CN1716088A - 三维成像方法 - Google Patents

Abstract

一种应用于可见光区域的三维成像方法，应用位置编码的照相机阵列对物体进行拍摄记录，照相机阵列的分布形式构成二值编码矩阵，该二值编码矩阵的自相关函数近似δ函数，照相机阵列中的每一台照相机都拍摄得到一张物体的基元图像，将所有的基元图像在计算机中合成为一幅编码图像。采用计算机解码方法从编码图像中依次再现出不同的物体层的图像。本发明所述的方法结构更简单，灵活，成像记录不受物体尺度大小的限制，有望获得实际应用，可望推广至遥感、军事等领域。

Description

三维成像方法

技术领域

本发明是一种可见光区域的三维成像方法，应用空间位置编码的照相机阵列对本身发光或反射发光物体的拍照记录，及计算机解码方法再现出三维物体的分层图像，本发明可望推广应用于遥感、遥测、机器视觉以及军事等领域。

背景技术

随着科学技术的发展，采用普通的照相方法得到的照片因为其只能承载物体的二维信息，已经不能满足现代应用的需要。对于三维成像方法的研究虽历史不长但已经取得很大的进步，并已被广泛的应用于医学诊断、遥感、遥测、显示、艺术、机器视觉等领域。

在先技术[1](参见于美文著《光全息学及其应用》，北京理工大学出版社，1996，pp99-148)全息摄影术是一种利用光的相干记录及衍射再现的方法实现三维物体的记录与成像显示的方法。这种方法利用相干光照射物体，通过引入被称为参考光的另一相干光与物体反射的光在距离物体不是很远的记录介质上相干涉达到记录物体的位相信息的目的。再利用被称为再现光照射经过处理的记录介质，衍射光再现出物体的三维图像。

在先技术[2](参见Chris Brown，Multiplex imaging withmultiple-pinhole cameras，Journal of Applied Physics，Vol.45，No.4，1974，pp1806-1811)编码孔径成像技术是一种应用于不可见光区域的成像方法，物体辐射出的光(x射线、γ射线等)通过一个开有很多小孔的平面投影在记录介质上，记录介质上记录的是不同角度的物体投影的叠加，再现时被光源照射的记录介质发出的光透过一个与记录时完全相同的小孔平面反向投影在显示平面上，调整显示平面的位置可以得到物体不同深度层次的图像。这种成像方法被广泛地应用于医学领域。

在先技术[3](参见Seung-Hyun Hong et al.Three-dimensionalvolumetric object reconstruction using computational integral imaging，Optics Express，Vol.12，No.3，2004，pp483-491)采用一个微透镜阵列对物体进行记录，记录和再现原理类似于在先技术[2]，物体通过每一个微透镜成像在记录介质上，记录介质得到的仍然是一个不同角度的物体的图像的叠加，再现过程是一个同样的反投影过程，这种方法得到的也是物体的分层图像。

发明内容

本发明的目的是要提出一种实用于可见光区域的三维成像方法，本发明方法应结构更简单，灵活，成像记录不受物体尺度大小的限制。

本发明三维成像方法的实质是采用空间位置编码的照相机阵列对物体进行拍照记录，在计算机中将所拍摄得到的物体图像合成为编码图像，再应用计算机解码方法从编码图像中依次再现出不同物体层的图像。

本发明的技术解决方案如下：

一种三维成像方法，其特征在于该方法包括下列步骤：

①在被拍摄的物体的前方一个平面上离散地设置由多台照相机构成的照相机阵列。该照相机阵列可以用一个包含a×b个的矩阵元C(x_i，y_j)i＝1，2...a；j＝1，2...b二值矩阵来表示，矩阵元的值为1或0，C(x_i，y_j)＝1对应于在(x_i，y_j)位置有一台照相机，C(x_i，y_j)＝0对应于在(x_i，y_j)位置没有照相机，相邻的两个矩阵元之间距离为d，这个矩阵称为编码矩阵。所述的编码矩阵的自相关函数近似一个理想的δ函数，更准确的说：它的自相关函数的的主峰值为矩阵中1的数量，也就是照相机的数量n，旁瓣最大值为1；

