CN116324888A - 三维建模方法和使用其的装置 - Google Patents

三维建模方法和使用其的装置 Download PDF

Info

Publication number
CN116324888A
CN116324888A CN202180065846.1A CN202180065846A CN116324888A CN 116324888 A CN116324888 A CN 116324888A CN 202180065846 A CN202180065846 A CN 202180065846A CN 116324888 A CN116324888 A CN 116324888A
Authority
CN
China
Prior art keywords
color
image data
reference color
range
dimensional
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
CN202180065846.1A
Other languages
English (en)
Inventor
李东勋
崔源勋
徐范植
李仁灿
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.)
Medit Corp
Original Assignee
Medit Corp
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 Medit Corp filed Critical Medit Corp
Priority claimed from PCT/KR2021/013042 external-priority patent/WO2022065915A1/ko
Publication of CN116324888A publication Critical patent/CN116324888A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/20Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0088Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/77Retouching; Inpainting; Scratch removal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30036Dental; Teeth
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/41Medical
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20Indexing scheme for editing of 3D models
    • G06T2219/2021Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Architecture (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Dentistry (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

根据本发明三维建模方法可以包括:扫描待过滤对象以获得至少一条图像数据的扫描步骤;从在扫描步骤中获得的图像数据中包括的颜色来确定参考颜色或参考颜色范围并且对参考颜色或参考颜色范围进行过滤的步骤;以及通过扫描待建模对象以生成待建模对象的三维表面模型的步骤,其中,生成三维表面模型的步骤包括排除参考颜色或参考颜色范围以生成三维表面模型。

