TW201407535A - 自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有0(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果 - Google Patents

自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有0(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果 Download PDF

Info

Publication number
TW201407535A
TW201407535A TW102111882A TW102111882A TW201407535A TW 201407535 A TW201407535 A TW 201407535A TW 102111882 A TW102111882 A TW 102111882A TW 102111882 A TW102111882 A TW 102111882A TW 201407535 A TW201407535 A TW 201407535A
Authority
TW
Taiwan
Prior art keywords
histogram
value
dimensional
processor
image
Prior art date
Application number
TW102111882A
Other languages
English (en)
Inventor
Dennis Adams
Nikolaos Georgis
Original Assignee
Sony Corp
Sony Corp America
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 Sony Corp, Sony Corp America filed Critical Sony Corp
Publication of TW201407535A publication Critical patent/TW201407535A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

彼此同時地及平行地決定一維(1D)直方圖，一直方圖針對影像的一列，以達成O(1)時間複雜度，然後將彼等相加以決定二維(2D)直方圖，可與僅受估算恰相反地自該二維直方圖精確地決定期望特徵值，諸如，中間值、最小值、及最大值。可將該特徵值應用至該影像，以降低該影像中的雜訊或達成藝術效果。

Description

自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有O(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果
本申請案通常相關於從多重平行處理一維直方圖導出多維直方圖以發覺直方圖特性，諸如，用於在視頻處理中雜訊降低及藝術效果的中間值。
為降低數位影像中的雜訊，及/或招致對影像的藝術改變，使用以中間值取代像素值的過濾技術。中間值典型地係從影像的直方圖導出。直方圖代表特定像素值出現在關注影像(或稱為「窗」的影像子集)中的頻率。典型地使用小窗以降低雜訊影響，然而使用較大的窗以實作藝術效果。
