CN114612352A - 多聚焦图像融合方法、存储介质和计算机 - Google Patents
多聚焦图像融合方法、存储介质和计算机 Download PDFInfo
- Publication number
- CN114612352A CN114612352A CN202210109832.1A CN202210109832A CN114612352A CN 114612352 A CN114612352 A CN 114612352A CN 202210109832 A CN202210109832 A CN 202210109832A CN 114612352 A CN114612352 A CN 114612352A
- Authority
- CN
- China
- Prior art keywords
- image
- original
- images
- sharpness
- focus
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 29
- 230000005484 gravity Effects 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 15
- 230000014616 translation Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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 using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- 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
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种多聚焦图像融合方法、存储介质和计算机。所述多聚焦图像融合方法包括:利用清晰度评价函数计算多张原图像的每张原图像的每个像素的锐利度得到每张原图像的清晰度图像,并进而得到每张原图像的显著性图像;基于每张清晰度图像计算每张图像的重心,按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,得到原图像集和显著图像集;按照图像排序进行原图像集中相邻图像之间以及显著图像集中相邻图像之间的两两配准,以得到配准后的显著性图像集和配准后的原图像集;根据配准后的显著性图像集生成景深图;根据景深图的每个像素位置的图像索引序号重建一张清晰的融合图像。这样,可以将场景相同聚焦不同的多张原图像融合形成一张清晰的融合图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种多聚焦图像融合方法、存储介质和计算机。
背景技术
在现代社会中,图像是人类获取信息的重要来源,对图像的清晰度需求也越来越高,但现实成像过程中镜头往往受景深的限制,无法同时聚焦视野内所有目标,因此拍摄的图像总是存在局部模糊,难以用来获取其包含的完整信息。
多聚焦图像融合技术,可以将多幅同一场景内聚焦区域不同的图像,融合成一幅各区域完全清晰的图像,为后续图像分析与处理提供优质的信息源,同时大大提升图像的信息利用率,该优势在工业机器视觉、医学成像诊断、航空目标识别等领域都发挥了巨大优势。
而在实际的多聚焦图像融合过程中,需尽量保留所有原图像中的有用信息,也需考虑拍摄环境的干扰因素,增强方法的鲁棒性,还需考虑实际应用的速度。因此,多聚焦图像融合方法的研究具有重要意义。
发明内容
本发明的目的在于提供一种多聚焦图像融合方法、存储介质和计算机,其可以将场景相同聚焦不同的多张原图像融合形成一张清晰的融合图像。
为实现发明目的,根据本发明的一个方面,本发明提供一种多聚焦图像融合方法,其包括:提供场景相同聚焦不同的多张原图像;利用清晰度评价函数计算每张原图像的每个像素的锐利度得到每张原图像的清晰度图像,基于每张原图像的清晰度图像得到每张原图像的显著性图像;基于每张清晰度图像计算每张图像的重心,按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,得到原图像集和显著图像集;按照图像排序进行原图像集中相邻图像之间以及显著图像集中相邻图像之间的两两配准,以得到配准后的显著性图像集和配准后的原图像集;根据配准后的显著性图像集生成景深图,所述景深图记载有每个像素位置的图像索引序号;和根据景深图的每个像素位置的图像索引序号重建一张清晰的融合图像。
根据本发明的另一个方面,本发明提供一种存储介质,其存储有程序指令,在所述程序执行被运行上文所述的多聚焦图像融合方法。
根据本发明的再一个方面,本发明提供一种计算机,其包括处理器和存储器,所述存储器中存储有程序指令,所述处理器运行所述程序指令以执行上文所述的多聚焦图像融合方法。
与现有技术相比,本发明可以将多幅同一场景内聚焦区域不同的图像,融合成一幅各区域完全清晰的图像,为后续图像分析与处理提供优质的信息源,同时大大提升图像的信息利用率,该优势在工业机器视觉、医学成像诊断、航空目标识别等领域都发挥了巨大优势。
附图说明
图1为本发明中的多聚焦图像融合方法在一个实施例中的流程示意图;
图2为本发明中多聚焦图像融合方法的一个示例,其中示出了三张原图像、三张显著性图像、一张景深图以及一张融合图像。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
本发明提供一种多聚焦图像融合方法,其可以将场景相同聚焦不同的多张原图像融合形成一张清晰的融合图像。