Description

三维建模方法和使用其的装置
技术领域
本公开涉及一种三维建模方法和使用其的装置。
背景技术
三维扫描技术已经用于包括测量、检查、逆向工程、内容生成、CAD/CAM和医疗设备的各种工业领域,并且由于计算技术的发展,通过扫描性能的改善进一步扩展了其可用性。此外,鉴于三维扫描操作环境(例如,扫描仪用户的状态、扫描外部环境以及附着至测量对象的异物),已经进行了积极的研究和开发,以增加关于测量对象的最终数据的精度和可靠性并且提高用户的便利性。
特别地,在通过使用三维扫描仪获取测量对象的三维数据(三维建模)的过程中,除了测量对象之外的对象经常一起被扫描。例如,在牙科治疗领域中通过使用三维扫描仪获取患者口腔内部(指牙齿、牙龈等)的三维模型的过程中,存在于患者口腔内部的异物、三维扫描仪的用户(通常是牙医等)的手或卫生手套等可以与测量对象一起被扫描并且建模。
异物、用户的手和卫生手套等是获取患者口腔模型的障碍,因此需要在生成最终三维模型的过程中通过单独的处理来删除,或者在生成最终三维模型之后通过用户的后校正来删除。单独的处理需要应用用于去除非测量对象的算法,从而浪费系统资源,并且用户的后校正操作不可避免地依赖于用户的手动操作,这需要大量的时间。
而且,即使去除关于非测量对象的模型,关于测量对象的三维模型的精度也会降低,并且这造成问题,因为测量对象需要例如重新扫描等,所以用户便利性大大降低。
发明内容
本公开提供了一种三维建模方法和使用其的装置,其中从过滤对象获取的图像数据确定参考颜色,或者从参考颜色确定预定范围内的颜色作为成为过滤对象的参考颜色范围,使得当扫描建模对象时,在三维表面模型转换期间排除与参考颜色或参考颜色范围对应的部分。
本公开要解决的技术问题不限于上述技术问题,本领域技术人员将通过以下描述清楚地理解本文未提及的其他技术问题。
根据本公开的三维建模方法可以包括:扫描过滤对象以获取至少一组图像数据的扫描步骤;从在扫描步骤中获取的图像数据中包括的颜色来确定参考颜色或参考颜色范围并且对参考颜色或参考颜色范围进行过滤的过滤步骤;以及通过扫描建模对象来生成建模对象的三维表面模型的步骤,其中,在生成三维表面模型的步骤中,通过排除参考颜色或参考颜色范围来生成三维表面模型。
此外,过滤步骤可以包括:通过使用在图像数据中包括的每个像素中包括的颜色的颜色元素值和通过对包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数来生成颜色直方图的步骤;以及从颜色直方图确定参考颜色或参考颜色范围的步骤。
此外,生成颜色直方图的步骤还可以包括通过移动平均校准来校正颜色直方图的直方图校正步骤,并且在确定参考颜色或参考颜色范围的步骤中,可以通过在直方图校正步骤之后校正的颜色直方图来确定参考颜色或参考颜色范围。
此外,可以通过使用具有至少两个颜色元素的颜色模型来获取图像数据中包括的颜色,并且在过滤步骤中,可以利用与在扫描步骤中用于获取图像数据的颜色的颜色模型不同的颜色模型来生成颜色直方图。
此外,在确定参考颜色或参考颜色范围的步骤之中的确定参考颜色的步骤中,可以从颜色直方图中具有最大计数像素数的颜色元素值来确定参考颜色。
此外,在确定参考颜色范围的步骤中,可以通过在具有最大计数像素数的颜色元素值的两侧设置预定范围的阈值颜色元素值来确定参考颜色范围。
此外,在确定参考颜色范围的步骤中,可以通过将与具有最大计数像素数的颜色元素值的像素数的预定比率对应的颜色元素值设置为阈值颜色元素值来确定参考颜色范围。
此外,对于每个颜色元素,预定比率可以不同。
此外,过滤步骤还可以包括参考颜色范围调整步骤,其中,当阈值颜色元素值具有小于设置范围的范围时,调整阈值颜色元素值以满足设置范围。
此外,在扫描步骤中获取的过滤对象的图像数据可以包括用于获取过滤对象的颜色的至少一组第一类型图像数据和用于获取过滤对象的深度信息的至少一组第二类型图像数据,并且在过滤步骤中,可以通过使用第一类型图像数据来过滤参考颜色或参考颜色范围。
此外,在扫描步骤中,可以获取用于获取过滤对象的颜色的至少一组二维图像数据,并且在过滤步骤中,可以通过使用至少一组二维图像数据对参考颜色或参考颜色范围进行过滤。
此外,在生成三维表面模型的步骤中,可以基于通过扫描建模对象而获取的建模对象的多条二维图像数据来生成三维表面模型,建模对象的多条二维图像数据可以包括用于获取建模对象的颜色的第一类型图像数据和用于获取建模对象的深度信息的第二类型图像数据,并且当生成三维表面模型时,可以排除与建模对象的第一类型图像数据之中的与参考颜色或参考颜色范围对应的像素对应的第二类型图像数据的像素。
同时,根据本公开的三维建模设备可以包括:扫描单元,被配置为扫描过滤对象以获取图像数据;以及控制单元,被配置为从图像数据中确定并且过滤作为过滤对象的参考颜色或参考颜色范围。
此外,控制单元可以包括:颜色直方图生成单元,被配置为通过使用在图像数据中包括的每个像素中包括的颜色的颜色元素值和通过对包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数来生成颜色直方图;直方图校正单元,被配置为基于颜色直方图执行移动平均校准;以及参考确定单元,包括被配置为从颜色直方图确定参考颜色的参考颜色确定单元或被配置为从颜色直方图确定参考颜色范围的参考颜色范围确定单元中的至少一个;颜色直方图生成单元可以利用与由扫描单元获取图像数据所使用的颜色模型不同的颜色模型来生成颜色直方图,并且参考确定单元可以通过直方图校正单元在移动平均校准之后校正的颜色直方图来确定参考颜色或参考颜色范围。
此外,参考颜色确定单元可以从颜色直方图中具有最大计数像素数的颜色元素值来确定参考颜色,并且参考颜色范围确定单元可以通过在具有最大计数像素数的颜色元素值的两侧设置预定范围的阈值颜色元素值来确定参考颜色范围,或者通过将与具有最大计数像素数的颜色元素值的像素数的预定比率对应的颜色元素值设置为阈值颜色元素值来确定参考颜色范围。
此外,对于每个颜色元素,预定比率可以不同。
此外,控制单元还可以包括参考颜色范围调整单元,参考颜色范围调整单元被配置为使得当由参考颜色范围确定单元设置的阈值颜色元素值具有小于设置范围的范围时,调整阈值颜色元素值以满足设置范围。
此外,由扫描单元获取的过滤对象的图像数据可以包括用于获取过滤对象的颜色的至少一组第一类型图像数据或用于获取过滤对象的深度信息的至少一组第二类型图像数据,并且控制单元可以通过使用第一类型图像信息来过滤参考颜色或参考颜色范围。
此外,扫描单元可以获取用于获取过滤对象的颜色的多条二维图像数据,并且控制单元可以通过使用多条二维图像数据来对参考颜色或参考颜色范围进行过滤。
此外,控制单元可以基于通过利用扫描单元扫描建模对象而获取的建模对象的多条二维图像数据来生成三维表面模型,建模对象的多条二维图像数据可以包括用于获取建模对象的颜色的第一类型图像数据和用于获取建模对象的深度信息的第二类型图像数据,并且当生成三维表面模型时,可以排除与建模对象的第一类型图像数据之中的与参考颜色或参考颜色范围对应的像素对应的第二类型图像数据的像素。
本公开的优点在于,在生成建模对象的三维表面模型的预步骤中,预先排除过滤对象具有的参考颜色或参考颜色范围中的颜色,使得仅基于生成三维表面模型实际需要的部分来进行三维建模是可能的。其优点在于,可以获取更精确的三维表面模型,并且提高了三维表面模型的可靠性。
此外,优点在于,在生成建模对象的三维表面模型的过程中,预先排除与过滤对象对应的参考颜色范围中的颜色,使得不需要用于去除不待测量的过滤对象的算法,从而减少了系统资源的浪费。
此外,优点在于,省略了用户的后校正操作,从而缩短了获取最终三维表面模型所需的时间。
此外,优点在于,在三维建模之前的过滤对象的二维图像数据用于确定作为过滤颜色的参考颜色或作为过滤范围的参考颜色范围,从而减少系统计算负载并且实现进行快速过滤。
附图说明
图1是根据本公开的三维建模方法的流程图。
图2示出图1中所公开的过滤对象。
图3是示出根据本公开的比较例的从图像数据中删除作为过滤范围的参考颜色范围的过程的流程图。
图4是用于描述用于根据本公开的三维建模方法的颜色模型的图。
图5是根据本公开的三维建模方法中的过滤步骤的详细配置的流程图。
图6是根据本公开的三维建模方法中由特定颜色模型为每个颜色元素生成的颜色直方图。
图7示出在生成颜色直方图的步骤中获取的直方图以及在直方图校正步骤中校正的直方图。
图8是用于描述参考颜色确定步骤的图。
图9是用于描述根据本公开的实施方式的参考颜色范围确定步骤的图。
图10是用于描述根据本公开的另一实施方式的参考颜色范围确定步骤的图。
图11是用于描述参考颜色范围调整步骤的图。
图12示出作为图4中的过滤范围的参考颜色范围。
图13是表示参考颜色范围调整步骤的详细配置的流程图。
图14示出根据本公开的三维建模设备的示意性配置。
图15示出根据本公开的替代实施方式的三维建模设备的示意性配置。
图16示出根据比较例在不使用参考颜色范围的过滤的情况下扫描建模对象的结果。
图17示出根据本公开的实施方式的通过在参考颜色范围内应用过滤来扫描建模对象的结果。
[附图标记的简要描述]
S110:过滤对象扫描步骤
S120:过滤步骤
S121:颜色直方图生成步骤
S122:参考颜色确定步骤
S123:参考颜色范围确定步骤
S124:参考颜色范围调整步骤
S1241:设置范围评估步骤
S1242:阈值颜色元素值调整步骤
S130:建模对象扫描步骤
S140:三维表面模型生成步骤
P110:图像数据获取步骤
P120:像素颜色获取步骤
P130:参考颜色确定步骤
P140:参考颜色范围评估步骤
P150:颜色删除步骤
P160:三维表面模型转换步骤10:三维建模设备
100:扫描单元
110:发光单元
120:光接收单元
200:控制单元
210:直方图生成单元
220:参考颜色确定单元
230:参考颜色范围确定单元
240:直方图校正单元
250:参考颜色范围调整单元
300:显示单元
20:三维建模设备
D:过滤对象
Hs:参考颜色元素值
H1:第一阈值颜色元素值
H2:第二阈值颜色元素值
H1’:校正的第一阈值颜色元素
H2’:校正的第二阈值颜色元素
d1:第一距离
d2:第二距离
d1’:调整的第一距离
d2’:调整的第二距离
RT:设置范围
具体实施方式
在下文中,将参考附图详细描述本公开的实施方式。要注意的是,关于在各个附图中给组件分配附图标记,如果可能的话,相同的组件被赋予相同的附图标记,尽管在不同的附图中显示。此外,在对本公开的实施方式的以下描述中,如果认为相关的已知配置或功能妨碍了对本公开的实施方式的理解,则将省略对其的详细描述。