無論如何，即使當有利地使用直方圖時，計算每個窗的中間值可花費可觀的計算工作及時間。不意外地，已採用包括Perreault等人在「使用常數時間的中間值濾 波」，IEEE Transactions on Image Processing，第2389-2394頁(2007)中的降低計算複雜度的方法。Perreault將二維直方圖計算分解為一維行計算以實現O(1)複雜度，但如本文所理解的，Perreault中的計算係循序的，延長處理時間。
因此，可能實作在照相機中的電腦包括處理器，及可為該處理器存取並承載可由該處理器執行以導致該處理器接收影像並使用該影像中之個別列的像素值產生複數個一維直方圖之指令的電腦可讀儲存媒體。該等一維直方圖彼此平行地同時產生。該處理器使用該等一維直方圖產生二維直方圖，並決定該二維直方圖的特徵值。該處理器將該特徵值應用至該影像以改變該影像的至少一像素值。
在範例實施例中，該特徵值係中間值、或最大值、或最小值。在部分實作中，將呈現在該二維直方圖中的像素改變為個別中間值。該特徵值可使用一維直方圖之各箱成分的第一及第二評估決定。在一範例中，該第一評估包括決定基於像素值之和的工作和是否少於或等於針對箱成分的前置和值，且該第二評估包括決定針對箱成分的該前置和值及針對箱成分的直方圖值之間的差是否少於或等於該工作和。該特徵值係對二評估傳回「真」的值。該前置和可能藉由將該二維直方圖中的各直方圖箱加至該先前箱的和而決定，並注意可能與決定該等一維直方圖的步驟平行 且同時的將各個一維直方圖的前置和相加在一起。在範例實施例中，該二維直方圖係圓形或長圓形，並藉由加總該等一維直方圖的加權版本而產生。
在另一實施樣態中，一種方法包括彼此同時地及平行地決定之一維(1D)直方圖以實現O(1)時間複雜度，一直方圖針對影像的一列。該方法包括將該等1D直方圖加在一起以決定二維(2D)直方圖，並與僅受估算恰相反地從該2D直方圖精確的決定至少一期望特徵值。
在另一實施樣態中，一種成像配件，包括：成像器、從呈現至少一影像的該成像器接收訊號的處理器，及可為該處理器存取並承載指令的電腦可讀儲存媒體，當該等指令由該處理器執行時，導致該處理器基於該影像彼此同時地決定一維(1D)直方圖。該處理器從該等1D直方圖決定二維(2D)直方圖。
10‧‧‧照相機
12‧‧‧照相機外殼
14‧‧‧處理器
16‧‧‧實體電腦可讀儲存媒體
18‧‧‧廣域網路
20‧‧‧網路介面
22‧‧‧其他處理器/顯示系統
24‧‧‧成像器
26‧‧‧顯示器
28‧‧‧快門鍵
30‧‧‧照相機快門
42‧‧‧像素窗
44‧‧‧箱索引
46‧‧‧一系列1D直方圖
48、60‧‧‧2D直方圖
64‧‧‧前置和
68‧‧‧箱值的和
70‧‧‧箱元件的直方圖值
參考該等隨附圖式，可最佳地理解本發明之關於其結構及操作二者的細節，在圖式中，相似參考數字係指相似部分，且其中：圖1係根據本原理之非限制性範例系統的方塊圖；圖2係範例全體邏輯的流程圖；圖3係描繪1D直方圖計算及2D直方圖推導的概要圖；圖4係用於決定非矩形核心之範例邏輯的流程圖； 圖5係用於決定中間值的流程圖；且圖6及7係描繪圖5之步驟的概要圖。
先參考顯示在圖1中的非限制性範例實施例，照相機10包括照相機外殼12，諸如，輕量化手持外殼，具有存取實體電腦可讀儲存媒體16，諸如，磁碟為基或固態儲存器，的處理器14。較佳地，當使用處理器14執行以下邏輯時，處理器14係用於同時地，亦即，平行地決定多重一維(1D)直方圖的平行處理器。在範例實施例中，處理器14包括圖形處理單元(GPU)，諸如，由nVIDIA、AMD、或Intel製造並可能使用OpenCL或CUDA編程的圖形處理單元。在其他實施例中，處理器14藉由網路介面20，諸如，有線或無線數據機或無線電話收發器，透過廣域網路18，諸如，網際網路，與取代處理器14或與其協同地執行以下邏輯的一或多個其他處理器/顯示系統22通訊。
