TW202320020A - 紋理影像產生方法及裝置 - Google Patents
紋理影像產生方法及裝置 Download PDFInfo
- Publication number
- TW202320020A TW202320020A TW111125528A TW111125528A TW202320020A TW 202320020 A TW202320020 A TW 202320020A TW 111125528 A TW111125528 A TW 111125528A TW 111125528 A TW111125528 A TW 111125528A TW 202320020 A TW202320020 A TW 202320020A
- Authority
- TW
- Taiwan
- Prior art keywords
- information
- texture image
- area
- generating
- basic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004458 analytical method Methods 0.000 claims description 49
- 239000004744 fabric Substances 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 29
- 239000000470 constituent Substances 0.000 description 20
- 238000000605 extraction Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 235000019557 luminance Nutrition 0.000 description 4
- 238000001308 synthesis method Methods 0.000 description 4
- 239000012491 analyte Substances 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
Abstract
根據一實施例,產生虛擬織物之紋理影像之方法可以包含以下步驟:產生被包含在分析物件區域中之基本紙樣與分割該分析物件區域之多個子區域之間的各相似度資訊;基於該相似度資訊產生該基本紙樣之重複數資訊及該基本紙樣之重複方向資訊中之至少一者;以及基於該基本紙樣、該重複數資訊及該重複方向資訊,在預定區域中排列多個基本紙樣,從而產生虛擬織物之紋理影像。
Description
以下實施例係關於一種紋理影像產生方法及裝置。
藉由編織方法製造之織物可以具有規則之紙樣。通常,紙樣提取方法可以係基於人之視覺直覺之提取方法。並且可以藉由合成所提取之紙樣來產生紋理。為了在虛擬模擬中使用實際織物,可能需要以紋理(texture)之形式來製造織物。然而,可能需要重複執行許多操作才能產生紋理。因此,對各種實際織物進行虛擬模擬可能需要大量的時間及人力資源。
用於服裝模擬之虛擬織物(virtual fabric)可以由用於表達實體特性之部分(例如,網格(mesh))及用於表達視覺特性之部分組成。通常,表達視覺特性之部分可以係紋理(texture)。紋理可以由用於表示織物顏色之部分及表示不均勻性之法線貼圖(normal map)組成。
解決問題之技術方法
根據一實施例,產生虛擬織物之紋理影像之方法可以包含以下步驟:產生被包含在分析物件區域中之基本紙樣與分割分析物件區域之多個子區域之間的各相似度資訊;基於相似度資訊產生基本紙樣之重複數資訊及基本紙樣之重複方向資訊中之至少一者;以及基於基本紙樣、重複數資訊及重複方向資訊,在預定區域中排列多個基本紙樣,從而產生虛擬織物之紋理影像。
根據一實施例,分析物件區域可以包含基於由使用者輸入在包含織物(fabric)之輸入影像中判定之選定區域所判定的區域。
根據一實施例,亦可以包含以下步驟:基於紙樣校正資訊、重疊區域資訊及亮度校正資訊中之至少一者來校正紋理影像。
根據一實施例,選定區域可以包含基於使用者在輸入影像中輸入之資訊所判定的區域。
根據一實施例,選定區域可以包含在紋理影像中包含作為重複物件之基本紙樣之區域。
根據一實施例,輸入影像包含彩色影像及正常影像中之至少一者,並且相似度資訊可以基於以下中之至少一者來判定:彩色影像中之基本紙樣與作為選定區域之至少一部分之多個子區域之間的各第一相似度資訊;以及正常影像中之基本紙樣與作為選定區域之至少一部分之多個子區域之間的各第二相似度資訊。
根據一實施例,相似度資訊可以基於第一相似度資訊及第二相似度資訊之加權和來判定。
根據一實施例,重複數資訊可以包含關於分析物件區域中與基本紙樣之相似度為預定標準以上之子區域的數量有關之資訊。
根據一實施例,重複方向資訊可以包含方向相關資訊,該方向基於在分析物件區域中與基本紙樣之相似度為預定標準以上之子區域的分佈方向來判定。
根據一實施例,重複方向資訊可以包含:第一方向,其基於基本紙樣之位置,分佈與基本紙樣之相似度為預定標準以上之子區域;以及第二方向,其基於基本紙樣之位置,分佈與基本紙樣之相似度為預定標準以上之子區域。
根據一實施例,產生紋理影像之步驟可以包含以下步驟:判定基本紙樣之位置;基於基本紙樣之位置及重複方向資訊來判定第一方向及第二方向;基於重複數資訊及重複方向資訊,計算沿第一方向分佈之多個子區域之第一重複數及沿第二方向分佈之多個子區域之第二重複數;以及基於第一方向、第二方向、第一重複數及第二重複數來重複排列基本紙樣,從而產生紋理影像。
根據一實施例,產生重複數資訊及重複方向資訊中之至少一者之步驟,可以包含以下步驟:模糊處理相似度資訊以消除雜訊;基於模糊處理之相似度資訊,僅提取相似度為臨限值以上之區域;使用快速傅立葉變換來變換僅提取臨限值以上之區域之相似度資訊;以及基於變換之相似度資訊來獲取重複數資訊及重複方向資訊中之至少一者。
根據一實施例,基於紙樣校正資訊來校正紋理影像之步驟,可以包含以下步驟:將第一方向與第二方向之間的角度轉換為垂直;基於第一方向及第二方向來對準配置在產生之紋理影像中之多個基本紙樣;當沿第一方向之第一基準線為曲線時,校正第一基準線為直線,以使第一基準線相對於第二方向垂直;以及當沿第二方向之第二基準線為曲線時,校正第二基準線為直線,以使第二基準線相對於第一方向垂直。
根據一實施例,基於該重疊區域資訊來校正該紋理影像之步驟,可以包含以下步驟:將紋理影像分割為多個補丁;重新排列該多個補丁;在重新排列之多個補丁相互接觸之區域中判斷是否存在紙樣不連續區域;基於紙樣不連續區域之存在與否,判定多個補丁之重疊區域;以及基於重疊區域來重疊多個補丁。
根據一實施例,亦可以包含以下步驟:使用多頻段融合方法來平滑多個補丁。
根據一實施例,基於亮度校正資訊來校正紋理影像之步驟,可以包含以下步驟:基於亮度校正資訊來校正多個基本紙樣之亮度,以解決紋理影像中包含之多個基本紙樣之間的亮度不一致。
根據一實施例,產生虛擬織物之紋理影像之方法亦可以包含以下步驟:將在3D化身上穿戴根據紋理影像產生之3D服裝之模擬結果輸出至螢幕。
根據一實施例,產生虛擬織物之紋理影像之方法亦可以包含以下步驟:接收與控制紋理影像之尺寸有關之使用者輸入;以及根據對紋理影像之尺寸控制輸入,控制3D服裝上表示之紋理影像之尺寸。
根據另一實施例之電子裝置可以包含處理器,其中該處理器經組態以:產生被包含在分析物件區域中之基本紙樣與分割所分析物件區域之多個子區域之間的各相似度資訊;基於相似度資訊產生基本紙樣之重複數資訊及基本紙樣之重複方向資訊中之至少一者;以及基於基本紙樣、重複數資訊及重複方向資訊,在預定區域中排列多個基本紙樣,從而產生虛擬織物之紋理影像。
本說明書中所揭示之具體結構或功能描述僅用於說明根據技術概念之實施例之目的,並且實施例可以以各種其他形式實施,並且實施例並不限於本文所述之實施例。
第一或第二等術語能夠用於說明多種構成要素,然而,此等術語僅用於將一個構成要素區別於其他構成要素。例如,第一構成要素能夠命名為第二構成要素,類似地,第二構成要素同樣能夠命名為第一構成要素。
當說明一構成要素「連接」或「耦接」至另一構成要素時,能夠係直接連接或附加至該另一構成要素,然而,亦能夠理解為在它們之間存在其他構成要素。相反地,當說明一構成要素「直接連接」或「直接耦接」至另一構成要素時,可以理解為在它們之間不存在其他構成要素。描述構成要素之間關係之表達方式,例如「之間」、「直接之間」或「相鄰」、「直接相鄰」等,應將其解釋為相似。
在內容中沒有特別說明之情況下,單數表達包含複數含義。在本說明書中,「包含」或者「具有」等術語用於表達存在說明書中所記載之特徵、數字、步驟、操作、構成要素、配件或其組合,並不排除亦具有一個或更多個之其他特徵、數字、步驟、操作、構成要素、配件或其組合,或者附加功能。