结合描述本公开的实施方式的组件,可以使用诸如第一、第二、A、B、(a)和(b)之类的术语。这些术语仅旨在区分一个组件和另一组件,而不限制部件的性质、顺序、次序等。此外,本文中所使用的所有术语(包括技术术语或科学术语)具有与本公开所属领域的技术人员通常理解的含义相同的含义,除非另有定义。在通用词典中定义的术语应被解释为在相关技术的上下文中具有含义,除非本文另有明确定义,否则不得以理想或过度的形式意义进行解释。
在下文中,将详细描述根据本公开的三维建模方法。
图1是根据本公开的三维建模方法的流程图。图2示出图1中所公开的过滤对象。
参考图1,根据本公开的三维建模方法包括:扫描过滤对象以获取至少一组图像数据的扫描步骤(S110);以及从在扫描步骤(S120)中获取的图像数据中包括的颜色确定参考颜色或参考颜色范围并且对参考颜色或参考颜色范围进行过滤的步骤(S120)。此外,该方法包括扫描建模对象的步骤(S130),从而生成(S140)建模对象的三维表面模型。在生成三维表面模型的步骤(S140)中,可以通过排除参考颜色或参考颜色范围来生成三维表面模型。
在本公开中,待为其获取最终三维表面模型的对象将被称为“建模对象”,并且需要过滤以在扫描建模对象的过程中不被一起扫描的对象将称为“过滤对象”。
根据本公开的三维建模方法的技术概念是在生成关于建模对象的三维表面模型的过程中,预先排除与过滤对象对应的参考颜色或参考颜色范围中的颜色。在下文中,为了便于描述,将描述通过使用三维扫描仪获取患者口腔内部(指牙齿、牙龈等)的三维模型的过程,作为根据本公开的三维建模方法的示例。
在使用三维扫描仪生成患者口腔内部牙齿的三维表面模型的过程中,扫描仪用户的手或卫生手套、来自患者口腔的唾液、手术工具和口腔中的异物可以与牙齿一起被扫描并且作为图像数据输入。在这种情况下,患者口腔中的牙齿可以是模型对象,并且用户的手或卫生手套、来自患者口腔的唾液和口腔中的异物可以是过滤对象。
图2示出作为过滤对象D的示例的扫描仪用户的卫生手套。卫生手套可以具有单一的颜色,但通常具有一组不同的颜色。
这样,在扫描建模对象的过程中一起被扫描的过滤对象妨碍高可靠性的建模对象的三维表面模型的获取,因此需要在生成建模对象的三维表面模型之前,从三维表面模型生成对象中排除。
根据本公开的三维建模方法的实施方式,在扫描建模对象之前,首先扫描过滤对象(S110)。通过扫描过滤对象,可以获取包括过滤对象的图像数据,并且图像数据可以指二维或三维图像的拍摄。
通常,过滤对象具有与建模对象不同的颜色,并且通过预扫描过滤对象以获取过滤对象具有的颜色(或颜色组),可以在稍后扫描建模对象的过程中排除相同的颜色。
为了获取过滤对象的颜色,可以利用过滤对象的二维图像数据或三维图像数据。
可以获取至少一组图像数据,但是可以与系统存储器一样获取多条图像数据,并且不会低效率地浪费扫描所花费的时间,从而提高精度。
具体地,为了描述通过利用过滤对象的二维图像数据来获取过滤对象的颜色的过程,可以在扫描步骤(S110)中拍摄对象的快照或照片,从而获取二维图像数据。可以通过连续捕捉多个(例如,约五十个)图像数据镜头来获取二维图像数据。
过滤对象是不需要获取三维表面模型的对象,并且,其优点在于从二维图像获取颜色比从三维表面模型(三维图像)获取颜色更容易且更快。因此,通过从二维图像数据获取过滤对象的颜色,可以减少不必要的处理,从而防止资源浪费并缩短时间。通过扫描获取的图像数据可以是三维设备10(稍后描述)的光接收单元120的操作的结果。
将参考示例来更详细地描述扫描步骤(S110)。在扫描步骤(S110)中,可以扫描过滤对象,以获取至少一组第一类型图像数据和至少一组第二类型图像数据。第一类型图像数据用于获取过滤对象的颜色信息。第一类型图像数据可以由用于扫描过滤对象的扫描器获取,并且可以使用嵌入在扫描器中或者与扫描器分离地设置的光学投影仪。作为示例,光学投影仪可以在预定控制下向过滤对象发射白光,并且扫描仪可以扫描施加了从光学投影仪发射的光的过滤对象。在扫描步骤(S110)中,嵌入在扫描仪中的相机可以是彩色相机,并且扫描仪可以获取表示已施加白光的过滤对象的至少一组第一类型图像数据。借助于所获取的第一类型图像数据,可以获取过滤对象的颜色信息。
作为另一示例,光学投影仪可以在预定控制下向过滤对象发射红光、绿光和蓝光中的每一个,并且扫描仪可以扫描施加了从光学投影仪发射的光的过滤对象。在扫描步骤(S110)中,嵌入在扫描仪中的相机可以是单目相机,并且扫描仪可以获取表示已施加每个光的过滤对象的至少三条第一类型图像数据。例如,在扫描步骤(S110)中,扫描仪可以获取表示已施加红光的过滤对象的至少一组第一类型图像数据、表示已施加绿光的过滤对象的至少一组第一类型图像数据、以及表示已施加蓝光的过滤对象的至少一组第一类型的图像数据。根据所获取的多条第一类型图像数据的组合,可以获取过滤对象的颜色信息。
此后,光学投影仪可以向过滤对象发射与为获取第一类型图像数据而发射的光不同类型的光。作为示例,光学投影仪可以向过滤对象发射条纹形状,该条纹形状是具有彼此交替的明亮部分和暗部分的结构光的示例。条纹形状可以是水平条纹形状或垂直条纹形状。然而,上述示例不以任何方式进行限制,并且只要二维图像数据具有深度信息,就可以使用任何类型的光。可以从具有深度信息的二维图像数据生成三维表面模型。
同时,作为通过利用二维图像数据来获取过滤对象的颜色的另一实施方式,可以使用利用扫描仪生成过滤对象的三维表面模型的过程。
为了详细描述,存在通过使用包括光源和相机的三维扫描仪来获取关于测量对象的多条二维图像数据,并且从中获取三维表面模型的公知技术。
在本公开的实施方式中,当三维扫描仪的相机从过滤对象获取多条二维图像数据以生成过滤对象的三维表面模型时,从多条图像数据之中准确聚焦的二维图像数据获取三维表面模型。因此,用于反向生成三维表面模型的二维图像数据可以被认为是准确聚焦的二维图像,并且可以从中提取颜色。
准确聚焦的二维图像数据可以用于获取过滤对象的三维表面模型,但在本公开的实施方式中,没有必要从过滤对象的二维图像数据获取三维表面模型。实际上不需要获取过滤对象的三维表面模型,由此通过使用具有光学聚焦值的图像数据来提取颜色就足够了。
根据上述实施方式,与通过捕捉上述过滤对象的快照或照片而获取的二维图像数据相比,可以选择准确聚焦的高质量图像数据,并且图像数据的像素中包括的颜色具有准确的颜色元素值,从而提供了在稍后描述的过滤步骤(S120)中容易计算在图像数据的每个像素中包括的颜色的颜色元素值的优点。另一优点在于,可以通过使用设置在三维扫描仪中的相机而不是用于获得过滤对象的图像数据的单独相机来直接获取图像数据。
同时,在扫描步骤(S110)中,可以使用RGB光源来获取图像,或者可以使用1D线扫描、基于结构光的三角测量、共焦和其他方案中的至少一种。然而,在扫描步骤(S110)中,RGB光源不必用于获取图像,并且当颜色图像传感器被用于执行扫描步骤(S110)时,可以不使用单独的光源。此外,当从二维图像确定参考颜色或参考颜色范围(稍后描述)时,可以不使用用于三维建模的光(诸如,结构光)。
图3是示出根据本公开的比较例的从图像数据删除作为过滤范围的参考颜色范围的处理的流程图。
如在本公开的比较例中那样,可以考虑一种方法,其中一起获取过滤对象和建模对象的图像数据,并且由此确定参考颜色或参考颜色范围。
为了便于描述,待过滤的单一颜色在下文中将被称为“参考颜色”,并且待过滤的颜色范围在下文中将称为“参考颜色范围”。
参考图3,待扫描的对象经历扫描处理,以获取过滤对象的图像数据和建模对象的图像数据(P110)。图像数据具有多个像素以与扫描仪的图像质量对应,并且每个像素包括颜色信息。因此,可以获取每个像素的颜色(P120)。
在从图像数据中获取每个像素的颜色之后,可以将待过滤的颜色设置为参考颜色(P130)。例如,在设置参考颜色的步骤(P130)中,可以在用户界面(UI)上的调色板上设置用户所期望的参考颜色。
在设置参考颜色之后,将距参考颜色预定范围内的一组颜色确定为参考颜色范围,并且确认在所获取的图像数据的每个像素中包括的颜色信息是否包括在参考颜色范围中(P140)。当在每个像素中包括的颜色信息被包括在参考颜色范围中时,删除包括在包括图像数据内的对应颜色信息的像素中包括的颜色信息(P150),从而将其从三维表面模型转换中排除。因此,可以认为没有输入与从其删除颜色信息的像素有关的数据。在处理包括与参考颜色范围对应的颜色信息的像素之后,可以将图像数据转换为三维表面模型(P160)。
根据上述比较例,获取包括过滤对象和建模对象两者的图像数据,并且从对应图像数据在调色板上手动设置参考颜色或参考颜色范围,由此引起其可能导致不准确的过滤的担忧。此外,存在以下问题:由于从针对过滤对象和建模对象两者获取的图像数据中删除参考颜色或参考颜色范围,因此可以获取低可靠性的三维表面模型。因此,如在本公开的实施方式中,可以通过仅从过滤对象的图像数据中预先确定参考颜色或参考颜色范围,然后在扫描建模对象时排除参考颜色或参考颜色范围来获取准确且高度可靠的数据。
图4是用于描述用于根据本公开的三维建模方法的颜色模型的图。
参考图4,可以通过使用具有至少两个颜色元素的颜色模型来获取通过扫描步骤(S110)获取的过滤对象的图像数据中包括的颜色。
如本文所使用的,颜色模型是指本领域已知的各种模型中的任何一种,诸如灰色模型、RGB模型、HSV模型、YCbCr(YUV)模型和CMYK模型。其中,灰色模型不符合作为在根据本公开的三维建模方法中使用的概念的“颜色”的类别。灰色模型用O(黑色)至255(白色)来表示图像像素值,并且基本上仅用亮度信息来表示图像。仅用这样的亮度信息来确定参考颜色范围是非常困难的,并且如果发生外部光干涉,则实际上不可能获得准确的参考颜色、参考颜色范围和三维表面模型。
因此,结合使用根据本公开的三维建模方法,可以使用具有至少两个颜色元素的彩色系列颜色模型,并且通常优选使用RGB模型或HSV模型。
如本文所使用的,“颜色元素”是指用于在颜色模型中表达特定颜色的部件,并且RGB模型具有如图4(a)所示的R(红色)、G(绿色)和B(蓝色)的颜色元素。RGB模型的每个颜色元素(R、G、B)可以具有在0-255的整数范围内的颜色元素值,因此可以在RGB模型中表示256×256×256种颜色。
此外,如图4(b)所示,HSV模型具有H(色调)、S(饱和度)和V(值)的颜色元素。HSV模型的颜色元素H可以具有在0°到360°范围内的颜色元素值,S可以具有在0%到100%范围内的颜色元素值,并且V可以具有在0%到100%的范围内的颜色元素值。在一些情况下,HSV模型的颜色元素H可以具有在0到360的整数范围中的颜色元素值,S可以具有在0到255的整数范围内的颜色元素值,并且V可以具有在0到255的整数值范围内的颜色元素值。