無論如何，照相機10包括成像器24，諸如，但未受限於電荷耦合元件(CCD)，且成像器24傳送訊號至呈現影像的處理器14。處理器14可能將此等影像呈現在顯示器26上。可能根據本技術中的已知原理使用快門鍵28，以控制照相機快門30將成像器24對來自外殼12外側的光曝光。在部分模式中，若有需要，快門鍵28可能由處理器14控制。
圖2顯示在區塊32開始的範例全體邏輯，以建立也稱為「核心」之直方圖窗的尺寸，且若有需要，建立其形狀。為了揭示圖形地描繪顯示於圖2中之邏輯原理的圖3，假設一矩形窗。然後，在區塊34，使用相關於直方圖窗的像素(在部分實施例中，針對該影像的各整列像素)，決定一維直方圖(1D)。由於該列直方圖僅代表單列像素，其係1D的。1D直方圖係有利地彼此同時地平行決定，而仍提供O(1)複雜度。
前進至區塊36，針對目前窗，將該等1D列加總以呈現2D直方圖。該加總係依行的，亦即，將各1D直方圖中的第一值加至其他1D直方圖中的第一值，將第二值加在一起等。
因為直方圖係針對各影像像素決定，在區塊38，該窗基於該窗的水平半徑，藉由加入新像素並移除先前像素而偏移，呈現新的1D直方圖。因此，若該窗向右偏移，將新像素加至最右側元件並將以前的最左側像素移除，然後決定直方圖。
須注意最初的直方值佔期望窗尺寸。因此，當直方圖逐像素地偏移時，得到針對新影像位置的更新直方圖，彼等反映與原始尺寸相同尺寸的直方圖。例如，針對中央在影像位置(20,20)之呈現40個像素直方圖的窗，假設開始四十個像素長的1-D直方圖。當該窗偏移一像素至新影像位置(21,20)，且更新1-D直方圖時，新直方圖在長度上再度係40個像素，雖然藉由將一像素從開始直方圖 的左側刪除並將一像素加至右側，使演算法執行速度與窗尺寸無關的此漸增法有利地更迅速地得到。
相似地，在區塊40，新的2D直方圖係藉由加入新的1D直方圖，移除舊的1D直方圖，並將殘留的1D直方圖加在一起而決定。當將新的1D直方圖加至1D直方圖之行的頂部時，移除最底部的1D直方圖。
圖3說明。將像素窗顯示於42，為簡化揭示，其假設各像素具有在0至7之間的值。將箱索引顯示於44，其以從左至右的升序列示可能的像素值。將一系列1D直方圖顯示於46，其中各值的頻率出現在針對窗42中之關聯像素列的箱索引中。因此，因為在窗42之頂列中僅有單一像素具有值0，將「1」輸入第一1D直方圖的第一欄位中，針對像素值「0」代表該箱。窗42之頂列中的二像素具有值1，所以將數值「2」輸入第一1D直方圖的第二欄位中，並依此類推。該1D直方圖因此代表各可能像素值出現在對應像素窗42列中的頻率。
一旦像素窗42的各列已具有根據上文決定的對應1D直方圖46，依行將該等1D直方圖加總，亦即，將所有1D直方圖的箱索引「0」加總、將所有1D直方圖的箱索引「1」加總，並依此類推，以呈現2D直方圖48。各種值可能如另於下文討論地從此2D直方圖得到，包括中間值、最大值、及最小值，然後可將此等值之一者用於置換關聯像素的實際值，以降低雜訊影響或實現藝術效果。
如上文提及的，該窗或核心不必係矩形的，但可替代 地係圓形、長圓形、或其他形狀。類圓形的形狀，諸如，高斯形狀，對雜訊校正而不導致邊緣假影的目的可能係更可取的。關於使用為範例之高斯形狀核心之推導的原理可在科學家和工程師的數位訊號處理指引手冊，Smith,California Technical Publishing 1999-2011中發現，以提及之方式併入本文中。通常，將該影像中之各像素的值設定成等於該影像之水平投影中的對應點乘以該影像之垂直投影中的對應點。
在區塊50開始，將該影像分割為垂直或水平投影或輪廓。此可能藉由產生任意水平及垂直投影，並發現對應於彼等的影像而完成。
