
Family
ID=62549846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810008452.2A Active CN108184064B (zh) | 2018-01-04 | 2018-01-04 | 一种视角图阵列划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108184064B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191359A (zh) * | 2019-05-16 | 2019-08-30 | 华侨大学 | 一种基于关键子孔径图像选取的光场图像压缩方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290358B1 (en) * | 2007-06-25 | 2012-10-16 | Adobe Systems Incorporated | Methods and apparatus for light-field imaging |
CN103401609A (zh) * | 2013-07-31 | 2013-11-20 | 中国科学院空间科学与应用研究中心 | 基于压缩感知与稀疏孔径的自由空间光通信系统及方法 |
US20140328535A1 (en) * | 2013-05-06 | 2014-11-06 | Disney Enterprises, Inc. | Sparse light field representation |
CN104735438A (zh) * | 2015-03-09 | 2015-06-24 | 南京航空航天大学 | 一种基于压缩传感的多视点数据采集方法 |
CN106706638A (zh) * | 2016-12-14 | 2017-05-24 | 北京理工大学 | 基于暗条纹逻辑判断的相位成像设备及方法 |
CN106973293A (zh) * | 2017-04-21 | 2017-07-21 | 中国科学技术大学 | 基于视差预测的光场图像编码方法 |
CN107295264A (zh) * | 2017-08-01 | 2017-10-24 | 清华大学深圳研究生院 | 一种基于单应性变换光场数据压缩方法 |
-
2018
- 2018-01-04 CN CN201810008452.2A patent/CN108184064B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290358B1 (en) * | 2007-06-25 | 2012-10-16 | Adobe Systems Incorporated | Methods and apparatus for light-field imaging |
US20140328535A1 (en) * | 2013-05-06 | 2014-11-06 | Disney Enterprises, Inc. | Sparse light field representation |
CN103401609A (zh) * | 2013-07-31 | 2013-11-20 | 中国科学院空间科学与应用研究中心 | 基于压缩感知与稀疏孔径的自由空间光通信系统及方法 |
CN104735438A (zh) * | 2015-03-09 | 2015-06-24 | 南京航空航天大学 | 一种基于压缩传感的多视点数据采集方法 |
CN106706638A (zh) * | 2016-12-14 | 2017-05-24 | 北京理工大学 | 基于暗条纹逻辑判断的相位成像设备及方法 |
CN106973293A (zh) * | 2017-04-21 | 2017-07-21 | 中国科学技术大学 | 基于视差预测的光场图像编码方法 |
CN107295264A (zh) * | 2017-08-01 | 2017-10-24 | 清华大学深圳研究生院 | 一种基于单应性变换光场数据压缩方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191359A (zh) * | 2019-05-16 | 2019-08-30 | 华侨大学 | 一种基于关键子孔径图像选取的光场图像压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108184064B (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Lenselet image compression scheme based on subaperture images streaming | |
Jiang et al. | Light field compression with homography-based low-rank approximation | |
Dziembowski et al. | IV-PSNR—the objective quality metric for immersive video applications | |
US10785502B2 (en) | Method and apparatus for encoding and decoding a light field based image, and corresponding computer program product | |
Wang et al. | Factoring repeated content within and among images | |
CN108141610A (zh) | 用于编码和解码基于光场的图像的方法和设备,以及相应的计算机程序产品 | |
CN110612722B (zh) | 对数字光场图像编码和解码的方法和设备 | |
CN104469372B (zh) | 用于压缩微透镜阵列采集的光场图像的方法和系统 | |
EP4156685A1 (en) | Light field image processing method, light field image encoder and decoder, and storage medium | |
CN106534853B (zh) | 基于混合扫描顺序的光场图像压缩方法 | |
CN108028945A (zh) | 通过使用单例系数更新执行变换的设备和方法 | |
Hu et al. | An adaptive two-layer light field compression scheme using GNN-based reconstruction | |
CN115661403A (zh) | 显式辐射场的处理方法、设备和存储介质 | |
CN116542889A (zh) | 一种拥有稳定视点的全景视频增强方法 | |
Farrugia et al. | A simple framework to leverage state-of-the-art single-image super-resolution methods to restore light fields | |
BR102019000922A2 (pt) | Método para comprimir dados de campo de luz usando transformadas de quatro dimensões de tamanho de bloco variável e decomposição por planos de bits | |
CN108184064A (zh) | 一种视角图阵列划分方法 | |
CN106961605B (zh) | 一种基于宏像素边界匹配的光场图像压缩方法 | |
Pournaghi et al. | Coded acquisition of high frame rate video | |
CN107770537B (zh) | 基于线性重建的光场图像压缩方法 | |
Tran et al. | Light-field image compression based on variational disparity estimation and motion-compensated wavelet decomposition | |
Choudhury et al. | Disparity based compression technique for focused plenoptic images | |
Li et al. | High Visual-Fidelity Learned Video Compression | |
Kaya et al. | Corner view disparity estimation for lossless light field compression | |
Bai et al. | Local-to-Global Panorama Inpainting for Locale-Aware Indoor Lighting Prediction |
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 |