图5是根据本公开的三维建模方法中的过滤步骤(S120)的详细配置的流程图。图6是根据本公开的三维建模方法中由特定颜色模型为每个颜色元素生成的颜色直方图。
参考图5,过滤步骤(S120)可以包括:通过使用图像数据的各个像素中包括的颜色的颜色元素值和通过对包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数来生成颜色直方图的步骤(S121);以及从颜色直方图确定参考颜色或参考颜色范围的步骤。同时,在确定参考颜色或参考颜色范围的步骤中,可以将满足预定条件的颜色或颜色范围确定为参考颜色。稍后将描述确定参考颜色或参考颜色范围的详细过程。
同时,确定参考颜色或参考颜色范围的步骤可以包括:从颜色直方图确定参考颜色的步骤(S122);以及从在参考颜色确定步骤(S122)中确定的参考颜色确定作为过滤范围的参考颜色范围的步骤(S123)。
首先,在生成颜色直方图的步骤(S121)中,从过滤对象获取的图像数据中获取颜色。由于图像数据的每个像素都包括颜色信息,因此可以从中获取图像数据的各个像素所具有的所有颜色。
所获取的各个像素的颜色具有特定颜色模型(例如,RGB模型或HSV模型)的颜色元素值。例如,各个像素的颜色可以具有作为HSV模型的颜色元素的H(色调)、S(饱和度)和V(值)的颜色元素值。例如,在HSV颜色代码表上,黄色的颜色元素值为(52,55,98)。可以获取通过上述方法获取的所有像素的颜色的颜色元素值。所使用的颜色模型可以是上述HSV模型或RGB模型。此外,不限于此,可以使用彩色颜色模型中的至少一个,诸如CMYK模型或YCbCr模型。
同时,在生成颜色直方图的步骤(S121)中,通过对包括具有相同颜色元素值的颜色的像素数进行计数来生成颜色直方图。以下将详细描述用于生成颜色直方图的详细方法。
参考图6,可以识别为每个颜色元素生成颜色直方图的结果。“颜色直方图”是指通过收集在构成过滤对象的图像数据的像素中包括的颜色信息并且在颜色模型上表示每种颜色具有什么颜色元素值而获得的图。
例如,当颜色模型是HSV模型时,当横轴对应于颜色元素H(色调)时,当横轴对应于颜色元素S(饱和度)时,以及当横轴对应于颜色元素V(值)时,图6(a)、图6(b)和图6(c)分别对应于直方图701、702和703。这些直方图将分别被称为H-N直方图701、S-N直方图702和V-N直方图703。
图6中所示的直方图的横轴指示各个颜色元素H、S和V的颜色元素值,并且纵轴指示通过对所获取的图像数据中包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数N。根据颜色模型,H的颜色元素值可具有在0°到360°之间的角度值,S的颜色元素值可以具有在0%到100%之间的百分比值,并且V的颜色元素值可以具有在0%到100%之间的百分比值。
在生成颜色直方图的步骤(S121)中,通过使用所获取的所有像素的颜色的颜色元素值,可以针对每个颜色元素H、S、V生成颜色直方图。
参考图6,生成的颜色直方图使得可以识别包括根据每个颜色元素具有特定颜色元素值的颜色的最多获取(计数)的像素。
这样,具有最多计数像素数的颜色是在过滤对象的图像数据中包括最多的颜色,并且可以被设置为与过滤对象对应的参考颜色。稍后将描述参考颜色确定步骤。
同时,在过滤步骤(S120)中,可以通过使用与在扫描步骤(S110)中用于获取图像数据的颜色的颜色模型不同的颜色模型来生成颜色直方图。更具体地,在过滤步骤(S120)之中生成颜色直方图的步骤(S121)中,可以通过使用与在扫描步骤(S110)中用于获取图像数据的颜色模型不同的颜色模型来生成颜色直方图。例如,在扫描步骤(S110)中使用的颜色模型可以是RGB模型,并且在过滤步骤(S120)中使用的颜色模型可以是HSV模型。
具体地,当在扫描步骤(S121)中获取图像数据时,扫描单元可以发射具有至少一种颜色的光。例如,在RGB模型中,光可以是红光(255,0,0)、绿光(0,255,0)和蓝光(0,0,255)。
在扫描步骤中,例如,可以通过发射RGB颜色在RGB模型中获取图像数据,或者可以在不使用颜色图像传感器发光的情况下获取图像数据,从而根据RGB模型获取图像数据中包括的颜色。
为了从使用RGB模型生成的图像中检测颜色信息,需要参考R、G、B这三个属性。然而,在HSV图像的情况下,H(色调)具有预定范围的纯色调信息,并且在HSV图像的情况下,颜色分类比RGB图像更容易。容易颜色分类的优点在于,还可以容易地确定参考颜色和参考颜色范围(稍后描述)。因此,在生成颜色直方图的步骤(S121)中,可以将根据RGB模型获取的图像数据的颜色转换为根据HSV模型的颜色,然后使用这些颜色。通过广泛已知的转换公式(RGB到HSV转换公式)可以容易地执行将根据RGB模型生成的图像转换为根据HSV模型的图像,这里将省略对其的详细描述。
图7示出在生成颜色直方图的步骤中获取的直方图以及通过去除噪声校正的直方图。图8是用于描述参考颜色确定步骤的图。图9是用于描述根据本公开的实施方式的参考颜色范围确定步骤的图。图10是用于描述根据本公开的另一实施方式的参考颜色范围确定步骤的图。图11是用于描述参考颜色范围调整步骤的图。
将参考图7至图11并结合作为HSV模型的颜色元素之一的H(色调)的示例性颜色直方图来描述本公开。这样的描述同样适用于构成颜色模型的其他颜色元素S和V。
图7是H-N直方图,其中横轴表示颜色元素H的颜色元素值,并且纵轴表示通过对具有颜色元素H的颜色元素值的像素进行计数而获得的像素数N。
生成颜色直方图的步骤(S121)还可以包括直方图校正步骤,其中通过移动平均校准来校正预先生成的颜色直方图。
参考图7,预先生成的颜色直方图711具有大像素数N的两个颜色元素值,并且存在这样的问题,即在这种情况下难以确定用于执行过滤的参考颜色。当然,可以将具有最大像素数N的颜色元素H(色调)的颜色元素值确定为参考颜色,但这可能会导致问题,即当确定稍后描述的参考颜色范围时,设置了两个以上的阈值颜色元素值。
此外,如果由于在预先生成的颜色直方图中不存在计数的像素数而出现遗漏部分,则当稍后描述的确定参考颜色范围时可能出现难以设置连续范围的情况。
因此,为了防止这样的问题并且容易地设置参考颜色和参考颜色范围,优选适当地校正颜色直方图711。
移动平均校准可以指在将颜色元素划分成区段之后执行校准的方案。
参考图7,可以沿颜色直方图的横轴枚举颜色元素H的颜色元素值。作为移动平均校准的示例,可以将多个连续颜色元素值设置为单一区段,并且可以将与包括在该区段中的颜色元素值相关联的像素数的平均值校正为该区段中特定颜色元素值的像素数。区段中的特定颜色元素值可以是区段中的左侧、右侧或中心中的至少一个的颜色元素值。
因此,与显示在预先生成的颜色直方图711上的特定颜色元素值关联的原始像素数可以通过与在校正后的直方图712上的区段中包括的颜色元素值相关联的像素数的平均值来校正。
在沿颜色直方图的横轴从左向右移动区段的同时,获得对应区段的像素数的平均值,并且该平均值替代与移动区段中的特定颜色元素值相关联的原始像素数。
这样,校正后的直方图712的优点在于,即使当由于在预先生成的颜色直方图上不存在计数的像素数而出现省略部分时,也通过移动平均校准将像素数分配给省略部分,从而使得在确定参考颜色范围时易于设置连续范围。而且,通过移动平均校准,校正后的直方图712可以表示为平缓的曲线,使得具有最大计数的像素数的部分自然地高亮,从而使得获取参考颜色和参考颜色范围比预先生成的颜色直方图711更容易。
与上述描述不同,在本公开的其他实施方式中可以排除生成颜色直方图的步骤。更具体地,在过滤步骤(S120)中,用户可以通过用户界面从图像数据中选择颜色并且确定该颜色作为参考颜色。例如,从图像数据中选择的颜色可以是与由用户通过在用户界面上设置的颜色选择器选择的像素相关联的提取的颜色。然而,不限于此,可以使用任何方案,只要可以从图像数据中提取至少一种颜色即可。此外,如上所描述,可以从所提取的颜色将参考颜色范围确定为预设范围。
图8是用于描述参考颜色确定步骤的图。
可以从如上所描述生成的颜色直方图来确定参考颜色。参考图8,在确定参考颜色的步骤(S122)中,可以将在颜色直方图中具有最大计数像素数的颜色元素值确定为参考颜色元素值。例如,在H-N直方图701中,可以将具有最大像素数Nmax的颜色元素值确定为参考颜色元素值Hs。
这是因为通过扫描过滤对象获取的具有最大数量的参考颜色元素值Hs可以表示过滤对象的颜色。以相同的方式,可以在S-N直方图702和V-N直方图703中确定各参考颜色元素值Ss和Vs。最终,各颜色元素特定的参考颜色元素值Hs、Ss和Vs表示可以被确定为参考颜色的单一颜色。
同时,可以通过上述预先生成的颜色直方图711或通过校正后的直方图712来执行确定参考颜色的步骤(S122)。
图9是用于描述根据本公开的实施方式的参考颜色范围确定步骤的图。
在确定参考颜色范围的步骤(S123)中,可以在具有最大计数像素数的颜色元素值的两侧的预定范围中设置阈值颜色元素值,并且可以由此确定参考颜色范围。例如,参考颜色范围可以具有形成在参考颜色周围的均匀距离处的阈值元素值。
参考图9中的H-N直方图,参考颜色范围是指由在参考颜色元素值Hs两侧具有距离σ的阈值元素值Hs-σ和Hs+σ定义的范围。在其他颜色元素S和V的情况下,这可以被设置为相同或不同。
当参考颜色范围设置为对于每个颜色元素具有相同的距离σ时,参考颜色范围可以是(Hs-σ至Hs+σ,Ss-σ至Ss+σ,Vs-σ至Vs+σ)。然而,当参考颜色范围设置为对于每个颜色元素具有不同的距离时(在H的情况下为σ,在S的情况下为τ,并且在V的情况下为υ),参考颜色范围可以是(Hs-σ至Hs+σ,Ss-τ至Ss+τ,Vs-υ至Vs+υ)。此时,作为各个元素特定范围的2σ、2τ和2υ可以等于或大于设置范围RT。同时,H颜色元素需要在比S颜色元素和V颜色元素更精确的范围内获得参考颜色范围,因此σ可以小于τ和υ。
图10是用于描述根据本公开的另一实施方式的参考颜色范围确定步骤的图。
参考图10中的H-N直方图,在确定参考颜色范围的步骤(S123)中,可以将与参考颜色相关联的与最大计数像素数的预定比率对应的颜色元素值设置为阈值颜色元素值,从而确定参考颜色范围。例如,阈值颜色元素值H1和H2可以具有与参考颜色元素Hs相关联的最大像素数Nmax的α之比一样大的像素数(α·Nmax)。
