CN114998407A - 基于傅里叶变换的数字图像三维纹理重建方法 - Google Patents
基于傅里叶变换的数字图像三维纹理重建方法 Download PDFInfo
- Publication number
- CN114998407A CN114998407A CN202210913156.3A CN202210913156A CN114998407A CN 114998407 A CN114998407 A CN 114998407A CN 202210913156 A CN202210913156 A CN 202210913156A CN 114998407 A CN114998407 A CN 114998407A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency domain
- domain information
- light
- representing
- 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
Images
Classifications
-
- 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
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20048—Transform domain processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于傅里叶变换的数字图像三维纹理重建方法,包括如下步骤:将已知拍摄方向下的图像分别按照二维傅里叶展开,得到在变换后的图像频域信息,相机出发的光线经过被测对象时,光线路径上的任意一点形成一个图像单元,将图像中像素点看作光线路径上所有图像单元合成的,构建图像频域信息预测模型,将已知拍摄方向下图像频域信息代入所述图像信息预测模型进行训练,然后将训练完成后的图像信息预测模型用于图像频域信息的预测,将预测得到的图像频域信息进行二维傅里叶逆变化,得到图像在任意拍摄角度下的像素值,完成三维纹理重建。本发明中同一个位置的纹理特征会随着视角的变化而变化,更加符合真实世界在图像中不同视角的反应。
Description
技术领域
本发明涉及数字图像处理技术领域,具体涉及一种基于傅里叶变换的数字图像三维纹理重建方法。
背景技术
数字图像三维重建是指根据单视图或者多视图的图像重建三维信息的过程,在桥梁、建筑、地理坐标、数字化城市、元宇宙等领域中都有广泛的应用。
相关技术中,图像三维重构主要是通过提取图像特征点,然后通过特征点匹配,从而通过三角关系恢复图像中的三维数据,在此基础上进行纹理贴图。该方法在物体的侧向、边界等位置常常出现较大的误差,会造成边界位置不清晰,纹理变形等。特别是对于纹理特征较弱的区域存在匹配失败的情况。因此,实有必要提供一种基于傅里叶变换的数字图像三维纹理重建方法解决上述问题。
发明内容
本发明要解决的技术问题是在于提供一种基于傅里叶变换的数字图像三维纹理重建方法,其纹理信息是所在光线上的信息叠加,同一个位置的纹理特征会随着视角的变化而变化,更加符合真实世界在图像中不同视角的反应。
为实现上述目的,本发明的技术方案为:
一种基于傅里叶变换的数字图像三维纹理重建方法,包括如下步骤:
S3:相机出发的光线经过被测对象时,光线路径上的任意一点形成一个图像单元,将图像中像素点看作光线路径上所有图像单元合成的,构建图像频域信息预测模型;
式中,表示整个光线路径上叠加的图像频域信息,表示光线路径上的第个点,表示在位置处得到的图像单元的透明度;表示在位置处得到的图像单元的图像频域信息,表示光线在位置处的模,表示从到得到的图像单元的透明度叠加的指数形式,的计算过程为:
式中,是第一个大于等于图像宽度的2的n次方数;是第一个大于等于图像高度的2的n次方数;,表示像素点在像素坐标系中的行;,表示像素点在像素坐标系中的列,x表示像素点在图像坐标系中的行;y表示像素点在图像坐标系中的列,表示像素点的像素值;j表示虚数单位。
优选的,步骤S3中,图像频域信息预测模型表示为:
式中,表示光线路径上叠加的图像频域信息,表示光线路径的起始点,表示光线路径的终止点,表示光线路径上图像单元透明度叠加的指数表示形式,表示以相机中心为原点的矢量,, ,表示光线的单位矢量,为相机的方向信息,表示光线绕相机坐标系轴旋转的角度,表示光线绕相机坐标系轴旋转的角度;表示在位置处图像单元的透明度,表示位置处图像单元的图像频域信息。
优选的,所述步骤S5中,三线性插值的过程为:处于8个被测对象离散点围成的最小立方体中,利用立方体中的八个顶点坐标b1、b2、b3、b4、b5、b6、b7、b8进行三线性插值,得到在世界坐标系中的坐标,然后将在世界坐标系中的坐标转换成相机坐标系中的坐标,计算得到光线在光线路径上任意点位置处的模;
三线性插值的具体计算过程为:
与相关技术相比,本发明的有益效果在于:
传统方法得到的模型数据是一个固定值,所建立的三维模型在不同视角下看,其纹理是固定的,这与真实情况不相符,本发明所提出的三维纹理重建,其纹理信息是所在光线上的信息叠加,同一个位置的纹理特征会随着视角的变化而变化,更加符合真实世界在图像中不同视角的反应。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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它的附图,其中:
图1为被测对象的拍摄示意图;
图2为被测对象离散化后的示意图;
图3为光线从离散化后的示意图;
图4为光线于被测对象相互计算的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合本申请的附图对本发明的具体实施方式作进一步的说明。
请结合参阅图1-4,本发明提供一种基于傅里叶变换的数字图像三维纹理重建方法,包括如下步骤:
式中,是第一个大于等于图像宽度的2的n次方数;是第一个大于等于图像高度的2的n次方数;,表示像素点在像素坐标系中的行;,表示像素点在像素坐标系中的列,x表示像素点在图像坐标系中的行;y表示像素点在图像坐标系中的列,表示像素点的像素值;j表示虚数单位。