②用所述的照相机阵列对物体进行拍摄。物体表示为 $\underset{k}{\mathrm{\Σ}}O(x,y,z_k),k=\mathrm{1,2}\·\·\·,$ 其中O(x，y，z_k)表示与照相机阵列距离为z_k的物体的某一层，求和符号表示物体是由连续的一系列的这样的层次构成的。需要说明的是，以这种方式理解物体有助于更清楚的说明本发明所述的方法的基本原理。位于照相机阵列中(x_i，y_j)位置的照相机对该物体拍照，拍摄得到的物体图像表示为： $\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j),k=\mathrm{1,2}\·\·\·;$ 其中f是照相机的焦距， $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体的某一层被照相机拍摄得到的缩小

倍的图像，负号表示成倒立反转的像。每台照相机都拍摄得到一幅物体的图像，每一幅这样的图像称为一个基元图像。

③将照相机阵列所拍摄的物体的所有的基元图像在计算机中合成得到编码图像：首先生成一幅空白图像，将该空白图像分成与编码矩阵相同的a×b个子区域，每个子区域的大小与基元图像的大小相同。该空白图像的每个子区域就与编码矩阵的一个矩阵元相对应。如①所述矩阵元等于1表示有一台照相机，将这台照相机拍摄的基元图像填充到与之相对应的子区域中，按顺序将所有照相机拍摄的基元图像填充到与之相对应的子区域中。最后调整子区域之间的距离：设物体横向尺度大小为l，照相机阵列中矩阵元之间的距离的d，基元图像的大小为l_e，调整图像相邻的两个子区域之间的距离为 ，调整完成后所得到的图像就是合成的编码图像。该编码图像的数学表达式为：

$I(x,y)=\underset{i}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j),i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b;k=\mathrm{1,2}\·\·\·$

编码图像的数学表述看起来比较复杂，它仍是建立在对物体的分层理解的基础上。式中： $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体层被位于(x_i，y_j)的照相机拍照得到的倒立反转缩小 倍的图像， $C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示与该物体层相对应的被放大了 倍的编码矩阵，二者的相关 $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示该物体层的图像在编码图像中的分布，将所有的物体层的图像在编码图像中的分布迭加起来就是整个物体的编码图像；

④应用计算机解码方法，分层再现物体的图像。如③所述，每一个物体层的图像都与一定放大率的编码矩阵相对应。比如与照相机阵列距离为z_m的物体层被照相机拍摄得到的倒立反转的缩小 倍的图像与被放大 倍的编码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$ 相对应。这种对应关系为从编码图像中解码再现出某一物体层的图像提供了可能性。计算机解码的具体操作方法如下：为了从编码图像中解码再现与照相机阵列距离为z_m的物体层的图像，用计算机生成一个与对应于该物体层的编码矩阵完全相同的解码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$ ，然后用该矩阵与编码图像作相关运算，计算结果就是该物体层的解码图像：

$R_m(x,y)=I(x,y)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$=\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$k=\mathrm{1,2}\·\·\·m\·\·\·;i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$+\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$k=\mathrm{1,2}\·\·\·m-1,m+1\·\·\·;i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)*\stackrel{\‾}{\mathrm{\δ}}(x,y)+N(x,y)$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)+N(x,y)$

从上面公式可以看出，解码矩阵与z_m物体层相对应，它同样与z_m物体层相对应的编码矩阵完全相同(分布形式相同，发大率相同)，他们之间的相关运算就相当于与z_m物体层相对应的编码矩阵的自相关，如前所述我们选择的编码矩阵所需满足的条件就是它的自相关函数近似理想的δ函数(在上式中用 δ表示近似理想函数)，δ函数的性质决定它与其他函数的相关(或卷积)的结果是函数本身，因此z_m层的物体图像得以从编码图像中再现出来。而其他物体层，因为与他们相对应的编码矩阵的放大率与解码矩阵的放大率不一致，它们之间的相关结果不是一个δ函数，因此那些层次不能从编码图像中再现出来而成为背景噪声，在上式中用N(x，y)表示这些噪声。