在以相对于最大像素数Nmax的实质上左/右不对称性形成的颜色直方图的情况下,如果根据图9中的实施方式确定参考颜色范围,则该参考颜色范围可以在窄范围内确定,从而导致需要过滤的颜色将被遗漏的问题。相反,根据图10中的实施方式,确保具有至少预定像素数(α·Nmax)的颜色元素值,而与左/右不对称性无关。这是有利的,因为参考颜色范围确定在相对较宽的范围内,并且不会遗漏需要过滤的颜色,从而确保需要过滤的足够的颜色。
关于最大像素数(Nmax)的比率在颜色元素之间可以相同或不同。例如,阈值颜色元素值H1和H2可以通过将比率α应用于H颜色元素、将比率β应用于S颜色元素以及将比率γ应用于V颜色元素来设置。α、β和γ可以是大于0且小于1的实数。
同时,H颜色元素需要在比S颜色元素和V颜色元素更精确的范围内获得参考颜色范围,因此α可以大于β和γ。当具有与最大像素数Nmax的预定比率对应的像素数的颜色元素值设置为阈值颜色元素值时,从参考颜色元素值Hs到第一阈值颜色元素值H1的距离可以是第一距离d1,从参考颜色元素值Hs到第二阈值颜色元素值H2的距离可以是第二距离d2,并且第一距离d1和第二距离d2的之和可以等于或大于设置范围RT。
图11是用于描述参考颜色范围调整步骤的图。图12示出作为图4中的过滤范围的参考颜色范围。图13是表示参考颜色范围调整步骤的详细配置的流程图。
参考图11至图13,过滤步骤(S120)还可以包括参考颜色范围调整步骤(S124),其中,如果根据参考颜色范围确定步骤(S123)已设置的阈值颜色元素值的范围小于设置范围,则调整阈值颜色元素值以满足设置范围。在参考颜色范围调整步骤(S124)中,基本上改变阈值颜色元素值以扩展参考颜色范围。
设置范围RT是指考虑到过滤对象和建模对象具有不同扫描环境的情况而设置的过滤的最小范围,并且解决了在参考颜色范围确定步骤(S123)中确定的范围太窄而不能执行有效过滤过程的问题。这是因为,当扫描过滤对象时,在预定位置和角度处仅对过滤对象的一部分进行有限时间的扫描,并且与扫描建模对象的情况相比,获取准确的颜色不容易。例如,当过滤对象是手套时,仅对手套的平坦表面进行短时间扫描,这可能导致手套的褶皱表面中包括的颜色无法被过滤的问题。因此,需要扩大参考颜色范围,以便容易地对过滤对象进行过滤。
也就是说,在参考颜色范围调整步骤(S124)中,可以将第一阈值颜色元素值H1调整到颜色直方图的左侧,并且可以将第二阈值颜色元素值H2调整到颜色直方图的右侧。
参考图13,在参考颜色范围调整步骤(S124)中,确定(S1241)第一距离d1和第二距离d2之和是否等于或大于设置范围RT。如果第一距离d1和第二距离d2之和小于设置范围RT,则调整阈值颜色元素值(S1242),从而调整参考颜色范围。可以以均匀的间隔调整调整后的阈值颜色元素值H1’和H2’,直到值变得等于或大于设置范围RT。因此,可以调整参考颜色范围,使得参考颜色元素值Hs与调整后的第一阈值颜色元素值H1’之间的调整后的第一距离d1’以及参考颜色元素值Hs与调节后的第二阈值颜色元素值H2’之间的调节后的第二距离d2’等于或大于设置范围RT。
当通过参考颜色范围调整步骤(S124)调整的阈值颜色元素值H1’和H2’之间的间隔被调整为等于或大于设置范围RT时,可以将均匀的值加到阈值颜色元素值H1和H2上或从阈值颜色元素值H1和H2中减去,以便进行调整。可以用于进行这种调整的等式如下所示:
[等式1]
Figure BDA0004144537300000131
Figure BDA0004144537300000132
如果应用根据上述等式1调整的阈值颜色元素值H1’和H2’,则可以确定参考颜色范围,以满足作为最小期望范围的设置范围RT。在这种情况下,优点在于,通过确定参考颜色范围以满足所期望的设置范围,可以针对足够的范围执行过滤。
在另一实施方式中,在参考颜色范围调整步骤(S124)中,可以与从参考元素值Hs到各个阈值颜色元素值H1和H2的距离成比例地调整阈值颜色元素的值。更具体地,如果从参考元素值Hs到各个阈值颜色元素值H1和H2的距离d1+d2之和小于设置范围RT,则可以应用被调整为对应于以下等式的阈值颜色元素值H1’和H2’:
[等式2]
Figure BDA0004144537300000133
Figure BDA0004144537300000134
通过应用被调整为对应于上述等式2的阈值颜色元素值H1’和H2’,可以确定满足作为所期望的最小范围的设置范围RT的参考颜色范围。
此外,通过与从参考元素值Hs到阈值颜色元素值H1和H2的差成比例地调整阈值颜色元素的值,反映参考颜色范围的应用比率,从而有效地排除过滤对象的颜色。
可以通过如上所描述的确定参考颜色范围来排除过滤对象的颜色。在RGB模型中,当生成三维表面模型时,可以排除具有如图12中的附图标记V1所示的体积的颜色部分,并且在HSV模型中,在生成三维表面模式时,可以去除具有如附图标记V2所示的体积的颜色部分。
同时,在过滤步骤(S120)中,可以使用在扫描步骤(S110)中获取的多条图像数据中的至少一些。例如,在过滤步骤(S120)中,上述第一类型图像数据可以用于基于具有颜色信息的图像数据对过滤对象的参考颜色或参考颜色范围进行过滤。根据现有技术,扫描过滤对象以生成过滤对象的三维表面模型,基于三维表面模型识别参考颜色或参考颜色范围,并且在生成建模对象的三维表面模型时删除对应的参考颜色或参考颜色范围。然而,过滤对象被简单地扫描以获取待排除或删除的参考颜色或参考颜色范围,并且过滤对象不需要进行三维建模以获取参考颜色或参照颜色范围。相反,通过对过滤对象进行三维建模并且从过滤对象的三维模型中提取参考颜色或参考颜色范围,向系统施加了不必要的计算负载,从而干扰了快速获取建模对象的三维表面模型。
相反,根据本公开的三维建模方法,在过滤步骤(S120)中不使用在扫描步骤(S110)中获取的多条二维数据之中的第二类型图像数据,并且其优点在于在二维区域中可以进行快速过滤。也就是说,在扫描步骤(S110)中获取的图像数据不用于生成三维表面模型,仅从二维平面图像数据中获取颜色分布,由此能够确定参考颜色或参考颜色范围。因此,根据本公开的三维建模方法的优点在于,由于不对过滤对象进行三维建模,因此降低了计算负荷,并且提高了建模对象的整个过滤过程和三维建模过程中的计算速度。
作为另一示例,根据本公开的三维建模方法,可以在扫描步骤(S110)中仅获取用于获取颜色信息的二维图像数据。例如,在扫描步骤(S110)中扫描过滤对象,以获取至少一组二维平面图像数据。二维平面图像数据可以包括通过向过滤对象发射白光而获得的图像数据。或者,二维平面图像数据可以包括通过向过滤对象发射红光而获取的图像数据、通过向过滤对象发射绿光而获取的图像数据、以及通过向过滤对象发射蓝光而获得的图像数据。同时,与以上描述不同,在结构光应用于过滤对象的状态下,可以不向过滤对象发射结构光,并且可以不获取二维图像数据。也就是说,可以不从过滤对象生成三维表面模型,并且可以不获取具有二维图像数据的深度信息的第二类型图像数据。这是有利的,因为可以更快地执行扫描步骤(S110)和过滤步骤(S120),减少了系统的计算负载,并且提高了计算速度。
同时,在如上所描述的从过滤对象的图像数据过滤参考颜色或参考颜色范围之后,扫描建模对象(S130),从而生成建模对象的三维表面模型(S140)。此外,在生成三维表面模型的步骤(S140)中,可以通过排除参考颜色或参考颜色范围来生成建模对象的三维表面模型。
在扫描建模对象的步骤(S130)中,可以获取用于获取建模对象的颜色信息的二维图像数据(即,建模对象的第一类型图像数据)和用于获取建模对象的深度信息的二维图像数据(即,建模对象的第二类像数据)。因此,在生成三维表面模型的步骤(S140)中,建模对象的第二类型图像数据可以用于基于深度信息生成建模对象的三维表面模型,并且建模对象的第一类型图像数据可以用于为三维表面模型分配颜色。
当生成三维表面模型时,可以排除在上述过滤步骤(S120)中确定的参考颜色或参考颜色范围。更具体地,在构成建模对象的第一类型图像数据的像素之中,感测具有与参考颜色或参考颜色范围对应的颜色的像素。当生成建模对象的三维表面模型时,排除具有与参考颜色或参考颜色范围对应的颜色的像素对应的第二类型图像数据的像素。因此,不对具有与参考颜色或参考颜色范围对应的颜色的像素进行三维建模,因此可以更快速和准确地获取建模对象的三维表面模型。
这里,当过滤对象的图像数据的像素都具有基本上相同的颜色时,或者当参考颜色的像素数与落在距参考颜色预定范围内的颜色的像素数之间的差明显较大时,可以通过仅对参考颜色(不是参考颜色范围)进行过滤来生成建模对象的三维表面模型。
或者,如图6至图11所示的在具有最大计数像素数的颜色元素值的两侧具有预定分布的颜色直方图中那样,可以通过过滤参考颜色范围而不是参考颜色来生成建模对象的三维表面模型。
这样,在三维表面模型生成过程中,通过去除过滤对象的颜色之中与参考颜色或参考颜色范围对应的颜色,防止了系统资源的不必要使用,并且可以获得快速的三维建模和高度可靠的三维表面模型。由于三维扫描仪通过接收从对象表面反射的光来执行三维建模,因此即使对同一只手套进行建模,建模颜色也可能细微地改变。在根据本公开的三维建模方法中,即使在包括照明条件的各种扫描环境中存在变化,也可以确定并提取符合扫描环境的变化的过滤参考颜色或参考颜色范围。
在下文中,将描述根据本公开的三维建模设备。本文将部分省略已经结合根据本公开的三维建模方法进行的重复描述。
图14示出根据本公开的三维建模设备的示意性配置。图15示出根据本公开的替代实施方式的三维建模设备的示意性配置。
参考图14和图15,根据本公开的三维建模设备10可以包括被配置为扫描过滤对象并且获取图像数据的扫描单元100和被配置为确定参考颜色或参考颜色范围并执行过滤的控制单元200,该参考颜色或参照颜色范围成为关于图像数据的过滤的对象。
首先,扫描单元100可以扫描过滤对象并且获取过滤对象的图像数据。为了描述通过使用三维扫描仪作为示例来获取患者口腔内部(指牙齿、牙龈等)的三维模型的过程,患者口腔内部的牙齿对应于建模对象,并且用户的手或卫生手套、来自患者口腔的唾液、以及口腔中的异物对应于过滤对象。此外,扫描单元100可以扫描建模对象以生成三维表面模型。
扫描单元100可以包括用于扫描过滤对象和建模对象的发光单元110和光接收单元120。发光单元110可以是光学投影仪,并且可以向对象发射各种类型的光。如果必要,光可以具有各种波长,并且可以是图案型结构光。