在沒有其他定義之情況下,包含技術或者科學術語在內之在此使用之全部術語,都具有一般熟習此項技術者所理解之通常之含義。通常使用之與詞典定義相同之術語,應理解為與相關技術之通常之內容相一致之含義,在本申請案中沒有明確言及之情況下,不能過度理想化或解釋為形式上之含義。
下面,參照附圖對實施例進行詳細說明。各附圖中相同之附圖標記表示相同之構成要素。
圖1為展示根據一實施例的產生紋理影像之方法之附圖。
本發明可以包含在將實際織物轉換為虛擬織物之過程中將實際織物之視覺特性真實有效地反映至虛擬織物中之方法。
為了在虛擬織物中反映實際織物之視覺特性,只能藉由VIZOO等特殊掃描儀獲得精確之紋理影像。由於尺寸、成本等問題,此類設備可能難以商業化。此外,用於掃描之實際織物之尺寸亦可能很大。(例如,1碼(YARD)以上)。
然而,根據本發明,可以使用小型裝置來掃描實際織物。此外,亦可以使用尺寸相對較小之實際織物之掃描影像來產生接近真實之虛擬織物。
下面,將詳細描述產生虛擬織物之紋理影像之方法。
根據一實施例之處理器1210可以分析並提取在織物之掃描影像中重複顯示之紙樣。根據一實施例之處理器1210可以合成所提取之紙樣以產生紋理影像,並校正產生之紋理影像。由此,處理器1210可以產生反映織物之視覺特性之紋理影像。下面,將詳細描述產生並校正紋理影像之方法。
圖1展示了輸入影像110、紙樣提取部120、判定分析物件區域121、獲取相似度資訊122、重複數資訊123、重複方向資訊124、紋理影像130、紋理產生部140、紙樣校正資訊141、重疊區域資訊142、亮度校正資訊143及校正之紋理影像150。
根據一實施例之輸入影像110可以係包含織物之影像。根據一實施例之輸入影像110可以包含彩色影像及/或正常影像。根據一實施例之織物可以包含作為服裝原料之織物。輸入影像110可以包含自影像獲取裝置獲得之影像。影像獲取裝置可以係能夠獲取包含織物之影像之任何裝置。影像獲取裝置可以包含相機、掃描儀等,但並不限於此。
根據一實施例之紙樣提取部120可以包含用於自輸入影像110提取紙樣之模組。在本發明中,紙樣可以係織物中重複之視覺特性。處理器1210可以使用紙樣提取部120自輸入影像110提取紙樣。根據一實施例之處理器1210可以使用紙樣提取部120自輸出影像110產生紋理影像130。
根據一實施例之紙樣提取部120可以判定分析物件區域(121)。將參照圖2描述分析物件區域210。根據一實施例之分析物件區域210可以包含輸入影像110之至少一部分。根據一實施例之選定區域230可以包含使用者選擇之區域。根據一實施例之處理器1210可以基於使用者輸入之資訊來判定輸入影像110中之選定區域230。使用者輸入資訊可以包含與使用者選擇之區域相關之資訊。根據一實施例之使用者可以自輸入影像中選擇用於提取紙樣之區域。根據一實施例之處理器1210可以判定選定區域230,然後基於選定區域210自輸入影像110判定分析物件區域210。例如,當判定選定區域230時,處理器1210可以判定比選定區域大4倍之分析物件區域210。根據一實施例之處理器1210可以自選定區域230及/或分析物件區域210判定基本紙樣區域250。根據一實施例之基本紙樣區域250可以包含用於產生紋理影像之單元紙樣。因此,處理器1210可以複製並排列多個基本紙樣區域250,以產生紋理影像。
當根據一實施例之基本紙樣區域250被判定時,處理器1210可以計算基本紙樣區域25與分析物件區域210之至少一部分之間的各相似度資訊,以分析基本紙樣區域210在分析物件區域210中重複了多少。因此,處理器1210可以分析基本紙樣區域250在分析物件區域210中沿哪個方向重複了多少,從而分析整個紙樣。
根據一實施例之紙樣提取部120可以獲得相似度資訊370 (122)。將參照圖3詳細描述相似度資訊。根據一實施例之基本紙樣區域250可以係分析物件區域210之至少一部分。根據另一實施例之基本紙樣區域250可以係選定區域230之至少一部分。根據一實施例之處理器1210可以產生基本紙樣區域250及分析物件區域210中包含之多個子區域211、212、213中之各子區域之間的各相似度資訊(370)。圖3中所示之子區域之數量僅為一實例,本發明並不限於此。
根據一實施例之處理器1210可以執行相似度檢查310,以檢查基本紙樣區域250與子區域211、212、213之間的相似度。根據一實施例之處理器1210可以藉由相似度檢查310來產生相似度資訊370。根據一實施例之微處理器1210可以基於互相關係數(cross correlation coefficient)方法來產生基本紙樣區域250與子區域211、212、213之間的各相似度資訊。
根據一實施例之輸入影像可以包含彩色(color)影像及正常(normal)影像中之至少一者。根據一實施例之彩色影像可以包含輸入影像之顏色資訊。根據一實施例之正常影像可以包含輸入影像中包含之各像素之法向量(normal vector)資訊。根據一實施例之處理器1210可以使用彩色影像來產生相似度資訊370。根據一實施例之處理器1210可以使用正常影像來產生相似度資訊370。根據一實施例之處理器2120可以使用彩色影像及正常影像來產生相似度資訊370。根據一實施例之處理器1210可以使用在正常影像中偵測到之相似度資訊來校正在彩色影像中未偵測到之相似度資訊。
根據一實施例之相似度資訊370可以基於彩色影像之基本紙樣區域與作為選定區域之至少一部分之多個子區域之間的各第一相似度資訊330及正常影像之基本紙樣區域與作為選定區域之至少一部分之多個子區域之間的各第二相似度資訊350中之至少一者來判定。
根據一實施例之相似度資訊370可以基於第一相似度資訊330及第二相似度資訊350之加權和來判定。例如,若輸入影像中包含之織物之顏色紙樣包含各種顏色,相似度資訊370可以藉由對第一相似度資訊330施加比第二相似度資訊350更大之權重來產生。在這種情況下,處理器1210可以將第一相似度資訊330判定為相似度資訊370。亦即,處理器1210可以不考慮第二相似度資訊350。作為另一實例,若織物之顏色紙樣包含少量顏色,或者若各顏色之間的差異不大,處理器1210則可以藉由對第二相似度資訊350施加比第一相似度資訊330更大之權重來產生相似度資訊370。作為又另一實例,若織物包含各種顏色但不包含重複紙樣,處理器1210則可以藉由對第二相似度資訊350施加比第一相似度資訊330更大之權重來產生相似度資訊370。
根據一實施例之紙樣提取部120可以獲得重複數資訊123。根據一實施例之紙樣提取部120可以獲得重複方向資訊124。將參照圖4詳細描述產生重複數資訊123及重複方向資訊124之方法。根據一實施例之處理器1210可以基於相似度資訊370來產生基本紙樣區域之重複數資訊123及基本紙樣區之重複方向資訊124中之至少一者。根據一實施例之處理器1210可以對在圖3中產生之相似度資訊170執行後處理,以產生重複數資訊123及/或重複方向資訊124。
根據一實施例之處理器1210可以模糊處理相似度資訊370以消除雜訊。根據一實施例之模糊處理可以指軟化或模糊影像之特定區域。根據一實施例之模糊處理可以包含高斯模糊(Gaussian Blur)。
根據一實施例之處理器1210可以計算相似度臨限值,以僅提取在分析物件區域210中與基本紙樣區域250之相似度為特定標準以上之區域及/或點。根據一實施例之相似度臨限值可以藉由使用直方圖之臨限值提取方法來判定。因此,處理器1210可以將相似度臨限值以上之區域判定為與基本紙樣區域相似之區域。
根據一實施例之處理器1210可以對相似度資訊370執行快速傅立葉變換(Fast Fourier Transform) 410。根據一實施例之處理器1210可以藉由對相似度資訊370執行快速傅立葉變換來產生傅立葉變換影像430。根據一實施例之傅立葉變換影像430可以包含與基本紙樣區域250類似之子區域之位置資訊。
根據一實施例之處理器1210可以對傅立葉變換影像430執行紙樣重複方向檢查450。此外,處理器1210亦可以對傅立葉變換影像410執行紙樣重複數檢查。
根據一實施例之處理器1210可以獲得重複方向資訊124。
根據一實施例之重複方向資訊124可以包含基於分析物件區域210中與基本紙樣區域250之相似度為預定標準(例如,相似度臨限值)以上之子區域之分佈方向所判定之方向相關資訊。