图1为本发明中的多聚焦图像融合方法100在一个实施例中的流程示意图。如图1所示的,所述多聚焦图像融合方法100包括如下步骤。
步骤110,提供场景相同聚焦不同的多张原图像。
在一个实施例中,可以是一台照相机在同一场景拍摄的多张原图像,由于拍摄时,聚焦不同,导致多张原图像的不同的区域相对更为清洗。如图2所示的,其示出了三张场景相同聚焦不同的原图像210,图中显示了同一个螺钉,由于聚焦不同,不同原图像中清晰的区域是不同的。另外,由于拍摄时所述照相机可能有抖动或移动,可能导致三张原图像不是完全配准的,因此后续图像融合过程中需要进行图像配准。
步骤120,利用清晰度评价函数计算每张原图像的每个像素的锐利度得到每张原图像的清晰度图像,基于每张原图像的清晰度图像得到每张原图像的显著性图像。
在一个实施例中,利用Tenengrad函数作为清晰度评价函数。Tenengrad函数是一种基于梯度的图像清晰度评价函数,因为一般认为图像的聚焦区域具有更锐利的边缘,即具有更大的梯度函数值。因此基于该函数计算像素的锐利度是较合适的。
具体的,Tenengrad函数先使用Sobel(索贝尔)算子提取原图像的水平和垂直方向的梯度值,Gx和Gy分别是水平方向和垂直方向的卷积核:
则所述清晰度图像在像素位置(x,y)处的锐利度为:
I为原图像,I(x,y)为原图像在像素位置(x,y)处的像素值。
之后,对每张清晰度图像进行灰度拉伸得到图像L。考虑到未聚焦区域的扩散因素,再将图像L进行高斯滤波得到每张原图像的显著性图像S。
图2示出了三张原图像对应的三张显著性图像220。
步骤130,基于每张清晰度图像计算每张图像的重心,按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,得到原图像集和显著图像集。
在一个实施例中,基于每张清晰度图像计算每张图像的重心包括:对每张清晰度图像进行灰度拉伸得到图像L;将图像L二值化为二值图T;计算二值图T的空间矩,得到二值图的重心,其中二值图的重心就是该张图像的重心。
具体的,图像L的灰度值为0-255,可以设置固定阈值将图像L二值化,所述固定阈值可以为100。
二值图T的空间矩的计算公式为:
二值图的重心P(X,Y)的计算公式为:
T(x,y)为二值图中的像素位置(x,y)处的值,m00为零阶空间矩,m01,为一阶空间矩,m10为一阶空间矩。
按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,以使每张图像与其前后图像的重心距离最短,相当于按照焦点移动的顺序将多张原图像和多张显著性图像排序,以提升后续图像两两配准的精确度,因为如果两张图像焦点相距太大,导致聚焦重叠区域过于模糊,难以判断是否完成配准,将大大影响配准精度。
需要注意的是,每张原图像和其对应的显著性图像的重心是一致的,因此原图像的顺序会与显著性图像的顺序是一致的,每张图像的重心既可以是原图像的重心,也可以是显著性图像的重心。
步骤140,按照图像排序进行原图像集中相邻图像之间以及显著图像集中相邻图像之间的两两配准,以得到配准后的显著性图像集和配准后的原图像集。
在工业的实际应用中,需要考虑算法的时间复杂度,若采用特征点匹配来进行两图配准,则速度较慢,又考虑到在实际拍摄中,由于机械手臂的固定,拍摄视野并不会存在大范围的变动,因此可以采用平移作差法按照图像排序进行原图像集和显著图像集中相邻图像之间的两两配准,其中平移作差法为采用各方向多次图像平移计算相邻两图像之间差异取最小的方法来获取平移变换矩阵。具体的,将原图像集中的相邻图像中的一个图像在各方向多次平移,所述方向包括x-、y-、x+、y+四个方向,包括x、y同时±进行平移;每次平移后,计算原图像集中的相邻图像的图像重叠区域的像素灰度差的绝对值之和,在指定范围内绝对值之和最小的即为最佳匹配,以得到平移变换矩阵,根据所述平移变换矩阵将相邻两张原图像配准,将相邻两张显著性图像配准,得到配准后的显著性图像集和配准后的原图像集。
步骤150,根据配准后的显著性图像集生成景深图,所述景深图记载有每个像素位置的图像索引序号。所述图像索引序号为显著性图像集或原图像集中的索引序号,即第几幅原图像或显著性图像。
在一个实施例中,比较显著性图像集中每个像素位置在每张显著性图像上的锐利度值,取最大值所对应的显著性图像的图像索引序号作为所述景深图中该像素位置的值。在一个实施例中,考虑到失焦区域的扩散因素,将形成的景深图进行膨胀,使得清晰区域边缘周边容易在失焦图像中形成振荡的区域,不被误判为聚焦区域。优选的,再进一步将形成的景深图转化为浮点型,进行均值滤波边缘羽化,增加浮点数部分索引序号,减少后续融合的生硬程度。
图2中示出了三张显著性图像220生成的景深图230。
步骤160,根据景深图的每个像素位置的图像索引序号重建一张清晰的融合图像。
在一个实施例中,当像素位置(x,y)的图像索引序号为整数n时,该像素位置(x,y)的像素值就取配准后的原图像集的第n幅原图像的该像素位置的值;当像素位置(x,y)的图像索引序号为浮点数f时,则分别向上取整和向下取整得到两个图像索引序号(i+1)和i,将第i+1幅和第i幅原图像在该像素位置的值按照(f-i)与(1-f+i)的权值叠加,达到边缘柔和过渡融合的效果,构成了一幅像素级的全聚焦全清晰图像。
图2中示出了基于景深图230和原图像210得到的一张清晰的融合图像240。
本发明针对同视野不同聚焦的多幅图像进行融合,能够根据清晰度分析,兼容视野轻微偏移的干扰因素,生成优质的全聚焦图像,以供后续分析观测。
根据本发明的另一个方面,本发明提供一种存储介质,其存储有程序指令,在所述程序执行被运行以执行上文所述多聚焦图像融合方法100。为了简便,所述多聚焦图像融合方法100的具体内容在此处不再重复。