移至區塊52，藉由將影像中的各列與水平投影卷積，產生中間影像而將該影像與可分隔濾波器核心卷積。又，將此中間影像的各行與垂直投影卷積。所產生的影像與原始影像及濾波器核心的直接卷積完全相同。若有需要，在區塊54，可將該影像卷積數次以近似高斯形式。
圖5顯示用於決定中間值的範例邏輯，且圖6及7描繪此邏輯並延伸其以導出最小值及最大值。在區塊56開始，基於上文討論的直方圖計算前置和，然後在區塊58，使用該前置和及直方圖計算中間值。
現在更具體地參考圖6，假設2D直方圖60已根據以上揭示導出。在62，將2D直方圖中的各直方圖箱加至先前箱的和，以產生指示於64的前置和。或者，可與決定1D直方圖平行且同時地將各1D直方圖的前置和加在一 起，避免區塊56的暫時分離步驟。
不論係以暫時分離步驟或係與導出1D直方圖平行地決定，將圖6中的前置和64使用在圖7中，以決定中間值，或最大值、或最小值，然後可將彼等應用至相關像素或像素等以降低影像中的雜訊或實現影像中的藝術效果。當決定中間值時，在68指示該等箱值的和，在此情形中，將64除以二以呈現工作和。當決定最小值時，將該等箱值的和設定成等於零(工作和=0)，且當決定最大值時，將該等箱值的和維持不變(工作和=該等箱值的和)。
假設已找到中間值，針對每個箱元件平行地估算二條件，亦即，工作和是否少於或等於該箱元件的前置和，及該箱元件的前置和值及該箱元件的直方圖值(指示於70)之間的差是否少於或等於工作和。僅有一箱元件將對二條件傳回「真」，且該箱元件係該尋求值，在圖7所示的情形中，係中間值。
以具有虛擬碼的下列解釋說明。
可能藉由將flOffset的值簡單地分別設定成0.0、0.5、及1.0而得到最小值、中間值、及最大值。若少於0.5(不係中間值或最大值)，則交換該相等性：
也可藉由將flOffset設定成高於值0.0、0.5、1.0或其他值而發現位於最小值、中間值、及最大值之間的其他函數。所以，例如，0.25的值產生在最小值及中間值之間的效果。
中間值中的該位移參數的範圍從0.0至0.1。
除了上文以外，現在提供用於產生及更新直方圖及前置和之範例非限制方法的解釋。假設8-位元直方圖的簡單範例，其中係256個箱。在一範例中，指定256個平行處理器以完成此工作以使該處理非常平行且非常有效率。
256個處理器的每一個僅負責一直方圖箱及一前置和箱：‧處理器P0負責更新直方圖及前置和的箱0。
‧處理器P1負責更新直方圖及前置和的箱1。
‧處理器P2負責更新直方圖及前置和的箱2。
...
‧處理器P255負責更新直方圖及前置和的箱255。
在此範例中，直方圖的產生及更新如下：‧所有256個平行處理器讀取新像素。
‧各處理器檢查此像素的值(灰階或彩色或不論該像素為何)，以看該值是否等於所指定的該箱。
‧根據定義，僅有一處理器會將該新像素的值匹配於其箱。
○此處理器必需將該箱增加一(1)。
‧對屬於該直方圖的所有像素重複。
前置和的產生及更新與直方圖相似，除了將大於目前像素的所有箱遞增，以維護累積直方圖：‧所有256個平行處理器讀取新像素。
‧各處理器檢查此像素的值(灰階或彩色或不論該像素為何)，以看該值是否等於或大於指定給其的箱。
‧滿足上述條件的處理器必需將彼等的箱遞增1。
‧對屬於該直方圖的所有像素重複。
以此方式，可能針對給定窗計算完整的直方圖。
雖然已詳細地顯示及描述具體之「自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有O(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果」，待理解由本發明包含的本主題內容僅受申請專利範圍限制。