S3:相机出发的光线经过被测对象时,光线路径上的任意一点形成一个图像单元,将图像中像素点看作光线路径上所有图像单元合成的,构建图像频域信息预测模型:
式中,表示光线路径上叠加的图像频域信息,表示光线路径的起始点,表示光线路径的终止点,表示光线路径上图像单元透明度叠加的指数表示形式,表示以相机中心为原点的矢量,, ,表示光线的单位矢量,为相机的方向信息,表示光线绕相机坐标系轴旋转的角度,表示光线绕相机坐标系轴旋转的角度;表示在位置处图像单元的透明度,表示位置处图像单元的图像频域信息。
式中,表示整个光线路径上叠加的图像频域信息,表示光线路径上的第个点,表示在位置处得到的图像单元的透明度;表示在位置处得到的图像单元的图像频域信息,表示光线在位置处的模,表示从到得到的图像单元的透明度叠加的指数形式,的计算过程为:
光线经过被测对象时,在光线路径上的任意一点均会形成一个具有一定透明度的图像单元,将光线路径上所有的图像单元进行叠加,即可得到该条光线所对应的像素点,因此将光线路径上所有图像单元的频域信息进行叠加,即可得到像素点的频域信息。
S5:将被测对象沿世界坐标系的、、三个方向等间距离散为多个单点的离散模型,利用被测对象中离散点的位置信息,采用三线性插值的方法求解得到光线路径上光线路径上任意点的位置信息,得到光线在光线路径上任意点位置处的模。
请参阅图4,图4中,实心点表示被测对象离散化的点,空心点表示光线路径上离散化的点,当实心点与空心点重合时,直接以实心点的位置信息作为空心点的位置信息;实心点与空心点不重合时,空心点处于8个实心点围成的最小立方体中,利用立方体中的八个顶点坐标b1、b2、b3、b4、b5、b6、b7、b8进行三线性插值,即可得到在世界坐标系中的坐标,完成位置确定。然后将在世界坐标系中的坐标转换成相机坐标系中的坐标,即可得到光线在光线路径上任意点位置处的模,
三线性插值的具体计算过程为:
S6:将已知拍摄方向下的图像频域信息代入离散化的图像频域信息预测模型中,采用梯度下降算法对离散化的图像频域信息预测模型进行多次训练,得到在光线路径上任意点位置处的图像单元的透明度及图像频域信息,完成模型的训练。
在模型的训练过程中,将训练的数据分为训练集和测试集,利用训练集对模型进行训练,用测试集测试模型的性能,以预测的图像频域信息与实际的图像频域信息的平方差最小为优化目标,完成模型参数的计算。在模型的训练过程中,优化的目标损失函数表示为:
与相关技术相比,本发明的有益效果在于:
传统方法得到的模型数据是一个固定值,所建立的三维模型在不同视角下看,其纹理是固定的,这与真实情况不相符,本发明所提出的三维纹理重建,其纹理信息是所在光线上的信息叠加,同一个位置的纹理特征会随着视角的变化而变化,更加符合真实世界在图像中不同视角的反应。
以上对本发明的实施方式作出详细说明,但本发明不局限于所描述的实施方式。对本领域的技术人员而言,在不脱离本发明的原理和精神的情况下对这些实施例进行的多种变化、修改、替换和变型均仍落入在本发明的保护范围之内。
Claims (5)
1.一种基于傅里叶变换的数字图像三维纹理重建方法,其特征在于,包括如下步骤:
S3:相机出发的光线经过被测对象时,光线路径上的任意一点形成一个图像单元,将图像中像素点看作光线路径上所有图像单元合成的,构建图像频域信息预测模型;
式中,表示整个光线路径上叠加的图像频域信息,表示光线路径上的第个点,表示在位置处得到的图像单元的透明度;表示在位置处得到的图像单元的图像频域信息,表示光线在位置处的模,表示从到得到的图像单元的透明度叠加的指数形式,的计算过程为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913156.3A CN114998407B (zh) | 2022-08-01 | 2022-08-01 | 基于傅里叶变换的数字图像三维纹理重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210913156.3A CN114998407B (zh) | 2022-08-01 | 2022-08-01 | 基于傅里叶变换的数字图像三维纹理重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998407A true CN114998407A (zh) | 2022-09-02 |
CN114998407B CN114998407B (zh) | 2022-11-08 |
Family
ID=83022415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210913156.3A Active CN114998407B (zh) | 2022-08-01 | 2022-08-01 | 基于傅里叶变换的数字图像三维纹理重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998407B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894565A (zh) * | 2015-11-24 | 2016-08-24 | 徐州维林苑文化传媒有限公司 | 一种基于cuda的无镜立体图像重建方法 |
CN107346425A (zh) * | 2017-07-04 | 2017-11-14 | 四川大学 | 一种三维纹理照相系统、标定方法及成像方法 |
CN107563378A (zh) * | 2017-07-31 | 2018-01-09 | 上海联影医疗科技有限公司 | 体数据中提取感兴趣区域的方法及其系统 |
US20180270474A1 (en) * | 2015-02-06 | 2018-09-20 | The University Of Akron | Optical imaging system and methods thereof |
CN113989436A (zh) * | 2021-10-29 | 2022-01-28 | 武汉大学 | 基于hvs和随机打印机模型的三维网目调重建方法 |
CN114511637A (zh) * | 2022-04-20 | 2022-05-17 | 湖南华城检测技术有限公司 | 一种基于构造强特征的弱特征物体图像三维重建系统及方法 |