根據一實施例之重複方向資訊124可以包含第一方向及第二方向,其中第一方向基於基本紙樣區域250之位置,分佈與基本紙樣區域250之相似度為預定標準以上之子區域;其中第二方向基於基本紙樣區域250之位置,分佈與基本紙樣區域250之相似度為預定標準以上之子區域。例如,基本紙樣區域250之位置可以包含第一方向471與第二方向472相交之區域及/或點。例如,第一方向可以係以基本紙樣區域250之位置為基準之水平方向。此外,第二方向可以係以基本紙樣區域250之位置為基準之垂直方向。根據一實施例之沿著第一方向之第一基準線及沿著第二方向之第二基準線可以係直線,亦可以係根據輸入影像中包含之織物之曲率彎曲之曲線。
根據一實施例之重複數資訊可以包含關於分析物件區域210中與基本紙樣區域250之相似度為預定標準(例如,相似度臨限值)以上之子區域之數量的資訊。根據另一實施例之重複數資訊123可以包含關於選定區域230中與基本紙樣區域250之相似度為預定標準以上之子區域之數量的資訊。
根據一實施例之重複數資訊123可以基於沿第一方向分佈之多個子區域之第一重複數及沿第二方向分佈之多個子區域之第二重複數來判定。例如,圖4中沿第一方向471分佈之多個子區域之第一重複數可以係10。在這種情況下,可以意謂與基本紙樣區域250相似之子區域在分析物件區域中沿第一方向(例如,水平方向)重複11個(1個基本紙樣區域+10個子區域)基本紙樣區域。作為另一實例,圖4中沿第二方向472分佈之多個子區域之第二重複數可以係10。在這種情況下,可以意謂與基本紙樣區域250相似之子區域在分析物件區域中沿第二方向(例如,垂直方向)重複11個(1個基本紙樣區域+10個子區域)基本紙樣區域。若第一重複數為10且第二重複數為10,處理器1210則可以獲得在分析物件區域210中總共有121個(11個*11個)基板紙樣區域重複之資訊。
根據一實施例之紙樣提取部120可以產生紋理影像510 (例如,圖5之紋理影像510)。將參照圖5詳細描述根據一實施例之紋理影像130之產生。在根據一實施例之圖5中,可以展示紋理影像510。基本紙樣區域250可以被包含在紋理影像130中。處理器1210可以判定基本紙樣區域250之位置。根據一實施例之處理器1210可以基於基本紙樣區域250之位置及重複方向資訊124來判定第一方向471及第二方向472。根據一實施例之處理器1210可以基於重複數資訊123及重複方向124來計算沿第一方向分佈之多個子區域之第一重複數及沿第二方向472分佈之多個子區域之第二重複數。
根據一實施例之處理器1210可以基於第一方向471、第二方向472、第一重複數及第二重複數來重複組態基本紙樣區域,從而產生紋理影像510 (例如,圖5之紋理影像510)。例如,在圖5中,沿第一方向471分佈之子區域之第一重複數可以為7,而沿第二方向472分佈之子區域之第二重複數可以為8。因此,可以沿第一方向重複總8個(基本紙樣區域1個+子區域7個)基本紙樣區域。此外,可以沿第二方向472重複總9個(基本紙樣區域1個+子區域8個)基本紙樣區域。因此,紋理影像510(例如,圖5之紋理影像510)可以包含其中重複配置總共72個基本紙樣區域250之影像。
根據一實施例,第一方向471與第二方向472之間可能存在角度530。
根據一實施例之紋理產生部140可以包含用於校正紋理影像130之模組。根據一實施例之紋理產生部可以基於紙樣校正資訊141、重疊區域資訊142及亮度校正資訊143中之至少一者來產生校正之紋理影像150。
根據一實施例,第一方向471與第二方向472之間可能存在角度530。當角度530並非直角時,紋理影像510(例如,圖5之紋理影像510)中可能會出現紙樣錯位。例如,在獲取輸入影像之過程中可能會出現紙樣錯位。根據觀察實際織物之影像獲取裝置之視點,輸入影像中包含之織物可能會發生變形,但並不限於此。作為另一實例,當實際織物中存在褶皺時,亦可能會發生紙樣錯位。參照圖6,在發生紙樣錯位之情況下,第一方向471與第二方向472之間的角度530可能並非直角。因此,可能需要藉由將第一方向471與第二方向472之間的角度530校正為直角來校正紙樣錯位。藉由校正紙樣錯位,可以解決紙樣重複期間紋理影像中重複出現之基本紙樣不一致或不連續之問題。下面,將參照圖6詳細描述校正紋理影像130之方法。
根據一實施例之處理器1210可以基於紙樣校正資訊來校正紋理影像610。根據一實施例之紙樣校正資訊可以包含用於校正紙樣錯位所需之資訊。如圖6所示,當第一方向471與第二方向472之間的角度530並非直角時,紋理影像130中可能會出現紙樣錯位。因此,處理器1210可以將第一方向472與第二方472之間的角度530轉換為直角。
當沿第一方向471之第一基準線為曲線時,根據一實施例之處理器1210可以校正第一基準線,使其相對於第二方向垂直。例如,當輸入影像110中包含之織物中存在曲線時,第一基準線可以係曲線。在這種情況下,處理器1210可以對作為曲線之第一基準線校正為直線。
當沿第二方向472之第二基準線為曲線時,根據一實施例之處理器1210可以校正第二基準線,使其相對於第一方向垂直。例如,當輸入影像110中包含之織物中存在曲線時,第二基準線可以係曲線。在這種情況下,處理器1210可以對作為曲線之第二基準線校正為直線。
根據一實施例之處理器1210可以基於重疊區域資訊142來校正紋理影像。將參照圖7詳細描述基於重疊區域資訊142校正紋理影像之方法。
當多個基本紙樣區域被配置在根據一實施例之重疊區域資訊142中時,在多個基本紙樣區域相交之區域中可能會出現不連續紙樣。例如,不連續紙樣可能係接縫線(seamline)。為了消除這種不連續紙樣,可以判定相鄰基本紙樣區域之間的重疊區域,以相互重疊基本紙樣區域。藉由這個過程,可以消除影響紙樣連續性之因素。
根據一實施例之處理器1210可以將紋理影像130分割為多個補丁。例如,補丁可以對應於一個基本紙樣區域。作為另一實例,補丁可以包含多個基本紙樣區域。當根據一實施例將紋理影像130分割為4個區域時,可以產生第一補丁710、第二補丁730、第三補丁750及第四補丁770。根據一實施例之紋理影像130可以具有與分析物件區域相同之尺寸。由於分析物件區域210包含選定區域230,因此可以基於選定區域230在紋理影像130中之位置資訊來判定選定區域。當將紋理影像130分割為多個補丁時,根據一實施例之處理器1210可以基於選定區域230來執行分割。因此,第一補丁710可以被包含在與第一補丁710對應之選定區域中。相應地,第二補丁730、第三補丁750及第四補丁770亦可以被包含在選定區域中。
根據一實施例之處理器1210可以重新排列多個補丁。如701所示,根據一實施例之處理器1210可以將紋理影像130中包含之各補丁重新排列為第一補丁711、第二補丁731、第三補丁751及第四補丁771。因此,如701所示,選定區域中之補丁720、740、760、780亦可以重新排列為區域721、741、761、781。
在重新排列之第一補丁711、第二補丁731、第三補丁751及第四補丁771相互重疊之部分中,可以產生紙樣不連續紙區域(例如,接縫線(seamline))。例如,藉由重新排列,第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間以及第三補丁751與第四補丁771之間的區域可以重新重疊。當重複排列圖7所示之影像700時,相鄰部分可以彼此相鄰。因此,為了移除由於影像700之重複而產生之新相鄰區域中出現之不連續紙樣(例如,接縫線),可以在第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間以及第三補丁751與第四補丁771之間產生重疊區域並進行合成。根據一實施例之處理器1210可以判定在第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間以及第三補丁751與第四補丁771之間是否存在紙樣不連續區域。若存在紙樣不連續區域,處理器1210則可以判定補丁之重疊區域。例如,當第一補丁711與第三補丁751之間存在紙樣不連續區域時,處理器1210可以產生第二重疊區域781。並且,亦可以重新排列補丁,使其與第二重疊區域781重疊。可以對其他相鄰區域執行相同之過程。例如,處理器1210可以產生第一補丁711與第二補丁731重疊之第三重疊區域782。作為另一實例,處理器1210可以產生第二補丁731與第四補丁771重疊之第四重疊區域783。作為另一實例,處理器1210可以產生第一重疊區域780,其中第三補丁751與第四補丁771重疊。
根據一實施例之處理器1210可以搜尋補丁中之重疊區域。參照圖8,處理器1210可以在補丁810中搜尋重疊區域(830)。搜尋結果可以如圖8所示。因此,處理器1210可以使用關於搜尋之重疊區域850之資訊來重疊多個補丁。