⑤重复如④所述的操作，调整解码矩阵的放大率使其与物体其他的层次相对应，依次解码得到物体所有层次的解码图像。

所述的照相机是数码相机或者普通光学照相机。

所述的数码相机拍摄的基元图像为基元数字图像，这些数字图像在计算机中被合成为编码图像。

所述的普通光学照相机拍摄的照片需要转化为基元数字图像，这些基元数字图像在计算机中合成为编码图像。

所述的基元数字图像大小相同。

本发明所述的成像方法是将x射线等不可见波段的编码孔径层析成像的原理在可见光波段应用，同时解决了在先技术[3]存在的问题，一方面照相机兼具成像和记录的功能，另一方面照相机阵列相对于微透镜阵列而言更灵活，更方便，成像记录不受物体尺度大小的限制，还可以通过调整照相机之间的距离得到不同深度分辨率的物体的分层图像。

附图说明

图1是本发明实施例照相机阵列对物体拍照示意图；

图2是与图1照相机阵列相对应的编码矩阵；

图3是编码矩阵的自相关函数；

图4是实施例中被拍照的物体；

图5是基元图像合成原理示意图；

图6是将基元图像合成得到的编码图像；

图7是物体第一层的解码图像；

图8是物体第二层的解码图像

具体实施方式

下面通过实施例对本发明作进一步说明，但不应以此限制本发明的保护范围。

先请参阅图1、图2、图3，本发明的三维成像方法，包括下列步骤：

①在被拍摄的物体4的前方一个平面3上离散地设置由多台照相机构成的照相机阵列3n，该照相机阵列3n用一个包含a×b个矩阵元的，其矩阵元的值为1或0的二值矩阵C(x_i，y_j)i＝1，2...a；j＝1，2...b来表示，C(x_i，y_j)＝1对应于在(x_i，y_j)位置有一台照相机，C(x_i，y_j)＝0对应于在(x_i，y_j)位置没有照相机，相邻的两个矩阵元之间距离为d，这个矩阵称为编码矩阵，该编码矩阵的自相关函数近似一个理想的δ函数，该自相关函数的的主峰值为矩阵中1的数量，即照相机的数量n，旁瓣最大值为1；

②用所述的照相机阵列3n对物体4进行拍摄，物体表示为 $\underset{k}{\mathrm{\Σ}}O(x,y,z_k),k=\mathrm{1,2}\·\·\·,$ 其中O(x，y，z_k)表示与照相机阵列距离为z_k的物体的某一层，求和符号表示物体是由连续的一系列的这样的层次构成的，位于照相机阵列中(x_i，y_j)位置的照相机对该物体拍照，拍摄得到的物体图像表示为： $\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j),k=\mathrm{1,2}\·\·\·;$ 其中f是照相机的焦距， $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体的某一层被照相机拍摄得到的缩小

倍的图像，负号表示成倒立反转的像，每台照相机都拍摄得到一幅物体的这样的基元图像；

③将照相机阵列3n所拍摄的物体4的基元图像在计算机中合成得到编码图像5：首先生成一幅空白图像，将该图像分成与编码矩阵相同的a×b个子区域，每个子区域的大小与基元图像的大小相同，这样空白图像的每个子区域就与所述的编码矩阵的一个矩阵元相对应，如①所述矩阵元等于1表示有一台照相机，将这台照相机拍摄的基元图像填充到与之相对应的子区域中，按顺序将所有照相机拍摄的基元图像填充到与之相对应的子区域中，最后调整子区域之间的距离：设物体横向尺度大小为l，照相机阵列中矩阵元之间的距离的d，基元图像的大小为l_e，调整图像相邻的两个子区域之间的距离为 ，调整完成后所得到的图像就是合成的编码图像，该编码图像的数学表达式为：

$I(x,y)=\underset{i}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j),i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b;k=\mathrm{1,2}\·\·\·$

式中： $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体层被位于(x_i，y_j)的照相机拍照得到的倒立反转缩小 倍的图像， $C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示与该物体层相对应的被放大了 倍的编码矩阵，二者的相关 $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ ，表示该物体层的图像在编码图像中的分布，将所有的物体层的图像在编码图像中的分布迭加起来就是整个物体的编码图像；

④应用计算机解码方法，分层再现物体的图像，计算机解码的具体操作方法如下：为了从编码图像中解码再现与照相机阵列距离为zm的物体层的图像，用计算机生成一个与对应于该物体层的编码矩阵完全相同的解码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$ ，然后用该矩阵与编码图像作相关运算，计算结果就是该物体层的解码图像；