-
2022
- 2022-08-01 CN CN202210913156.3A patent/CN114998407B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180270474A1 (en) * | 2015-02-06 | 2018-09-20 | The University Of Akron | Optical imaging system and methods thereof |
CN105894565A (zh) * | 2015-11-24 | 2016-08-24 | 徐州维林苑文化传媒有限公司 | 一种基于cuda的无镜立体图像重建方法 |
CN107346425A (zh) * | 2017-07-04 | 2017-11-14 | 四川大学 | 一种三维纹理照相系统、标定方法及成像方法 |
CN107563378A (zh) * | 2017-07-31 | 2018-01-09 | 上海联影医疗科技有限公司 | 体数据中提取感兴趣区域的方法及其系统 |
US20190139223A1 (en) * | 2017-07-31 | 2019-05-09 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for extracting a region of interest from volume data |
CN113989436A (zh) * | 2021-10-29 | 2022-01-28 | 武汉大学 | 基于hvs和随机打印机模型的三维网目调重建方法 |
CN114511637A (zh) * | 2022-04-20 | 2022-05-17 | 湖南华城检测技术有限公司 | 一种基于构造强特征的弱特征物体图像三维重建系统及方法 |
Non-Patent Citations (2)
Title |
---|
DING LIU ET AL.: "Frequency-based 3D reconstruction of transparent and specular objects", 《2014 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
杨嘉佳: "铝合金双丝PMIG焊熔池视觉特征规律及表面形态三维重构", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅰ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114998407B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272537B (zh) | 一种基于结构光的全景点云配准方法 | |
CN104200236B (zh) | 基于dpm的快速目标检测方法 | |
CN111079565B (zh) | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 | |
CN109035327B (zh) | 基于深度学习的全景相机姿态估计方法 | |
CN109147025B (zh) | 一种面向rgbd三维重建的纹理生成方法 | |
CN103839238B (zh) | 一种基于边缘信息和反卷积的sar图像超分辨率方法 | |
CN105513063A (zh) | Veronese映射和棋盘格标定拋物折反射摄像机 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
Komatsu et al. | 360 depth estimation from multiple fisheye images with origami crown representation of icosahedron | |
CN111581776A9 (zh) | 一种基于几何重建模型的等几何分析方法 | |
CN104318552A (zh) | 基于凸包投影图匹配的模型配准方法 | |
JP2024510230A (ja) | 顔表情、身体ポーズ形状及び衣服パフォーマンスキャプチャのための暗黙的微分可能レンダラーを用いたマルチビューニューラル人間予測 | |
CN109509259B (zh) | 一种医学图像三维重建等值面网格提取方法 | |
CN101996415A (zh) | 眼球的三维建模方法 | |
CN103955687B (zh) | 一种基于质心法的光斑图像中心的快速定位方法 | |
CN114998407B (zh) | 基于傅里叶变换的数字图像三维纹理重建方法 | |
CN116758219A (zh) | 基于神经网络的区域感知多视角立体匹配三维重建方法 | |
Aouada et al. | Deformation transfer of 3d human shapes and poses on manifolds | |
CN109829951A (zh) | 平行等位检测方法、装置与自动驾驶系统 | |
Li et al. | Design and application of parallel stereo matching algorithm based on CUDA | |
CN115994955B (zh) | 相机外参标定方法、装置和车辆 | |
CN114219900B (zh) | 基于混合现实眼镜的三维场景重建方法、重建系统和应用 | |
CN111144064B (zh) | 文字变形方法、介质、设备及装置 | |
Heng et al. | Multi-scale Geometry-aware Self-Attention for 3D Point Cloud Classification | |
CN113343871B (zh) | 基于泊松融合+直方图匹配的高分四号多光谱遥感影像中舰船目标的仿真方法及系统 |
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 |