根據一實施例之處理器1210可以基於重疊區域來重疊多個補丁。參照圖9,處理器1210可以基於第一補丁710、第二補丁730、第三補丁750及第四補丁750之各重疊區域850來重疊補丁。根據另一實施例之處理器1210可以基於重新排列之第一補丁711、第二補丁731、第三補丁751及第四補丁771之各重疊區域850來重疊補丁。當根據一實施例之處理器1210重疊多個補丁時,可以使用多影像合成方法來進行重疊。根據一實施例之多影像合成方法可以係指在合成由多相機獲得之影像之過程中獲得無邊界雜訊之影像匹配及合成結果之方法。
根據一實施例之處理器1210可以執行平滑操作以平滑重疊之補丁。根據一實施例之處理器1210可以使用多頻段融合(multi-band blending)方法來平滑多個補丁。
根據一實施例之處理器1210可以基於亮度校正資訊143來校正紋理影像。將參照圖10詳細描述基於亮度校正資訊143來校正紋理影像之方法。圖10中所示之第一補丁1011及第二補丁1012可以各自具有不同之亮度。在這種情況下,若補丁之間的亮度互不相同,則可能無法表示紋理影像之整體之自然之亮度變化。因此,可能需要對整個紋理影像應用均勻之亮度。因此,處理器1210可以使用亮度校正資訊143來解決藉由複製多個基本紙樣區域250而處理之紋理影像之亮度不一致問題。根據一實施例之亮度校正資訊143可以包含用於校正由照明引起之區域亮度不一致之資訊。例如,如1030所示,亮度可能在左上角較高,但在右下角可能會變低。這種亮度變化趨勢可以表示為亮度變化方向1010。因此,可能需要校正紋理影像中包含之補丁(或基本紙樣區域)之亮度。
根據一實施例之處理器1210可以基於亮度校正資訊143來校正多個基本紙樣區域之亮度,以減少紋理影像中包含之多個基本紙樣區域之間的亮度不一致。根據一實施例之處理器1210可以藉由滑動窗口方式來校正基本紙樣區域之亮度。例如,處理器1210可以根據亮度校正方向1020移動基本紙樣區域,並以基本紙樣區域為單位來校正亮度。
處理器1210可以藉由根據一實施例之產生並校正紋理影像之方法來輕鬆提取織物之重複紙樣。處理器1210亦可以藉由產生並校正由重複紙樣組成之紋理形式之結果,將織物應用於虛擬模擬。因此,處理器1210可以視覺地表示服裝模擬中被包含在輸入影像中之表示織物之紋理。
圖2為展示根據一實施例的分析物件區域、選定區域及基本紙樣區域之附圖。
圖2展示了分析物件區域210、選定區域230及基本紙樣區域250。
根據一實施例之分析物件區域210可以包含輸入影像110之至少一部分。根據一實施例之選定區域230可以包含使用者選擇之區域。根據一實施例之處理器1210可以基於使用者輸入之資訊來判定輸入影像110中之選定區域230。使用者輸入資訊可以包含與使用者所選之區域相關之資訊。根據一實施例之使用者可以自輸入影像中選擇用於提取紙樣之區域。根據一實施例之處理器1210可以判定選定區域230,然後基於選定區域210自輸入影像110判定分析物件區域210。例如,當判定選定區域230時,處理器1210可以判定比選定區域大4倍之分析物件區域210。根據一實施例之處理器1210可以自選定區域230及/或分析物件區域210判定基本紙樣區域250。根據一實施例之基本紙樣區域250可以包含用於產生紋理影像之單元紙樣。因此,處理器1210可以複製並排列多個基本紙樣區域250,以產生紋理影像。
圖3為展示根據一實施例的相似度資訊之附圖。
圖3展示了分析物件區域210、多個子區域211、212、213、基本紙樣區域250、相似度檢查310、第一相似度資訊330、第二相似度資訊350及相似度資訊370。
根據一實施例之紙樣提取部120可以獲得相似度資訊370(122)。將參照圖3詳細描述相似度資訊。根據一實施例之基本紙樣區域250可以係分析物件區域210之至少一部分。根據另一實施例之基本紙樣區域250可以係選定區域230之至少一部分。根據一實施例之處理器1210可以產生基本紙樣區域250及分析物件區域210中包含之多個子區域211、212、213中之各子區域之間的各相似度資訊(370)。圖3中所示之子區域之數量僅為一實例,本發明並不限於此。
根據一實施例之處理器1210可以執行相似度檢查310,以檢查基本紙樣區域250與子區域211、212、213之間的相似度。根據一實施例之處理器1210可以藉由相似度檢查310來產生相似度資訊370。根據一實施例之微處理器1210可以基於互相關係數(cross correlation coefficient)方法來產生基本紙樣區域250與子區域211、212、213之間的各相似度資訊。
根據一實施例之輸入影像可以包含彩色影像及正常影像中之至少一者。根據一實施例之彩色影像可以包含輸入影像之顏色資訊。根據一實施例之正常影像可以包含輸入影像中包含之各像素之法向量(normal vector)資訊。根據一實施例之處理器1210可以使用彩色影像來產生相似度資訊370。根據一實施例之處理器1210可以使用正常影像來產生相似度資訊370。根據一實施例之處理器2120可以使用彩色影像及正常影像來產生相似度資訊370。根據一實施例之處理器1210可以使用在正常影像中偵測到之相似度資訊來校正在彩色影像中未偵測到之相似度資訊。
根據一實施例之相似度資訊370可以基於彩色影像之基本紙樣區域與作為選定區域之至少一部分之多個子區域之間的各第一相似度資訊330及正常影像之基本紙樣區域與作為選定區域之至少一部分之多個子區域之間的各第二相似度資訊350中之至少一者來判定。
根據一實施例之相似度資訊370可以基於第一相似度資訊330及第二相似度資訊350之加權和來判定。例如,若輸入影像中包含之織物之顏色紙樣包含各種顏色,相似度資訊370可以藉由對第一相似度資訊330施加比第二相似度資訊350更大之權重來產生。在這種情況下,處理器1210可以將第一相似度資訊330判定為相似度資訊370。亦即,處理器1210可以不考慮第二相似度資訊350。作為另一實例,若織物之顏色紙樣包含少量顏色,或者若各顏色之間的差異不大,處理器1210則可以藉由對第二相似度資訊350施加比第一相似度資訊330更大之權重來產生相似度資訊370。作為又另一實例,若織物包含各種顏色但不包含重複紙樣,處理器1210則可以藉由對第二相似度資訊350施加比第一相似度資訊330更大之權重來產生相似度資訊370。
圖4為展示根據一實施例的重複數資訊及重複方向資訊之附圖。
圖4展示了相似度資訊370、快速傅立葉變換410、傅立葉變換影像430、紙樣重複方向檢查450、重複方向資訊470、第一方向471及第二方向472。
根據一實施例之處理器1210可以基於相似度資訊370來產生基本紙樣區域之重複數資訊123及基本紙樣區域之重複方向資訊124中之至少一者。根據一實施例之處理器1210可以對在圖3中產生之相似度資訊170執行後處理,以產生重複數資訊123及/或重複方向資訊124。
根據一實施例之處理器1210可以模糊處理相似度資訊370以消除雜訊。根據一實施例之模糊處理可以指軟化或模糊影像之特定區域。根據一實施例之模糊處理可以包含高斯模糊(Gaussian Blur)。
根據一實施例之處理器1210可以計算相似度臨限值,以僅提取在分析物件區域210中與基本紙樣區域250之相似度為特定標準以上之區域及/或點。根據一實施例之相似度臨限值可以藉由使用直方圖之臨限值提取方法來判定。因此,處理器1210可以將相似度臨限值以上之區域判定為與基本紙樣區域相似之區域。
根據一實施例之處理器1210可以對相似度資訊370執行快速傅立葉變換(Fast Fourier Transform)410。根據一實施例之處理器1210可以藉由對相似度資訊370執行快速傅立葉變換來產生傅立葉變換影像430。根據一實施例之傅立葉變換影像430可以包含與基本紙樣區域250類似之子區域之位置資訊。
根據一實施例之處理器1210可以對傅立葉變換影像430執行紙樣重複方向檢查450。此外,處理器1210亦可以對傅立葉變換影像410執行紙樣重複數檢查。
根據一實施例之處理器1210可以獲得重複方向資訊124。
根據一實施例之重複方向資訊124可以包含基於分析物件區域210中與基本紙樣區域250之相似度為預定標準(例如,相似度臨限值)以上之子區域之分佈方向所判定之方向相關資訊。
根據一實施例之重複方向資訊124可以包含第一方向及第二方向,其中第一方向基於基本紙樣區域250之位置,分佈與基本紙樣區域250之相似度為預定標準以上之子區域;其中第二方向基於基本紙樣區域250之位置,分佈與基本紙樣區域250之相似度為預定標準以上之子區域。例如,基本紙樣區域250之位置可以包含第一方向471與第二方向472相交之區域及/或點。例如,第一方向可以係以基本紙樣區域250之位置為基準之水平方向。此外,第二方向可以係以基本紙樣區域250之位置為基準之垂直方向。根據一實施例之沿著第一方向之第一基準線及沿著第二方向之第二基準線可以係直線,亦可以係根據輸入影像中包含之織物之曲率彎曲之曲線。