⑤重复如④所述的操作，调整解码矩阵的放大率使其与物体其他的层次相对应，依次解码得到物体所有层次的解码图像。

下面结合实施例对本发明方法各主要步骤的原理说明如下：

本发明所述的三维成像方法的第一步是采用空间位置编码的多台照相机阵列3n对物体4拍照。如图1所示，4为要拍摄的物体，需要说明的是，在本发明中，将三维物体4看作是由与照相机阵列3n距离不同的一系列物体层41，42，...，4i，...迭加而成的，以这种方式理解物体有助于更清楚的说明本发明所述的方法的基本原理。3代表编码照相机阵列，31，32，...表示照相机阵列中的照相机。该照相机阵列3n可以用图2所示的包含7×8个矩阵元的二值矩阵(矩阵元的值为1或0的矩阵)C(x_i，y_j)i＝1，2...7；j＝1，2...8来表示，C(x_i，y_j)＝1，对应于在(x_i，y_j)位置有一台照相机，C(x_i，y_j)＝0，对应于在该位置(x_i，y_j)没有照相机，相邻的两个矩阵元之间距离为d，这个矩阵称为编码矩阵。这个编码矩阵所要求满足的条件是：它的自相关函数近似一个理想的δ函数，图3是这个编码矩阵的自相关函数，从图3可以看出，自相关函数的主峰值为9，就是矩阵中1的数量(对于图1、2所示的情况也就是照相机的数量)，旁瓣最大值为1，近似于一个理想的δ函数。图4是实际的物体模型，该模型包括两层，分别是数字“1”和“2”，两个物体层不互相遮挡，相距10厘米。拍摄时使照相机阵列3n正对被拍摄物体4，确保物体4能够出现在照相机阵列3n中每台照相机的视场中，照相机阵列中的每台照相机都拍摄得到一张物体的图像，称作基元图像。位于照相机阵列中(x_i，y_j)位置的照相机对该物体拍照，拍摄得到的物体图像表示为： $\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j),k=\mathrm{1,2}\·\·\·;$ 其中f是照相机的焦距， $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体的某一层被照相机拍摄得到的缩小 倍的图像，负号表示成倒立反转的像。

本发明的第二个步骤是将第一步拍摄得到的基元图像，在计算机中合成为一幅编码图像。为了更清楚的说明合成原理，将图1简化为更简单但足以说明问题的图5，如图5所示，照相机阵列3n被简化为点阵列6，点61，62表示照相机阵列中两个相邻的矩阵元，他们之间的距离为d，5为编码图像所在平面，编码图像平面5与点阵列平面6之间相距为f，f为照相机的焦距。51是照相机61拍摄的物体4的基元图像，52是照相机62拍摄的物体4的基元图像。如果62位置不存在一台照相机，那么在编码图像52位置将不会有基元图像存在。根据几何关系可以求出两幅基元图像51和52间的距离为

，其中d为照相机阵列中矩阵元之间的距离，l为物体横向尺度大小，l_e为基元图像的大小。按照上述说明的关系可以将基元图像在计算机中合成为编码图像，具体操作方法如下：首先生成一幅空白图像，将该空白图像分成与编码矩阵相同的7×8个子区域，每个子区域的大小与基元图像的大小相同。这样空白图像的每个子区域就与编码矩阵的每一个矩阵元对应。将照相机拍摄的基元图像依次填充到与之相对应的子区域中。最后调整子区域之间的距离为

调整完成后所得到的图像就是合成的编码图像。该编码图像的数学表达式为：

$I(x,y)=\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j),i=\mathrm{1,2}\·\·\·a,j=\mathrm{1,2}\·\·\·b;k=\mathrm{1,2}\·\·\·---\left(1\right)$

编码图像的数学表述看起来比较复杂，它仍是建立在对物体的分层理解的基础上。式中： $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体层被位于(x_i，y_j)的照相机拍照得到的倒立反转缩小 倍的图像， $C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示与该物体层相对应的被放大了

倍的编码矩阵，二者的相关 $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示该物体层的图像在编码图像中的分布，将所有的物体层的图像在编码图像中的分布迭加起来就是整个物体的编码图像。图6是本实施例所拍摄的基元图像合成得到的编码图像。