发光单元110可以用于独立地发射RGB光,以获取具有如上述的至少两个颜色元素的彩色系列颜色模型,例如RGB模型。然而,可以在不从发光单元110发射光的情况下获取图像数据,如在颜色图像传感器的情况下,从而根据RGB模型获取图像数据中包括的颜色。
光接收单元120可以接收从对象表面反射的光以获取图像数据。图像数据可以包括二维图像数据或三维图像数据。光接收单元120可以包括至少一个相机和电连接至相机的颜色成像传感器。相机可以通过透镜接收引入扫描单元100的光,颜色成像传感器可以分析接收的光,从而生成图像数据。作为颜色成像传感器,可以选择并且使用诸如CCD传感器和CMOS传感器之类的公知传感器中的至少一个。
同时,扫描单元100可以在扫描过滤对象时获取二维图像数据,并且通过扫描过滤对象获取的二维图像数据可以包括指示颜色信息的第一类型图像数据和指示深度信息的第二类型图像数据。如果需要,扫描单元100可以在扫描过滤对象的过程中仅获取指示过滤对象的颜色信息的第一类型图像数据。与此相关的细节与上述相同。
同时,控制单元200计算/处理所获取的图像数据。控制单元200从扫描单元100获取的图像数据中获取颜色,并且确定成为过滤对象的参考颜色或参考颜色范围。如图14所示,控制单元200可以被配置为形成为与扫描单元100物理分离的分离部件,或者被配置为如图15所示包括为扫描单元100的组件的处理器。
在下文中,将描述控制单元200的详细组件和各个组件的操作。
控制单元200从过滤对象的图像数据中获取颜色。图像数据是二维图像数据或三维图像数据,并且用于从二维图像数据获取过滤对象的颜色的具体方法与上述相同。
控制单元200可以包括颜色直方图生成单元210,其被配置为通过根据构成图像数据中包括的颜色的颜色模型的各个颜色元素对具有颜色元素值的像素数进行计数来生成颜色直方图。
如上所描述,通过对图像数据中具有特定颜色元素值的像素进行计数而获得的像素数N可以对应于颜色直方图的纵轴。当RGB模型用于生成颜色直方图时的颜色元素是红色、绿色和蓝色,并且当HSV模型用于生成颜色直方图时的颜色元素是色调、饱和度和值。
同时,控制单元200可以利用与由扫描单元100获取图像数据所使用的颜色模型不同的颜色模型来生成颜色直方图。更具体地,控制单元200的颜色直方图生成单元210可以利用与由扫描单元100获取图像数据所使用的颜色模型不同的颜色模型来生成颜色直方图。例如,由扫描单元100获取的图像数据可以基于RGB模型。控制单元200的颜色直方图生成单元210可以将根据RGB模型生成的图像数据的颜色信息转换为HSV模型,从而基于HSV模型生成颜色直方图。如果颜色直方图生成单元210使用HSV模型,则HSV模型可以使得容易地对相似的颜色进行分组,从而便于确定参考颜色范围。
同时,控制单元200还可以包括直方图校正单元240,其被配置为对预先生成的颜色直方图执行移动平均校准。当通过使用上述颜色直方图难以容易地获取参考颜色和参考颜色范围时,直方图校正单元240可以校正颜色直方图。校正后的颜色直方图可以使用移动平均校准方法,更具体地,可以将对于每个颜色元素获取的颜色直方图划分为预定的区段,使得对每个部分执行校正。在由直方图校正单元240生成的校正后的直方图的情况下,具有最大计数的像素数的部分被高亮显示,并且剩余部分在具有最大计数像素数的颜色元素值的两侧具有预定分布,从而使得比预先生成的颜色直方图更容易获取参考颜色和参考颜色范围。
与上面的描述不同,在本公开的另一实施方式中,可以在不经过颜色直方图生成单元210和直方图校正单元240的情况下获取参考颜色。控制单元200可以确定从图像数据中选择的颜色是参考颜色。例如,作为从图像数据中选择的颜色,可以通过设置在用户界面上的颜色选择器来提取预定像素的颜色。然而,不限于此,可以使用任何方案,只要可以从图像数据中提取至少一种颜色即可。此外,如上所描述,可以将参考颜色范围确定为从所提取的颜色预设的特定范围。
同时,控制单元200可以包括参考确定单元,该参考确定单元被配置为从由颜色直方图生成单元210获取的颜色直方图来确定参考颜色或参考颜色范围。参考确定单元可以包括被配置为确定参考颜色的参考颜色确定单元220和被配置为确定参考颜色范围的参考颜色范围确定单元230中的至少一个。
参考颜色确定单元220可以确定在颜色直方图中具有最大计数像素数的颜色元素值是参考颜色元素值。颜色元素特定的参考颜色元素值Hs、Ss和Vs表示可以被确定为参考颜色的单一颜色。
此外,参考颜色确定单元220可以确定在通过移动平均校准校正的颜色直方图中具有最大计数像素数的颜色元素值是参考颜色元素值。参考颜色确定单元220可以执行上述确定参考颜色的步骤,并且确定参考颜色的过程与上述相同。
此外,控制单元200可以包括参考颜色范围确定单元230,其被配置为根据参考颜色确定作为过滤范围的参考颜色范围。在参考颜色确定单元220确定参考颜色之后,参考颜色范围确定单元230可以确定满足所确定的参考颜色的预定条件的区域是参考颜色范围。参考颜色范围确定单元230可以将阈值颜色元素值设置在每个颜色元素特定的参考颜色元素值的两侧的预定范围内,并且可以从中确定参考颜色范围。预定范围可以是固定范围,并且参考颜色范围确定单元230可以确定与参考颜色相关联的颜色元素值间隔开以具有相同间隔的元素值是阈值颜色元素值。确定阈值颜色元素值的详细过程与上述相同。
此外,参考颜色范围确定单元230可以将与具有最大计数像素数的颜色元素的值相关联的像素数的预定比率对应的颜色元素值设置为阈值颜色元素值,从而确定参考颜色范围。例如,在具有色调的颜色元素值的阵列的H-N颜色直方图的情况下,可以将具有与最大像素数(Nmax)的预定比率(α)对应的像素数的颜色元素值设置为阈值颜色元素值。也就是说,与阈值颜色元素值相关联的像素数可以是α·Nmax。通过使用这样的比率来确定参考颜色范围,可以对符合过滤对象的颜色进行过滤。特别地,即使当生成具有相对于最大像素数(Nmax)的左/右不对称性的颜色直方图时,也可以生成高度可靠的参考颜色范围,使得对符合过滤对象的颜色进行过滤。
这里,由参考颜色范围确定单元230应用于各个颜色元素的比率可以不同。例如,色调颜色元素可以具有用于精确过滤的相对窄的参考颜色范围,并且饱和度颜色元素和值颜色元素可以具有相对宽的参考颜色范围。因此,应用于色调颜色元素的颜色直方图的比率α可以大于应用于饱和度颜色元素的颜色直方图的比率β和应用于值颜色元素的颜色直方图的比率γ。
同时,控制单元200还可以包括参考颜色范围调整单元250,使得当由参考颜色范围确定单元230设置的阈值颜色元素值的范围小于设置范围时,调整阈值颜色元素值以满足设置范围。当通过应用上述预定比率获得的参考颜色范围小于用户所期望的设置范围时,参考颜色范围调整单元250可以将参考颜色范围扩展到设置范围。更具体地,扩展参考颜色范围可以对应于将参考颜色范围中的阈值颜色元素值移动到颜色直方图的两侧。也就是说,参考颜色范围调整单元250可以向左调整作为参考颜色范围的下限的第一阈值颜色元素值,并且可以向右调整作为参考颜色范围的上限的第二阈值颜色元素值。
这里,参考颜色范围调整单元250可以与从参考颜色元素值到阈值颜色元素值的差成比例地调整阈值颜色元素值。这可以对应于与从参考颜色元素值到第一阈值颜色元素值的区段距离(上述第一距离)和从参考颜色元素值到第二阈值颜色元素值的区段距离(上述第二距离)成比例地扩展参考颜色范围。因此,参考颜色范围调整单元250可以调整阈值颜色元素值,以反映与参考颜色元素值的区段距离。因此,这是有利的,因为调整阈值颜色元素值以满足设置范围,同时保持调整预先参考颜色范围的范围特性。调整阈值颜色元素值的过程与上述相同,并且参考颜色范围调整单元250可以根据上述等式1或等式2来调整阈值颜色元素值。
通过控制单元200的上述配置,可以通过从扫描单元100获取的图像数据来确定参考颜色或参考颜色范围。控制单元200通过使用表示通过扫描过滤对象而获取的图像数据中的颜色信息的第一类型图像数据来确定参考颜色或参考颜色范围。因此,不对过滤对象进行三维建模,并且从二维图像数据确定参考颜色或参考颜色范围,从而提供以下优点:减少了根据本公开的三维建模设备上的计算负荷,并且提高了计算速度。由控制单元200执行的颜色过滤过程与上述相同。
控制单元200可以如上所描述的从过滤对象的图像数据中过滤参考颜色或参考颜色范围,扫描建模对象以生成关于建模对象的三维表面模型,并且可以在生成三维表面模型的过程中排除参考颜色或参考颜色范围,从而生成建模对象的三维表面模型。
作为用于生成三维表面模型的三维建模技术,可以使用上述基于结构光的技术,或者可以根据已知技术通过使用多个二维图像数据来生成三维表面模型。
此外,当控制单元200生成建模对象的三维表面模型时,可以感测具有与基于过滤对象的图像数据确定的参考颜色或参考颜色范围对应的颜色的建模对象的第一类型图像数据的像素。当生成建模对象的三维表面模型时,排除具有与参考颜色或参考颜色范围对应的颜色的像素的第二类型图像数据的像素。因而,不对具有与参考颜色或参考颜色范围对应的颜色的像素进行三维建模,因此可以更快速和准确地获取建模对象的三维表面模型。
图16示出根据比较例在不使用参考颜色范围的过滤的情况下扫描建模对象的结果。图17示出根据本公开的实施方式通过在参考颜色范围中应用过滤来扫描建模对象的结果。
如图16所示,当使用结合根据本公开的三维建模方法描述的参考颜色范围扫描没有过滤的建模对象时,过滤对象D的图像被一起输入,并且对应部分的颜色通过显示单元300获取并显示。结果,从不必要的过滤对象D生成三维表面模型,从而降低建模对象的三维表面模型的可靠性。
相反,如图17所示,通过在结合根据本公开的三维建模方法和使用该三维建模方法的三维建模设备所描述的参考颜色范围中应用过滤,当生成建模对象的三维表面模型时,可以排除过滤对象D,并且用户可以由此获取建模对象的高度可靠的三维表面模型。
以上描述仅是本公开的技术构思的示例性描述,并且本公开所属领域的技术人员可以在不背离本公开的基本特征的情况下做出各种修改和变化。
因此,本文中所公开的实施方式并非用于限制本公开的技术构思,而是用于描述本公开的技术构思,并且本公开的技术构思的范围不受这些实施方式的限制。本公开的保护范围由所附权利要求解释,并且落入等效范围内的所有技术构思应被解释为包括在本公开的权利范围内。
工业实用性
本公开提供了一种三维建模方法和使用其的装置,其中从过滤对象获取的图像数据确定参考颜色,或者从参考颜色确定预定范围内的颜色作为成为过滤对象的参考颜色范围,使得当扫描建模对象时,在三维表面模型转换期间排除与参考颜色或参考颜色范围对应的部分。