根據一實施例之重複數資訊可以包含關於分析物件區域210中與基本紙樣區域250之相似度為預定標準(例如,相似度臨限值)以上之子區域之數量的資訊。根據另一實施例之重複數資訊123可以包含關於選定區域230中與基本紙樣區域250之相似度為預定標準以上之子區域之數量的資訊。
根據一實施例之重複數資訊123可以基於沿第一方向分佈之多個子區域之第一重複數及沿第二方向分佈之多個子區域之第二重複數來判定。例如,圖4中沿第一方向471分佈之多個子區域之第一重複數可以係10。在這種情況下,可以意謂與基本紙樣區域250相似之子區域在分析物件區域中沿第一方向(例如,水平方向)重複11個(1個基本紙樣區域+10個子區域)基本紙樣區域。作為另一實例,圖4中沿第二方向472分佈之多個子區域之第二重複數可以係10。在這種情況下,可以意謂與基本紙樣區域250相似之子區域在分析物件區域中沿第二方向(例如,垂直方向)重複11個(1個基本紙樣區域+10個子區域)基本紙樣區域。若第一重複數為10且第二重複數為10,處理器1210則可以獲得在分析物件區域210中總共有121個(11個*11個)基板紙樣區域重複之資訊。
圖5為展示根據一實施例的紋理影像之產生方法之附圖。
圖5展示了紋理影像510、基本紙樣區域250、第一方向471、第二方向472、角度530及基本紙樣區域之位置550。
在根據一實施例之圖5中,可以展示紋理影像510。基本紙樣區域250可以被包含在紋理影像510中。處理器1210可以判定基本紙樣區域250之位置。根據一實施例之處理器1210可以基於基本紙樣區域250之位置及重複方向資訊124來判定第一方向471及第二方向472。根據一實施例之處理器1210可以基於重複數資訊123及重複方向124來計算沿第一方向分佈之多個子區域之第一重複數及沿第二方向472分佈之多個子區域之第二重複數。
根據一實施例之處理器1210可以基於第一方向471、第二方向472、第一重複數及第二重複數來重複組態基本紙樣區域,從而產生紋理影像510。例如,在圖5中,沿第一方向471分佈之子區域之第一重複數可以為7,而在圖5中,沿第二方向472分佈之子區域之第二重複數可以為8。因此,可以沿第一方向重複總8個(基本紙樣區域1個+子區域7個)基本紙樣區域。此外,可以沿第二方向472重複總9個(基本紙樣區域1個+子區域8個)基本紙樣區域。因此,紋理影像510可以包含其中重複配置總共72個基本紙樣區域250之影像。
根據一實施例,第一方向471與第二方向472之間可能存在角度530。
圖6為展示根據一實施例的基於紙樣校正資訊來校正紋理影像之方法之附圖。
圖6展示了紋理影像130、基於紙樣校正資訊來校正紋理影像610及校正之紋理影像630。
根據一實施例之處理器1210可以基於紙樣校正資訊來校正紋理影像610。根據一實施例之紙樣校正資訊可以包含用於校正紙樣錯位所需之資訊。如圖6所示,當第一方向471與第二方向472之間的角度530並非直角時,紋理影像130中可能會出現紙樣錯位。因此,處理器1210可以將第一方向472與第二方472之間的角度530轉換為直角。
當沿第一方向471之第一基準線為曲線時,根據一實施例之處理器1210可以校正第一基準線,使其相對於第二方向垂直。例如,當輸入影像110中包含之織物中存在曲線時,第一基準線可以係曲線。在這種情況下,處理器1210可以對作為曲線之第一基準線校正為直線。
當沿第二方向472之第二基準線為曲線時,根據一實施例之處理器1210可以校正第二基準線,使其相對於第一方向垂直。例如,當輸入影像110中包含之織物中存在曲線時,第二基準線可以係曲線。在這種情況下,處理器1210可以對作為曲線之第二基準線校正為直線。
圖7為展示根據一實施例的基於重疊區域資訊來校正紋理影像之方法之附圖。
圖7展示了多個補丁710、730、750、770,選定區域中之多個補丁720、740、760、780,重新排列之多個補丁711、731、751、771,重新排列之選定區域中之多個補丁721、741、761、781,以及多個重疊區域780、781、782、783。
根據一實施例之處理器1210可以將紋理影像130分割為多個補丁。例如,補丁可以對應於一個基本紙樣區域。作為另一實例,補丁可以包含多個基本紙樣區域。當根據一實施例將紋理影像130分割為4個區域時,可以產生第一補丁710、第二補丁730、第三補丁750及第四補丁770。根據一實施例之紋理影像130可以具有與分析物件區域相同之尺寸。由於分析物件區域210包含選定區域230,因此可以基於選定區域230在紋理影像130中之位置資訊來判定選定區域。當將紋理影像130分割為多個補丁時,根據一實施例之處理器1210可以基於選定區域230來執行分割。因此,第一補丁710可以被包含在與第一補丁710對應之選定區域中。相應地,第二補丁730、第三補丁750及第四補丁770亦可以被包含在選定區域中。
根據一實施例之處理器1210可以重新排列多個補丁。如701所示,根據一實施例之處理器1210可以將紋理影像130中包含之各補丁重新排列為第一補丁711、第二補丁731、第三補丁751及第四補丁771。因此,如701所示,選定區域中之補丁720、740、760、780亦可以重新排列為區域721、741、761、781。
在重新排列之第一補丁711、第二補丁731、第三補丁751及第四補丁771相互重疊之部分中,可以產生紙樣不連續紙區域(例如,接縫線(seamline))。例如,藉由重新排列,第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間以及第三補丁751與第四補丁771之間的區域可以重新重疊。當重複排列圖7所示之影像700時,相鄰部分可以彼此相鄰。因此,為了移除由於影像700之重複而產生之新相鄰區域中出現之不連續紙樣(例如,接縫線),可以在第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間以及第三補丁751與第四補丁771之間產生重疊區域並進行合成。根據一實施例之處理器1210可以判定在第一補丁711與第二補丁731之間、第一補丁711與第三補丁751之間、第二補丁731與第四補丁771之間、以及第三補丁751與第四補丁771之間是否存在紙樣不連續區域。若存在紙樣不連續區域,處理器1210則可以判定補丁之重疊區域。例如,當第一補丁711與第三補丁751之間存在紙樣不連續區域時,處理器1210可以產生第二重疊區域781。並且,亦可以重新排列補丁,使其與第二重疊區域781重疊。可以對其他相鄰區域執行相同之過程。例如,處理器1210可以產生第一補丁711與第二補丁731重疊之第三重疊區域782。作為另一實例,處理器1210可以產生第二補丁731與第四補丁771重疊之第四重疊區域783。作為另一實例,處理器1210可以產生第一重疊區域780,其中第三補丁751與第四補丁771重疊。
圖8為展示根據一實施例的重疊區域之附圖。
圖8展示了補丁810、搜尋重疊區域830及重疊區域850。
根據一實施例之處理器1210可以搜尋補丁中之重疊區域。參照圖8,處理器1210可以在補丁810中搜尋重疊區域830。搜尋結果可以如圖8所示。因此,處理器1210可以使用針對搜尋之重疊區域850之資訊來重疊多個補丁。
圖9為展示根據一實施例的藉由移除重疊區域來產生校正後之紋理影像之方法之附圖。
圖9展示了第一補丁710、第二補丁730、第三補丁750、第四補丁770、重疊區域850及校正之紋理影像910。
根據一實施例之處理器1210可以基於重疊區域來重疊多個補丁。參照圖9,處理器1210可以基於第一補丁710、第二補丁730、第三補丁750及第四補丁750之各重疊區域850來重疊補丁。根據另一實施例之處理器1210可以基於重新排列之第一補丁711、第二補丁731、第三補丁751及第四補丁771之各重疊區域850來重疊補丁。當根據另一實施例之處理器1210重疊多個補丁時,可以使用多影像合成方法來進行重疊。根據一實施例之多影像合成方法可以係指在合成由多相機獲得之影像之過程中獲得無邊界雜訊之影像匹配及合成結果之方法。
根據一實施例之處理器1210可以執行平滑操作以平滑重疊之補丁。根據一實施例之處理器1210可以使用多頻段融合(multi-band blending)方法來平滑多個補丁。
圖10為展示根據一實施例的基於亮度校正資訊來校正紋理影像之方法之附圖。
圖10展示了亮度變化方向1010、第一補丁1011、第二補丁1012、亮度校正方向1020及亮度變化程度1030。