本发明的第三步是应用计算机解码方法，分层再现物体的图像。从公式1及步骤2的叙述中可以看出，每一个物体层的图像都与一定放大率的编码矩阵相对应。比如与照相机阵列距离为z_m的物体层被照相机拍摄得到的倒立反转的缩小 倍的图像与被放大 倍的编码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$ 相对应。这种对应关系为从编码图像中解码再现出某一物体层的图像提供了可能性。计算机解码的具体操作方法如下：为了从编码图像中解码再现与照相机阵列距离为z_m的物体层的图像，用计算机生成一个与对应于该物体层的编码矩阵完全相同的解码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$ ，然后用该矩阵与编码图像作相关运算，计算结果就是该物体层的解码图像：

$R_m(x,y)=I(x,y)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$=\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$k=\mathrm{1,2}\·\·\·m\·\·\·;i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$+\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)*C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j)$

$k=\mathrm{1,2}\·\·\·m-1,m+1\·\·\·;i=\mathrm{1,2}\·\·\·a;j=\mathrm{1,2}\·\·\·b$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)*\stackrel{\‾}{\mathrm{\δ}}(x,y)+N(x,y)$

$=O(-\frac{z_m}{f}x,-\frac{z_m}{f}y)+N(x,y)$

从上面公式可以看出，解码矩阵与z_m物体层相对应，它同样与z_m物体层相对应的编码矩阵完全相同(分布形式相同，发大率相同)，他们之间的相关运算就相当于与z_m物体层相对应的编码矩阵的自相关，如前所述我们选择的编码矩阵所需满足的条件就是它的自相关函数近似理想的δ函数(在上式中用 δ表示近似理想函数)，δ函数的性质决定它与其他函数相关(或卷积)的结果是函数本身，因此z_m层的物体图像得以从编码图像中再现出来。而其他物体层，因为与他们相对应的编码矩阵的放大率与解码矩阵的放大率不一致，它们之间的相关结果不是一个δ函数，因此那些层次不能从编码图像中再现出来而成为背景噪声，在上式中用N(x，y)表示这些噪声。重复上述操作，调整解码矩阵的放大率使其与物体其他的层次相对应，依次解码得到物体所有层次的解码图像。图7和图8是本实施例对编码图像解码得到的两个物体层的解码图像。

本发明与在先技术相比：在先技术[1]是一种相干记录方法，应用这种方法记录需要好的相干光源，并要保证在记录过程中物体没有大于1/4波长以上的抖动，否则相干条件将被破坏导致记录失败。相干光源的使用以及苛刻的记录条件限制了这种技术在实际中的应用，目前这种成像方法仍被作为一种实验室研究方法使用。在先技术[2]产生的主要原因是：x射线、γ射线等不可见光由于量子能量较高，适用于可见光的各种成像方法和成像器件不适用于x射线、γ射线的成像，因此采用小孔成像的方法对其成像。反过来，因为衍射的原因小孔成像的方法对于可见光不再适用，因此这种成像方法也没有在更广泛的领域得到应用。在先技术[3]采用微透镜阵列代替了在先技术[2]所应用的小孔阵列，透镜是可见光成像的主要工具，因此这一技术得以应用于可见光成像，但是这种微透镜阵列仍然只是一个成像装置而不能同时具备成像记录的功能，因此还需要在微透镜阵列后附加照相机或摄像机在透镜的成像面上记录图像。微透镜的视场与后置照相机或摄像机的视场匹配问题限制了这一方法对大尺度物体的成像记录。

本发明的具体实施例是采用9部Canon PowerShot G2数码照相机，按照图2所示的编码矩阵构成照相机阵列，相邻的矩阵元之间相距10厘米。仍然用如图4所示的物体作为被拍摄物体，物体由包含数字“1”和“2”的两层构成，两层之间不互相遮挡，距离为10厘米。照相机阵列正对被拍摄物体，距离物体数字“1”所在的一层150厘米。由9部照相机拍摄的基元图像采用本文所述的合成方法得到的编码图像如图6所示。采用本文所介绍的计算机解码算法解码得到的两层的图像如图7，8所示，图7是第一层也就是数字1的解码图像，图8是第二层也就是数字2的解码图像。

Claims (5)