Claims (20)

  1. 一種電腦，包含：處理器；電腦可讀儲存媒體，可對該處理器存取並承載指令，該等指令可由該處理器執行以導致該處理器：接收影像；使用該影像中之個別列的像素值產生複數個一維直方圖，該等一維直方圖彼此平行地同時產生；使用該等一維直方圖產生二維直方圖；決定該二維直方圖的至少一特徵值；且將該特徵值應用至該影像以改變該影像的至少一像素值。
  2. 如申請專利範圍第1項的電腦，其中該特徵值係中間值。
  3. 如申請專利範圍第1項的電腦，其中該特徵值係最大值。
  4. 如申請專利範圍第1項的電腦，其中該特徵值係最小值。
  5. 如申請專利範圍第2項的電腦，其中將呈現在該二維直方圖中的至少部分像素改變為個別中間值。
  6. 如申請專利範圍第1項的電腦，其中該特徵值係使用一維直方圖之各箱成分的至少第一及第二評估決定。
  7. 如申請專利範圍第6項的電腦，其中該第一評估包括決定基於像素值之和的工作和是否少於或等於針對箱 成分的前置和值，且該第二評估包括決定針對箱成分的該前置和值及針對箱成分的直方圖值之間的差是否少於或等於該工作和。
  8. 如申請專利範圍第7項的電腦，其中該特徵值係對二評估傳回「真」的值。
  9. 如申請專利範圍第7項的電腦，其中該前置和係藉由將該二維直方圖中的各直方圖箱加至該先前箱的和而決定。
  10. 如申請專利範圍第9項的電腦，其中與決定該等一維直方圖的步驟平行且同時的將各個一維直方圖的前置和相加在一起。
  11. 如申請專利範圍第1項的電腦，其中該二維直方圖係圓形或長圓形，並藉由加總該等一維直方圖的加權版本而產生。
  12. 如申請專利範圍第1項的電腦，其中將該處理器具現在照相機中。
  13. 一種方法，包含：彼此同時地及平行地決定之一維(1D)直方圖以實現O(1)時間複雜度，一直方圖針對影像的一列；將該等1D直方圖加在一起以決定二維(2D)直方圖；且與僅受估算恰相反地從該2D直方圖精確地決定至少一期望特徵值。
  14. 如申請專利範圍第13項的方法，包含將該特徵 值應用至該影像，以降低該影像中的雜訊或實現藝術效果。
  15. 如申請專利範圍第13項的方法，其中該特徵值係中間值。
  16. 如申請專利範圍第13項的方法，其中該特徵值係最小值。
  17. 如申請專利範圍第13項的方法，其中該特徵值係最大值。
  18. 一種成像配件，包含：成像器；處理器，從呈現至少一影像的該成像器接收訊號；電腦可讀儲存媒體，可為該處理器存取並承載指令，當該等指令由該處理器執行時導致該處理器：基於該影像彼此同時地決定一維(1D)直方圖；且從該等1D直方圖決定二維(2D)直方圖。
  19. 如申請專利範圍第18項的成像配件，其中該處理器：從該2D直方圖決定至少一期望特徵值；且將該特徵值應用至該影像。
  20. 如申請專利範圍第19項的成像配件，其中該特徵值係使用一維直方圖之各箱成分的至少第一及第二評估決定，其中該第一評估包括決定基於像素值之和的工作和是否少於或等於針對箱成分的前置和值，且該第二評估包括決定針對箱成分的該前置和值及針對箱成分的直方圖值 之間的差是否少於或等於該工作和。
TW102111882A 2012-04-26 2013-04-02 自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有0(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果 TW201407535A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201261638783P 2012-04-26 2012-04-26
US13/481,893 US8792713B2 (en) 2012-04-26 2012-05-28 Deriving multidimensional histogram from multiple parallel-processed one-dimensional histograms to find histogram characteristics exactly with O(1) complexity for noise reduction and artistic effects in video