根據一實施例之處理器1210可以基於亮度校正資訊143來校正紋理影像。將參照圖10詳細描述基於亮度校正資訊143來校正紋理影像之方法。圖10中所示之第一補丁1011及第二補丁1012可以各自具有不同之亮度。在這種情況下,若補丁之間的亮度互不相同,則可能無法表示紋理影像之整體之自然之亮度變化。因此,可能需要對整個紋理影像應用均勻之亮度。因此,處理器1210可以使用亮度校正資訊143來解決藉由複製多個基本紙樣區域250而處理之紋理影像之亮度不一致問題。根據一實施例之亮度校正資訊141可以包含用於校正由照明引起之區域亮度不一致之資訊。例如,如1030所示,亮度可能在左上角較高,但在右下角可能會變低。這種亮度變化趨勢可以表示為亮度變化方向1010。因此,可能需要校正紋理影像中包含之補丁(或基本紙樣區域)之亮度。
根據一實施例之處理器1210可以基於亮度校正資訊143來校正多個基本紙樣區域之亮度,以減少紋理影像中包含之多個基本紙樣區域之間的亮度不一致。根據一實施例之處理器1210可以藉由滑動窗口方式來校正基本紙樣區域之亮度。例如,處理器1210可以根據亮度校正方向1020移動基本紙樣區域,並以基本紙樣區域為單位來校正亮度。
圖11為展示根據一實施例的產生紋理之方法之流程圖。
根據一實施例之電子裝置1200 (例如,圖12之電子裝置1200)可以判定輸入影像中包含織物(fabric)之選定區域(1110)。
根據一實施例之電子裝置1200可以基於選定區域來判定輸入影像中之分析物件區域(1120)。
根據一實施例之電子裝置1200可以產生分析物件區域之至少一部分之基本紙樣區域與被包含在分析物件區域中之多個子區域之間的各相似度資訊(1130)。
根據一實施例之電子裝置1200可以基於相似度資訊產生基本紙樣區域之重複數資訊及基本紙樣區域之重複方向資訊中之至少一者。
根據一實施例之電子裝置1200可以基於基本紙樣區域、基本紙樣區域之位置、重複數資訊及重複方向資訊中之至少一者,藉由在預定區域中組態多個基本紙樣區域來產生紋理影像。
圖12為展示根據一實施例的反映紋理影像之3D服裝模擬之附圖。
圖12展示了3D模擬螢幕1310、織物類型1320、尺寸1330、輸入影像顯示物件1350、紋理影像顯示物件1360、輸入影像及紋理影像顯示物件1370、打開物件1390、儲存物件1391、應用物件1392、取消物件1393及輸入影像1380。
3D模擬螢幕1310可以係輸出3D服裝之螢幕,基於輸入影像1380之紋理影像應用於3D服裝。根據一實施例之處理器1210可以基於紋理影像產生3D服裝,並將3D模擬輸出至螢幕1310。因此,當輸入影像或紋理影像發生變化時,處理器1210可以產生與輸入影像或紋理影像對應之3D服裝,並將其輸出至3D模擬螢幕1310。
織物類型1320可以係處理器1210能夠接收使用者輸入之有關織物類型資訊之物件。例如,使用者可以藉由織物類型1320輸入織物類型。織物類型可以包含例如平布(Plain)、重複紙樣(Repeat Pattern)、隨機顏色紙樣(Random Color Pattern)及非織物(Non-Fabric)等。
尺寸1330可以係顯示輸入影像或紋理影像尺寸之物件。
輸入影像顯示物件1350可以係用於將輸入影像輸出至螢幕之物件。當根據一實施例之處理器1210接收到輸入影像顯示物件1350之選擇輸入時,可以將輸入影像1380輸出至螢幕。
紋理影像顯示物件1360可以係用於將紋理影像輸出至螢幕之物件。將參照下面之圖13a詳細描述紋理影像顯示物件1360。
輸入影像及紋理影像顯示物件1370可以係用於同時將輸入影像及紋理影像輸出至螢幕之物件。將參照下面之圖13b詳細描述輸入影像及紋理影像顯示物件1370。
打開物件1390可以係用於加載其他輸入影像或紋理影像之物件。儲存物件1391可以係用於儲存當前輸入影像或紋理影像之物件。應用物件1392可以係用於基於輸入影像或紋理影像產生3D服裝之物件。取消物件1393可以係用於停止基於輸入影像或紋理影像產生3D服裝之過程之物件。
圖13a及圖13b為展示根據一實施例的將輸入影像及紋理影像中之至少一者輸出至螢幕之方法之附圖。
當接收到紋理影像顯示物件1360之選擇輸入時,根據一實施例之處理器1210可以將紋理影像1410輸出至螢幕。
當接收到輸入影像及紋理影像顯示物件1370之選擇輸入時,根據一實施例之處理器1210可以將輸入影像1420及紋理影像1430輸出至螢幕。
藉由上述過程,使用者可以將輸入影像及紋理影像中之至少一者輸出至螢幕,並藉由螢幕確認將輸入影像及紋理影像中之至少一者應用至3D服裝之模擬結果。
圖14為展示根據一實施例的在3D服裝模擬中調整紋理影像之尺寸之方法之附圖。
圖14展示了3D服裝之部分區域1510、紋理影像1520、選定區域1530及對應於選定區域之紋理影像1540。
根據一實施例之處理器1210可以產生應用紋理影像之至少一部分區域之3D服裝。使用者只能將基於輸入影像產生之紋理影像中之一部分區域用於服裝設計。為此,處理器1210可以基於紋理影像之至少一部分來產生3D服裝。此外,處理器1210可以在螢幕上輸出模擬結果,其中3D化身穿著基於紋理影像之至少一部分而產生之3D服裝。例如,處理器1210可以自使用者接收選定區域1530,該區域係紋理影像1520之部分區域。處理器1210可以基於選定區域1530將對應於選定區域之紋理影像1540輸出至螢幕。處理器1210可以基於對應於選定區域之紋理影像1540來產生3D服裝,並可以將穿著3D服裝之3D化身輸出至螢幕上。
根據一實施例之處理器1210可以調整紋理影像之尺寸。根據一實施例之處理器1210可以調整3D服裝中表示之紋理影像之尺寸。當調整紋理影像之尺寸時,可以調整3D服裝中表示之圖案及紙樣之大小。例如,處理器1210可以接收3D服裝之部分區域1510之選擇輸入。3D服裝之部分區域1510可以係一個紙樣(例如,身體前方紙樣)。根據一實施例之處理器1210可以相對於3D服裝之部分區域1510調整紋理影像之尺寸。在這種情況下,可以調整3D服裝之部分區域上顯示之紋理影像之尺寸。例如,若使用者放大紋理影像,3D服裝之部分區域上顯示之紋理影像之尺寸可能會增大。若紋理影像中包含紙樣,則紙樣可能會變大。
圖15為展示根據各種實施例的電子裝置之方塊圖。
圖15為展示根據一實施例的電子裝置之方塊圖。參照圖15,根據一實施例之電子裝置1200包含記憶體1220、處理器1210及通信介面1230。記憶體1220、處理器1210及通信介面1230可以藉由通信匯流排1240彼此連接。
記憶體1220可以儲存在處理器1210執行之處理過程中產生之各種資訊。另外,記憶體1220可以儲存其他各種資料及程式等。記憶體1220可以包含揮發性或非揮發性記憶體。記憶體1220可以包含大容量儲存媒體,例如硬碟等,並儲存各種資料。
另外,處理器1210可以係由具有執行期望操作(desired operation)之實體結構之電路之硬體實現之資料處理設備。例如,期望之操作可以包含程式中包含之程式碼(code)或指令(instruction)。例如,由硬體實現之分類裝置可以包含微處理器(microprocessor)、中央處理單元(Central Processing Unit,CPU)、圖形處理器(Graphic Processing Unit,GPU)、處理器內核(processor core)、多核處理器(multi-core processor)、多處理器(multiprocessor)、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)、場可程式化閘陣列(field programmable gate array,FPGA)及神經處理單元(Neural Processing Unit,NPU)等。
處理器1210可以執行程式,並控制自動股票交易裝置。處理器1210執行之程式碼可以被儲存在記憶體1220中。
以上說明之實施例能夠藉由硬體構成要素、軟體構成要素,及/或硬體構成要素及軟體構成要素之組合實現。例如,實施例中說明之裝置及構成要素,能夠利用例如處理器、控制器、算術邏輯單元(arithmetic logic unit,ALU)、數位信號處理器(digital signal processor)、微型電腦、場可程式化陣列(field programmable array,FPA)、可程式化邏輯單元(programmable logic unit,PLU)、微處理器、或能夠執行與應答指令(instruction)之任何其他裝置,能夠利用多於一個之通用電腦或特殊目的電腦進行體現。處理裝置能夠執行作業系統(OS)及在作業系統中執行之多於一個之應用軟體。並且,處理裝置應答軟體之執行,從而存取、儲存、操作、處理及產生資料。為方便理解,說明為僅具有一個處理裝置之方式,但一般熟習此項技術者應理解處理裝置能夠包含多個處理元件(processing element)及/或多個類型之處理要素。例如,處理裝置能夠包含多個處理器或一個處理器及一個控制器。並且,亦能夠包含類似於並行處理器(parallel processor)之其他處理組態(processing configuration)。