Claims (20)

1.一种三维建模方法,包括:
扫描过滤对象以获取至少一组图像数据的扫描步骤;
从在所述扫描步骤中获取的图像数据中包括的颜色确定参考颜色或参考颜色范围并且对所述参考颜色或所述参考颜色范围进行过滤的过滤步骤;以及
通过扫描建模对象来生成所述建模对象的三维表面模型的步骤,
其中,在生成三维表面模型的步骤中,通过排除所述参考颜色或所述参考颜色范围来生成所述三维表面模型。
2.根据权利要求1所述的三维建模方法,其中,所述过滤步骤包括:
通过使用所述图像数据中包括的每个像素中包括的颜色的颜色元素值和通过对包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数来生成颜色直方图的步骤;以及
从所述颜色直方图确定所述参考颜色或所述参考颜色范围的步骤。
3.根据权利要求2所述的三维建模方法,其中,所述生成颜色直方图的步骤还包括通过移动平均校准来校正所述颜色直方图的直方图校正步骤,并且
其中,在确定所述参考颜色或所述参考颜色范围的步骤中,通过在所述直方图校正步骤之后校正的颜色直方图来确定所述参考颜色或者所述参考颜色范围。
4.根据权利要求1所述的三维建模方法,其中,通过使用具有至少两个颜色元素的颜色模型来获取所述图像数据中包括的颜色,并且
其中,在所述过滤步骤中,利用与在所述扫描步骤中用于获取所述图像数据的颜色的颜色模型不同的颜色模型来生成颜色直方图。
5.根据权利要求2所述的三维建模方法,其中,在确定所述参考颜色或所述参考颜色范围的步骤之中的确定所述参考颜色的步骤中,从所述颜色直方图中具有最大计数像素数的颜色元素值来确定所述参考颜色。
6.根据权利要求5所述的三维建模方法,其中,在确定所述参考颜色范围的步骤中,通过在具有最大计数像素数的颜色元素值的两侧设置预定范围的阈值颜色元素值来确定所述参考颜色范围。
7.根据权利要求5所述的三维建模方法,其中,在确定所述参考颜色范围的步骤中,通过将与具有最大计数像素数的颜色元素值的像素数的预定比率对应的颜色元素值设置为阈值颜色元素值来确定所述参考颜色范围。
8.根据权利要求7所述的三维建模方法,其中,对于每个颜色元素,所述预定比率不同。
9.根据权利要求7所述的三维建模方法,其中,所述过滤步骤还包括参考颜色范围调整步骤,其中,当所述阈值颜色元素值具有小于设置范围的范围时,调整所述阈值颜色元素值以满足所述设置范围。
10.根据权利要求1所述的三维建模方法,其中,在所述扫描步骤中获取的所述过滤对象的所述图像数据包括用于获取所述过滤对象的颜色的至少一组第一类型图像数据和用于获取所述过滤对象的深度信息的至少一组第二类型图像数据,并且
其中,在所述过滤步骤中,通过使用所述第一类型图像数据来对所述参考颜色或所述参考颜色范围进行过滤。
11.根据权利要求1所述的三维建模方法,其中,在所述扫描步骤中,获取用于获取所述过滤对象的颜色的至少一组二维图像数据,并且
其中,在所述过滤步骤中,通过使用所述至少一组二维图像数据对所述参考颜色或所述参考颜色范围进行过滤。
12.根据权利要求1所述的三维建模方法,其中,在生成三维表面模型的步骤中,基于通过扫描所述建模对象而获取的所述建模对象的多条二维图像数据来生成所述三维表面模型,
其中,所述建模对象的所述多条二维图像数据包括用于获取所述建模对象的颜色的第一类型图像数据和用于获取所述建模对象的深度信息的第二类型图像数据,并且
其中,当生成所述三维表面模型时,排除与所述建模对象的所述第一类型图像数据之中的与所述参考颜色或所述参考颜色范围对应的像素对应的所述第二类型图像数据的像素。
13.一种三维建模设备,包括:
扫描单元,被配置为扫描过滤对象以获取图像数据;以及
控制单元,被配置为从所述图像数据确定并且过滤作为过滤对象的参考颜色或参考颜色范围。
14.根据权利要求13所述的三维建模设备,其中,所述控制单元包括:
颜色直方图生成单元,被配置为通过使用所述图像数据中包括的每个像素中包括的颜色的颜色元素值和通过对包括具有相同颜色元素值的颜色的像素进行计数而获得的像素数来生成颜色直方图;
直方图校正单元,被配置为基于所述颜色直方图执行移动平均校准;以及
参考确定单元,包括被配置为从所述颜色直方图确定参考颜色的参考颜色确定单元或被配置为从所述颜色直方图确定参考颜色范围的参考颜色范围确定单元中的至少一个,
其中,所述颜色直方图生成单元利用与由所述扫描单元获取所述图像数据所使用的颜色模型不同的颜色模型来生成所述颜色直方图,并且
所述参考确定单元通过所述直方图校正单元在所述移动平均校准之后校正的颜色直方图来确定所述参考颜色或所述参考颜色范围。
15.根据权利要求14所述的三维建模设备,其中,所述参考颜色确定单元从所述颜色直方图中具有最大计数像素数的颜色元素值来确定所述参考颜色,并且
其中,所述参考颜色范围确定单元通过在具有最大计数像素数的颜色元素值的两侧设置预定范围的阈值颜色元素值来确定所述参考颜色范围,或者通过将与具有最大计数像素数的颜色元素值的像素数的预定比率对应的颜色元素值设置为阈值颜色元素值来确定所述参考颜色范围。
16.根据权利要求15所述的三维建模设备,其中,对于每个颜色元素,所述预定比率不同。
17.根据权利要求15所述的三维建模设备,其中,所述控制单元还包括参考颜色范围调整单元,所述参考颜色范围调整单元被配置为使得当由所述参考颜色范围确定单元设置的所述阈值颜色元素值具有小于设置范围的范围时,调整所述阈值颜色元素值以满足所述设置范围。
18.根据权利要求13所述的三维建模设备,其中,由所述扫描单元获取的所述过滤对象的所述图像数据包括用于获取所述过滤对象的颜色的至少一组第一类型图像数据或用于获取所述过滤对象的深度信息的至少一组第二类型图像数据,并且
其中,所述控制单元通过使用所述第一类型图像数据来过滤所述参考颜色或所述参考颜色范围。
19.根据权利要求13所述的三维建模设备,其中,所述扫描单元获取用于获取所述过滤对象的颜色的多条二维图像数据,并且
其中,所述控制单元通过使用所述多条二维图像数据来过滤所述参考颜色或所述参考颜色范围。
20.根据权利要求13所述的三维建模设备,其中,所述控制单元基于通过利用所述扫描单元扫描所述建模对象而获取的所述建模对象的多条二维图像数据来生成所述三维表面模型,
其中,所述建模对象的所述多条二维图像数据包括用于获取所述建模对象的颜色的第一类型图像数据和用于获取所述建模对象的深度信息的第二类型图像数据,并且
其中,当生成所述三维表面模型时,排除与所述建模对象的所述第一类型图像数据之中的与所述参考颜色或所述参考颜色范围对应的像素对应的所述第二类型图像数据的像素。
CN202180065846.1A 2020-09-25 2021-09-24 三维建模方法和使用其的装置 Pending CN116324888A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2020-0125007 2020-09-25
KR20200125007 2020-09-25
PCT/KR2021/013042 WO2022065915A1 (ko) 2020-09-25 2021-09-24 3차원 모델링 방법 및 이를 이용한 장치