1、一种三维成像方法，其特征在于该方法包括下列步骤：

①在被拍摄的物体(4)的前方一个平面(3)上离散地设置由多台照相机构成的照相机阵列(3n)，该照相机阵列(3n)用一个包含a×b个矩阵元的，其矩阵元的值为1或0的二值矩阵C(x_i，y_j)i＝1，2…a；j＝1，2…b来表示，C(x_i，y_j)＝1对应于在(x_i，y_j)位置有一台照相机，C(x_i，y_j)＝0对应于在(x_i，y_j)位置没有照相机，相邻的两个矩阵元之间距离为d，这个矩阵称为编码矩阵，该编码矩阵的自相关函数近似一个理想的δ函数，该自相关函数的的主峰值为矩阵中1的数量，即照相机的数量n，旁瓣最大值为1；

②用所述的照相机阵列(3n)对物体(4)进行拍摄，物体表示为 $\underset{k}{\mathrm{\Σ}}O(x,y,z_k)---k=\mathrm{1,2}\·\·\·,$ 其中O(x，y，z_k)表示与照相机阵列距离为z_k的物体的某一层，求和符号表示物体是由连续的一系列的这样的层次构成的，位于照相机阵列中(x_i，y_j)位置的照相机对该物体拍照，拍摄得到的物体图像表示为： $\underset{k}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)---k=\mathrm{1,2}\·\·\·;$ 其中f是照相机的焦距， $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体的某一层被照相机拍摄得到的缩小

倍的图像，负号表示成倒立反转的像，每台照相机都拍摄得到一幅物体的这样的基元图像；

③将照相机阵列(3n)所拍摄的物体(4)的基元图像在计算机中合成得到编码图像(5)：首先生成一幅空白图像，将该图像分成与编码矩阵相同的a×b个子区域，每个子区域的大小与基元图像的大小相同，这样空白图像的每个子区域就与所述的编码矩阵的一个矩阵元相对应，如①所述矩阵元等于1表示有一台照相机，将这台照相机拍摄的基元图像填充到与之相对应的子区域中，按顺序将所有照相机拍摄的基元图像填充到与之相对应的子区域中，最后调整子区域之间的距离：设物体横向尺度大小为l，照相机阵列中矩阵元之间的距离的d，基元图像的大小为l_e，调整图像相邻的两个子区域之间的距离为

调整完成后所得到的图像就是合成的编码图像，该编码图像的数学表达式为：

$I(x,y)=\underset{i}{\mathrm{\Σ}}O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)---i=\mathrm{1,2}\·\·\·a,j=\mathrm{1,2}\·\·\·b;k=\mathrm{1,2}\·\·\·$

式中： $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)$ 表示与照相机阵列距离为z_k的物体层被位于(x_i，y_j)的照相机拍照得到的倒立反转缩小

倍的图像， $C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j)$ 表示与该物体层相对应的被放大了 倍的编码矩阵，二者的相关 $O(-\frac{z_k}{f}{x}_i,-\frac{z_k}{f}{y}_j)*C(\frac{z_k}{z_k+f}{x}_i,\frac{z_k}{z_k+f}{y}_j),$ 表示该物体层的图像在编码图像中的分布，将所有的物体层的图像在编码图像中的分布迭加起来就是整个物体的编码图像；

④应用计算机解码方法，分层再现物体的图像，计算机解码的具体操作方法如下：为了从编码图像中解码再现与照相机阵列距离为zm的物体层的图像，用计算机生成一个与对应于该物体层的编码矩阵完全相同的解码矩阵 $C(\frac{z_m}{z_m+f}{x}_i,\frac{z_m}{z_m+f}{y}_j),$ 然后用该矩阵与编码图像作相关运算，计算结果就是该物体层的解码图像；

⑤重复如④所述的操作，调整解码矩阵的放大率使其与物体其他的层次相对应，依次解码得到物体所有层次的解码图像。

2、根据权利要求1所述的三维成像方法，其特征在于所述的照相机是数码相机或者普通光学照相机。

3、根据权利要求2所述的三维成像方法，其特征在于用数码相机拍摄的基元图像为基元数字图像，这些基元数字图像在计算机中被合成为编码图像。

4、根据权利要求2所述的三维成像方法，其特征在于用普通光学照相机拍摄的照片需要转化为基元数字图像，这些基元数字图像在计算机中合成为编码图像。

5、根据权利要求3、4所述的三维成像方法，其特征在于所述的基元数字图像大小相同。

Images