根据本发明的另一个方面,本发明提供一种计算机,其包括处理器和存储器,所述存储器中存储有程序指令,所述处理器运行所述程序指令以执行上文所述多聚焦图像融合方法100。为了简便,所述图像目标匹配定位方法的具体内容在此处不再重复。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
在本文中,所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的,只是为了表达技术方案的清楚及方便。应当理解,所述方位词的使用不应限制本申请请求保护的范围。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理装置的处理器以产生一个机器,使得通过计算机或其他可编程数据处理装置的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理装置上,使得在计算机或其他可编程装置上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程装置上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
Claims (11)
1.一种多聚焦图像融合方法,其特征在于,其包括:
提供场景相同聚焦不同的多张原图像;
利用清晰度评价函数计算每张原图像的每个像素的锐利度得到每张原图像的清晰度图像,基于每张原图像的清晰度图像得到每张原图像的显著性图像;
基于每张清晰度图像计算每张图像的重心,按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,得到原图像集和显著图像集;
按照图像排序进行原图像集中相邻图像之间以及显著图像集中相邻图像之间的两两配准,以得到配准后的显著性图像集和配准后的原图像集;
根据配准后的显著性图像集生成景深图,所述景深图记载有每个像素位置的图像索引序号;和
根据景深图的每个像素位置的图像索引序号重建一张清晰的融合图像。
3.如权利要求1所述的多聚焦图像融合方法,其特征在于,所述基于每张原图像的清晰度图像得到每张原图像的显著性图像包括:
对每张清晰度图像进行灰度拉伸得到图像L,将图像L进行高斯滤波得到每张原图像的显著性图像S。
4.如权利要求1所述的多聚焦图像融合方法,其特征在于,按照每张图像的重心对多张原图像和多张显著性图像进行图像排序,以使每张图像与其前后图像的重心距离最短,
所述基于每张清晰度图像计算每张图像的重心包括:
对每张清晰度图像进行灰度拉伸得到图像L;
将图像L二值化为二值图T;
计算二值图T的空间矩,得到二值图的重心,其中二值图的重心就是该张图像的重心。
6.如权利要求1所述的多聚焦图像融合方法,其特征在于,
采用平移作差法按照图像排序进行原图像集和显著图像集中相邻图像之间的两两配准,其中平移作差法为采用各方向多次图像平移计算相邻两图像之间差异取最小的方法来获取平移变换矩阵。
7.如权利要求6所述的多聚焦图像融合方法,其特征在于,所述平移作差法为:
将原图像集中的相邻图像中的一个图像在各方向多次平移,所述方向包括x-、y-、x+、y+四个方向;
每次平移后,计算原图像集中的相邻图像的图像重叠区域的像素灰度差的绝对值之和,在指定范围内绝对值之和最小的即为最佳匹配,以得到平移变换矩阵,根据所述平移变换矩阵将相邻两张原图像配准,将相邻两张显著性图像配准。
8.如权利要求1所述的多聚焦图像融合方法,其特征在于,所述根据配准后的显著性图像集生成景深图包括:
比较显著性图像集中每个像素位置在每张显著性图像上的锐利度值,取最大值所对应的显著性图像的图像索引序号作为所述景深图该像素位置的值;
考虑到失焦区域的扩散因素,将形成的景深图进行膨胀;
将形成的景深图转化为浮点型,进行均值滤波边缘羽化,增加浮点数部分索引序号。
9.如权利要求1所述的多聚焦图像融合方法,其特征在于,所述根据景深图的每个像素位置的图像索引序号重建一张清晰的融合图像包括:
当像素位置(x,y)的图像索引序号为整数n时,该像素位置(x,y)的像素值就取配准后的原图像集的第n幅原图像的该像素位置的值;
当像素位置(x,y)的图像索引序号为浮点数f时,则分别向上取整和向下取整得到两个图像索引序号(i+1)和i,将第i+1幅和第i幅原图像在该像素位置的值按照(f-i)与(1-f+i)的权值叠加。
10.一种存储介质,其特征在于,其存储有程序指令,在所述程序执行被运行以执行如权利要求1-9任一所述的多聚焦图像融合方法。
11.一种计算机,其特征在于,其包括处理器和存储器,所述存储器中存储有程序指令,所述处理器运行所述程序指令以执行如权利要求1-9任一所述的多聚焦图像融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210109832.1A CN114612352A (zh) | 2022-01-29 | 2022-01-29 | 多聚焦图像融合方法、存储介质和计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210109832.1A CN114612352A (zh) | 2022-01-29 | 2022-01-29 | 多聚焦图像融合方法、存储介质和计算机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612352A true CN114612352A (zh) | 2022-06-10 |
Family