Publications (1)

Publication Number Publication Date
CN116324888A true CN116324888A (zh) 2023-06-23

Family

ID=81183242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180065846.1A Pending CN116324888A (zh) 2020-09-25 2021-09-24 三维建模方法和使用其的装置

Country Status (3)

Country Link
EP (1) EP4220570A1 (zh)
KR (1) KR102576496B1 (zh)
CN (1) CN116324888A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102612679B1 (ko) * 2022-04-14 2023-12-13 주식회사 메디트 구강 스캐너의 스캔 이미지 처리 방법, 그 장치 및 그 명령을 기록한 기록 매체

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101349968B1 (ko) * 2011-11-28 2014-01-14 네이버 주식회사 자동 영상보정을 위한 영상 처리 장치 및 방법
KR20180120908A (ko) 2017-04-28 2018-11-07 주식회사 메디트 다중 입력 영상에서의 색상 보정을 위한 3차원 스캐닝 방법 및 그 장치
US11367192B2 (en) * 2019-03-08 2022-06-21 Align Technology, Inc. Foreign object filtering for intraoral scanning

Also Published As

Publication number Publication date
EP4220570A1 (en) 2023-08-02
KR102576496B1 (ko) 2023-09-08
KR20220041763A (ko) 2022-04-01

Similar Documents

Publication Publication Date Title
EP3849170B1 (en) Image processing method, electronic device, and computer-readable storage medium
US8385680B2 (en) Image processing apparatus and image processing method
US8036438B2 (en) Outline detection apparatus, outline detection method, and program thereof
JP5073996B2 (ja) 画像処理装置
CN110493506B (zh) 一种图像处理方法和系统
US9185265B2 (en) Image processing method and image processing apparatus for performing a tone correction to acquire a combined image
KR102335899B1 (ko) 3d 스캔이 수행 중인 물체에 관한 색상 정보를 수집하기 위한 시스템, 방법, 장치 및 컴퓨터 판독가능 저장 매체
JP4757927B2 (ja) ホワイトバランス調整装置及びホワイトバランス調整方法
JP2007300253A (ja) 撮像装置およびその光源推定装置
CN110365920A (zh) 图像处理
CN116324888A (zh) 三维建模方法和使用其的装置
ITTO20011080A1 (it) ,,metodo e dispositivo per la determinazione di una dominante cromatica in un'immagine,,
KR102269897B1 (ko) 이미지 필터링 방법
JP6900395B2 (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および記録媒体
JP5074066B2 (ja) 画像処理装置、及び、画像処理方法
US20230107480A1 (en) Artificial tooth manufacturing information generation method and artificial tooth manufacturing system
CN110555809B (zh) 基于前景影像的背景虚化方法与电子装置
US20230334780A1 (en) Three-dimensional modeling method and apparatus using same
CN114283107A (zh) 口腔检测方法、口腔检测装置以及计算机可读存储介质
US20230214995A1 (en) System and method for generating a three-dimensional image where a point cloud is generated according to a set of color images of an object
TWI818372B (zh) 口腔檢測系統
JP6774004B2 (ja) 変化度合い導出装置、変化度合い導出方法及びプログラム
JP2014087062A (ja) ホワイトバランス調整方法
JP2010199866A (ja) 画像処理装置
JPH0484930A (ja) シェーディング画像補正方法及び補正装置

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