軟體能夠包含電腦程式(computer program)、程式碼(code)、指令(instruction),或其中之多於一個之組合,能夠使加工裝置按照所期待之方式操作,或者,單獨或共同(collectively)命令加工裝置。為藉由加工裝置進行解釋或者向加工裝置提供命令或資料,軟體及/或資料能夠永久或臨時體現於(embody)任何類型之設備、構成要素(component)、實體裝置、虛擬裝置(virtual equipment)、電腦儲存媒體或裝置,或者傳送之信號波(signal wave)。軟體分佈於藉由網路連接之電腦系統上,能夠以分佈式儲存或執行。軟體及資料能夠儲存於多於一個之電腦讀寫儲存媒體中。
根據實施例之方法以能夠藉由多種電腦手段執行之程式命令之形式體現,並記錄在電腦讀寫媒體中。電腦讀寫媒體能夠以單獨或者組合之形式包含程式命令、資料檔案、資料結構等。記錄在媒體之程式指令能夠係為實現實施例而特別設計與構成之指令,或者係一般熟習電腦軟體領域技術者能夠基於公知使用之指令。電腦讀寫記錄媒體能夠包含硬碟、軟碟以及磁帶等磁性媒體(magnetic media);與CD-ROM、DVD等類似之光學媒體(optical media);與軟磁光碟(floptical disk)類似之磁光媒體(magneto-optical media),以及與唯讀記憶體(ROM)、隨機存取記憶體(RAM)、快閃記憶體等類似之為儲存並執行程式命令而特別構成之硬體裝置。程式指令之例子不僅包含藉由編譯器產生之機器語言程式碼,亦包含藉由使用解釋器等能夠由電腦執行之進階語言程式碼。
為執行實施例之操作,硬體裝置能夠構成為以多於一個之軟體模組實現操作之方式,反之亦然。
綜上,藉由有限之附圖對實施例進行了說明,一般熟習此項技術者能夠基於記載進行多種更改與應變。例如,所說明之技術按照與說明之方法不同之順序執行,及/或所說明之系統、結構、裝置、電路等構成要素按照與說明之方法不同之形態進行結合或組合,或者由其他構成要素或者等同物置換或代替,亦能得到適當之結果。
由此,其他體現,其他實施例以及申請專利範圍範疇之等同物,均屬於本發明之申請專利範圍範疇。
110:輸入影像
120:紙樣提取部
121:判定分析物件區域
122:獲取相似度資訊
123:重複數資訊
124:重複方向資訊
130:紋理影像
140:紋理產生部
141:紙樣校正資訊
142:重疊區域資訊
143:亮度校正資訊
150:校正之紋理影像
210:分析物件區域
211:子區域
212:子區域
213:子區域
230:選定區域
250:基本紙樣區域
310:相似度檢查
330:第一相似度資訊
350:第二相似度資訊
370:相似度資訊
410:快速傅立葉變換
430:傅立葉變換影像
450:紙樣重複方向檢查
470:重複方向資訊
471:第一方向
472:第二方向
510:紋理影像
530:角度
550:基本紙樣區域之位置
610:紋理影像
630:校正之紋理影像
700:影像
710:第一補丁
711:第一補丁
720:選定區域中之補丁
721:重新排列之選定區域中之補丁/區域
730:第二補丁
731:第二補丁
740:選定區域中之補丁
741:重新排列之選定區域中之補丁/區域
750:第三補丁
751:第三補丁
760:選定區域中之補丁
761:重新排列之選定區域中之補丁/區域
770:第四補丁
771:第四補丁
780:選定區域中之補丁/第一重疊區域
781:第二重疊區域/重新排列之選定區域中之補丁/區域
782:第三重疊區域
783:第四重疊區域
810:補丁
830:搜尋重疊區域
850:重疊區域
910:校正之紋理影像
1010:亮度變化方向
1011:第一補丁
1012:第二補丁
1020:亮度校正方向
1030:亮度變化程度
1110:步驟
1120:步驟
1130:步驟
1200:電子裝置
1210:處理器
1220:記憶體
1230:通信介面
1240:通信匯流排
1310:3D模擬螢幕
1320:織物類型
1330:尺寸
1350:輸入影像顯示物件
1360:紋理影像顯示物件
1370:輸入影像及紋理影像顯示物件
1380:輸入影像
1390:打開物件
1391:儲存物件
1392:應用物件
1393:取消物件
1410:紋理影像
1420:輸入影像
1430:紋理影像
1510:3D服裝之部分區域
1520:紋理影像
1530:選定區域
1540:對應於選定區域之紋理影像
圖1為展示根據一實施例的產生紋理影像之方法之附圖。
圖2為展示根據一實施例的分析物件區域、選定區域及基本紙樣區域之附圖。
圖3為展示根據一實施例的相似度資訊之附圖。
圖4為展示根據一實施例的重複數資訊及重複方向資訊之附圖。
圖5為展示根據一實施例的紋理影像之產生方法之附圖。
圖6為展示根據一實施例的基於紙樣校正資訊來校正紋理影像之方法之附圖。
圖7為展示根據一實施例的基於重疊區域資訊來校正紋理影像之方法之附圖。
圖8為展示根據一實施例的重疊區域之附圖。
圖9為展示根據一實施例的藉由移除重疊區域來產生校正後之紋理影像之方法之附圖。
圖10為展示根據一實施例的基於亮度校正資訊來校正紋理影像之方法之附圖。
圖11為展示根據一實施例的產生紋理之方法之流程圖。
圖12為展示根據一實施例的反映紋理影像之3D服裝模擬之附圖。
圖13a及圖13b為展示根據一實施例的將輸入影像及紋理影像中之至少一者輸出至螢幕之方法之附圖。
圖14為展示根據一實施例的在3D服裝模擬中調整紋理影像之尺寸之方法之附圖。
圖15為展示根據各種實施例的電子裝置之方塊圖。
110:輸入影像
120:紙樣提取部
121:判定分析物件區域
122:獲取相似度資訊
123:重複數資訊
124:重複方向資訊
130:紋理影像
140:紋理產生部
141:紙樣校正資訊
142:重疊區域資訊
143:亮度校正資訊
150:校正之紋理影像
Claims (20)
- 一種產生虛擬織物之紋理影像之方法,其特徵在於, 其包含以下步驟: 產生被包含在一分析物件區域中之一基本紙樣與分割該分析物件區域之多個子區域之間的各相似度資訊; 基於該相似度資訊產生該基本紙樣之重複數資訊及該基本紙樣之重複方向資訊中之至少一者;以及 基於該基本紙樣、該重複數資訊及該重複方向資訊,在一預定區域中排列多個基本紙樣,從而產生一虛擬織物之一紋理影像。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 該分析物件區域包含基於由一使用者輸入在包含織物之一輸入影像中判定之一選定區域所判定的區域。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 其亦包含以下步驟: 基於紙樣校正資訊、重疊區域資訊及亮度校正資訊中之至少一者來校正該紋理影像。
- 如請求項2之產生虛擬織物之紋理影像之方法,其中, 該選定區域包含基於使用者在該輸入影像中輸入之資訊所判定的區域。
- 如請求項2之產生虛擬織物之紋理影像之方法,其中, 該選定區域包含在該紋理影像中包含作為一重複物件之一基本紙樣的區域。
- 如請求項2之產生虛擬織物之紋理影像之方法,其中, 該輸入影像包含一彩色影像及一正常影像中之至少一者, 該相似度資訊基於以下中之至少一者來判定: 該彩色影像中之該基本紙樣與作為該選定區域之至少一部分之多個子區域之間的各第一相似度資訊;以及 該正常影像中之該基本紙樣與作為該選定區域之至少一部分之多個子區域之間的各第二相似度資訊。
- 如請求項6之產生虛擬織物之紋理影像之方法,其中, 該相似度資訊基於該第一相似度資訊及該第二相似度資訊之加權和來判定。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 該重複數資訊包含關於該分析物件區域中與該基本紙樣之相似度為預定標準以上之子區域的數量有關之資訊。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 該重複方向資訊包含方向相關資訊,該方向基於在該分析物件區域中與該基本紙樣之相似度為預定標準以上之子區域的分佈方向來判定。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 該重複方向資訊包含: 一第一方向,其基於一基本紙樣之一位置,分佈與該基本紙樣之相似度為預定標準以上之子區域;以及 一第二方向,其基於一基本紙樣之一位置,分佈與該基本紙樣之相似度為預定標準以上之子區域。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 產生該紋理影像之步驟包含以下步驟: 判定一基本紙樣之一位置; 基於該基本紙樣之該位置及該重複方向資訊來判定一第一方向及一第二方向; 基於該重複數資訊及該重複方向資訊,計算沿一第一方向分佈之多個子區域的一第一重複數及沿一第二方向分佈之多個子區域的一第二重複數;以及 基於該第一方向、該第二方向、該第一重複數及該第二重複數來重複排列該基本紙樣,從而產生該紋理影像。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 產生該重複數資訊及該重複方向資訊中之至少一者之步驟包含以下步驟: 模糊處理該相似度資訊以消除雜訊; 基於該模糊處理之相似度資訊,僅提取相似度為臨限值以上之區域; 使用快速傅立葉變換來變換僅提取該臨限值以上之區域之相似度資訊;以及 基於該變換之相似度資訊來獲取該重複數資訊及該重複方向資訊中之至少一者。