Publications (1)

Publication Number Publication Date
TW201407535A true TW201407535A (zh) 2014-02-16

Family

ID=49477339

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102111882A TW201407535A (zh) 2012-04-26 2013-04-02 自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有0(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果

Country Status (4)

Country Link
US (1) US8792713B2 (zh)
EP (1) EP2828828B1 (zh)
TW (1) TW201407535A (zh)
WO (1) WO2013162846A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI650733B (zh) * 2017-12-01 2019-02-11 台達電子工業股份有限公司 電子元件組裝系統和方法
CN109874235A (zh) * 2017-12-01 2019-06-11 台达电子工业股份有限公司 电子元件组装系统和方法
US11338441B2 (en) 2017-12-01 2022-05-24 Delta Electronics, Inc. Calibration system for robot tool and calibration method for the same

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10755386B2 (en) * 2016-06-30 2020-08-25 Intel Corporation Median filtering of images using directed search
CN107330083B (zh) * 2017-07-03 2020-06-16 贵州大学 等宽直方图并行构建方法
CN117459727B (zh) * 2023-12-22 2024-05-03 浙江省北大信息技术高等研究院 一种图像处理方法、装置、系统、电子设备及存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5581632A (en) * 1994-05-02 1996-12-03 Cognex Corporation Method and apparatus for ball bond inspection system
US7181047B2 (en) * 1996-07-26 2007-02-20 Patrick Pirim Methods and apparatus for identifying and localizing an area of relative movement in a scene
US7010163B1 (en) * 2001-04-20 2006-03-07 Shell & Slate Software Method and apparatus for processing image data
US7031543B2 (en) * 2002-01-02 2006-04-18 Xerox Corporation Grayscale image de-speckle algorithm
US7889922B2 (en) 2005-11-14 2011-02-15 Siemens Medical Solutions Usa, Inc. Method and system for histogram calculation using a graphics processing unit
US7822288B2 (en) * 2006-01-25 2010-10-26 Shell & Slate Software Corporation Method and system for improved processing of image data
US7920741B2 (en) 2007-05-31 2011-04-05 Adobe Systems Incorporated System and method for image processing using integral histogram convolution
US7889923B1 (en) * 2007-05-31 2011-02-15 Adobe Systems Incorporated System and method for sparse histogram merging
US8290882B2 (en) * 2008-10-09 2012-10-16 Microsoft Corporation Evaluating decision trees on a GPU
JP5254893B2 (ja) * 2009-06-26 2013-08-07 キヤノン株式会社 画像変換方法及び装置並びにパターン識別方法及び装置
JP5147903B2 (ja) * 2010-07-12 2013-02-20 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP5238767B2 (ja) * 2010-07-26 2013-07-17 株式会社東芝 視差画像生成方法及び装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI650733B (zh) * 2017-12-01 2019-02-11 台達電子工業股份有限公司 電子元件組裝系統和方法
CN109874235A (zh) * 2017-12-01 2019-06-11 台达电子工业股份有限公司 电子元件组装系统和方法
US10709048B2 (en) 2017-12-01 2020-07-07 Delta Electronics, Inc. System and method for assembling electronic components
US11338441B2 (en) 2017-12-01 2022-05-24 Delta Electronics, Inc. Calibration system for robot tool and calibration method for the same

Also Published As

Publication number Publication date
EP2828828B1 (en) 2018-08-01
US20130287298A1 (en) 2013-10-31
EP2828828A4 (en) 2016-05-18
WO2013162846A1 (en) 2013-10-31
US8792713B2 (en) 2014-07-29
EP2828828A1 (en) 2015-01-28

Similar Documents

Publication Publication Date Title
EP3673461B1 (en) Systems and methods for hybrid depth regularization
JP6261489B2 (ja) ３次元点群から平面を抽出する、方法、画像処理装置およびプログラムを記憶した非一次的なコンピュータ可読媒体
Xiao et al. Fast image dehazing using guided joint bilateral filter
JP6142611B2 (ja) ステレオマッチングのための方法及びステレオマッチングのためのシステム
TW201407535A (zh) 自多重平行處理一維直方圖導出多維直方圖以精確的發覺具有0(1)複雜度的直方圖特性以用於在視頻中雜訊降低及藝術效果
US9613293B2 (en) Method and apparatus for converting depth image in high resolution
EP2811457B1 (en) Image processing method and apparatus
CN111209770A (zh) 一种车道线识别方法及装置
US9569853B2 (en) Processing of light fields by transforming to scale and depth space
US20220327670A1 (en) Signal processing apparatus and method using local length scales for deblurring
EP3675040A1 (en) Apparatus and method for identifying an articulatable part of a physical object using multiple 3d point clouds
CN111739071B (zh) 基于初始值的快速迭代配准方法、介质、终端和装置
WO2018039936A1 (en) Fast uv atlas generation and texture mapping
KR20220017697A (ko) 복수의 센서간 캘리브레이션 방법 및 장치
KR100691855B1 (ko) 영상정보의 특징 추출장치 및 그 방법
CN114519681A (zh) 自动标定方法及装置、计算机可读存储介质、终端
CN114387392A (zh) 一种根据人影重建三维人体姿态的方法
KR102223484B1 (ko) 식생을 제거한 절토사면의 3차원 모델 생성 시스템 및 3차원 모델 생성 방법
JP6754717B2 (ja) 物体候補領域推定装置、物体候補領域推定方法、及び物体候補領域推定プログラム
Mukherjee et al. A hybrid algorithm for disparity calculation from sparse disparity estimates based on stereo vision
Buades et al. Motion-compensated spatio-temporal filtering for multi-image and multimodal super-resolution
WO2019045714A1 (en) METHODS, DEVICES AND COMPUTER PROGRAM PRODUCTS FOR MESH GENERATION IN BUILD 3D IMAGES
RU2580466C1 (ru) Устройство восстановления карты глубины сцены
CN112465984A (zh) 一种基于双层过滤的单目相机序列图像三维重构方法
CN111369611B (zh) 图像像素深度值优化方法及其装置、设备和存储介质