ID=81859385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210109832.1A Pending CN114612352A (zh) | 2022-01-29 | 2022-01-29 | 多聚焦图像融合方法、存储介质和计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612352A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630220A (zh) * | 2023-07-25 | 2023-08-22 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
CN116883461A (zh) * | 2023-05-18 | 2023-10-13 | 珠海移科智能科技有限公司 | 一种用于获取清晰文档图像的方法及其终端装置 |
-
2022
- 2022-01-29 CN CN202210109832.1A patent/CN114612352A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883461A (zh) * | 2023-05-18 | 2023-10-13 | 珠海移科智能科技有限公司 | 一种用于获取清晰文档图像的方法及其终端装置 |
CN116883461B (zh) * | 2023-05-18 | 2024-03-01 | 珠海移科智能科技有限公司 | 一种用于获取清晰文档图像的方法及其终端装置 |
CN116630220A (zh) * | 2023-07-25 | 2023-08-22 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
CN116630220B (zh) * | 2023-07-25 | 2023-11-21 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361459B2 (en) | Method, device and non-transitory computer storage medium for processing image | |
EP3182373A1 (en) | Improvements in determination of an ego-motion of a video apparatus in a slam type algorithm | |
CN114612352A (zh) | 多聚焦图像融合方法、存储介质和计算机 | |
EP3186787A1 (en) | Method and device for registering an image to a model | |
KR20130112311A (ko) | 고밀도 삼차원 영상 재구성 장치 및 방법 | |
KR102311796B1 (ko) | 지역적 신체영역 정보를 이용한 휴먼 모션 디블러링 방법 및 장치 | |
CN111383252B (zh) | 多相机目标追踪方法、系统、装置及存储介质 | |
CN112348890B (zh) | 一种空间定位方法、装置及计算机可读存储介质 | |
EP3185212B1 (en) | Dynamic particle filter parameterization | |
TW202145146A (zh) | 圖像配準方法及其相關的模型訓練方法、設備和電腦可讀儲存媒體 | |
Okumura et al. | Augmented reality based on estimation of defocusing and motion blurring from captured images | |
CN111080776A (zh) | 人体动作三维数据采集和复现的处理方法及系统 | |
JP2023172882A (ja) | 三次元表現方法及び表現装置 | |
CN105335959B (zh) | 成像装置快速对焦方法及其设备 | |
CN110458177B (zh) | 图像深度信息的获取方法、图像处理装置以及存储介质 | |
KR101673144B1 (ko) | 부분 선형화 기반의 3차원 영상 정합 방법 | |
KR20090110348A (ko) | 물체 형상 생성 방법, 물체 형상 생성 장치 및 프로그램 | |
KR20170078054A (ko) | 디지털 홀로그래피 병렬처리 시스템 및 그 방법 | |
CN116051736A (zh) | 一种三维重建方法、装置、边缘设备和存储介质 | |
KR101832743B1 (ko) | 디지털 홀로그래피 디스플레이 및 그 방법 | |
CN108830804A (zh) | 基于线扩展函数标准差的虚实融合模糊一致性处理方法 | |
KR20180069312A (ko) | 라이트 필드 동영상을 이용한 물체 추적 방법 및 장치 | |
Antunes et al. | All-in-focus imaging using a series of images on different focal planes | |
JP6641313B2 (ja) | 領域抽出装置及びプログラム | |
Skłodowski et al. | Movement tracking in terrain conditions accelerated with CUDA |
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 |