- 如請求項3之產生虛擬織物之紋理影像之方法,其中, 基於該紙樣校正資訊來校正該紋理影像之步驟包含以下步驟: 將該第一方向與該第二方向之間的一角度轉換為垂直; 基於該第一方向及該第二方向來對準配置在該產生之紋理影像中之多個基本紙樣; 當沿該第一方向之一第一基準線為曲線時,校正該第一基準線為直線,以使該第一基準線相對於該第二方向垂直;以及 當沿該第二方向之一第二基準線為曲線時,校正該第二基準線為直線,以使該第二基準線相對於該第一方向垂直。
- 如請求項3之產生虛擬織物之紋理影像之方法,其中, 基於該重疊區域資訊來校正該紋理影像之步驟,其包含以下步驟: 將該紋理影像分割為多個補丁; 重新排列該多個補丁; 在該重新排列之多個補丁相互接觸之區域中判斷是否存在紙樣不連續區域; 基於該等紙樣不連續區域之存在與否,判定該多個補丁之重疊區域;以及 基於該等重疊區域來重疊該多個補丁。
- 如請求項14之產生虛擬織物之紋理影像之方法,其中, 其亦包含以下步驟: 使用多頻段融合方法來平滑該多個補丁。
- 如請求項3之產生虛擬織物之紋理影像之方法,其中, 基於該亮度校正資訊來校正該紋理影像之步驟包含以下步驟: 基於該亮度校正資訊來校正該多個基本紙樣之亮度,以解決該紋理影像中包含之該多個基本紙樣之間的亮度不一致。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 其亦包含以下步驟: 將在一3D化身上穿戴根據該紋理影像產生之一3D服裝之模擬結果輸出至螢幕。
- 如請求項1之產生虛擬織物之紋理影像之方法,其中, 其亦包含以下步驟: 接收與控制該紋理影像之尺寸有關之一使用者輸入;以及 根據對該紋理影像之一尺寸控制輸入,控制該3D服裝上表示之紋理影像之尺寸。
- 一種與硬體結合儲存在電腦可讀記錄媒體中之電腦程式,以執行如請求項1之方法。
- 一種電子裝置,其特徵在於, 其包含一處理器, 該處理器經組態以: 產生被包含在一分析物件區域中之一基本紙樣與分割該分析物件區域之多個子區域之間的各相似度資訊; 基於該相似度資訊產生該基本紙樣之重複數資訊及該基本紙樣之重複方向資訊中之至少一者;以及 基於該基本紙樣、該重複數資訊及該重複方向資訊,在預定區域中排列多個基本紙樣,從而產生一虛擬織物之一紋理影像。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20210088927 | 2021-07-07 | ||
KR10-2021-0088927 | 2021-07-07 | ||
KR10-2022-0082625 | 2022-07-05 | ||
KR1020220082625A KR20230008621A (ko) | 2021-07-07 | 2022-07-05 | 텍스처 영상 생성 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202320020A true TW202320020A (zh) | 2023-05-16 |
TWI842007B TWI842007B (zh) | 2024-05-11 |
Family
ID=
Also Published As
Publication number | Publication date |
---|---|
EP4191536A1 (en) | 2023-06-07 |
CN115803787A (zh) | 2023-03-14 |
WO2023282614A1 (ko) | 2023-01-12 |
US20230245367A1 (en) | 2023-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230245367A1 (en) | Generating texture image for virtual object from captured image | |
CN102169587B (zh) | 图像处理设备和方法 | |
Bräunl et al. | Parallel image processing | |
Szeliski et al. | Fast poisson blending using multi-splines | |
JP6188452B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US20210312599A1 (en) | Automatic synthesis of a content-aware sampling region for a content-aware fill | |
US20230394740A1 (en) | Method and system providing temporary texture application to enhance 3d modeling | |
Gai et al. | Artistic low poly rendering for images | |
Yang et al. | Paint with stitches: a style definition and image-based rendering method for random-needle embroidery | |
AU2019200269B2 (en) | An interactive user interface and its corresponding engine for improving image completion quality | |
CN111862001B (zh) | Ct影像的半自动标注方法及装置、电子设备、存储介质 | |
TWI842007B (zh) | 產生虛擬織物之紋理影像之方法、與硬體結合儲存在電腦可讀記錄媒體中之電腦程式及電子裝置 | |
Yang et al. | Paint with stitches: A random-needle embroidery rendering method | |
Gui et al. | Periodic pattern of texture analysis and synthesis based on texels distribution | |
KR20230008621A (ko) | 텍스처 영상 생성 방법 및 장치 | |
CN109063601A (zh) | 唇纹检测方法、装置、计算机设备和存储介质 | |
Ogaki et al. | Production ray tracing of feature lines | |
CN110163829B (zh) | 图像生成方法、装置和计算机可读存储介质 | |
US20190287225A1 (en) | Patch validity test | |
Červeňanský et al. | Parallel GPU-based data-dependent triangulations | |
Nakov et al. | Parallel image stitching based on multithreaded processing on gpu | |
CN113167568A (zh) | 坐标计算装置、坐标计算方法和计算机可读记录介质 | |
Júnior et al. | An approach for non-photorealistic rendering that is appealing to human viewers | |
Buscema et al. | Images as active connection matrixes: The J-net system | |
JP7102772B2 (ja) | 画像処理装置及びプログラム |