TWI826988B - 三維影像評估的系統以及方法 - Google Patents
三維影像評估的系統以及方法 Download PDFInfo
- Publication number
- TWI826988B TWI826988B TW111112242A TW111112242A TWI826988B TW I826988 B TWI826988 B TW I826988B TW 111112242 A TW111112242 A TW 111112242A TW 111112242 A TW111112242 A TW 111112242A TW I826988 B TWI826988 B TW I826988B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- object image
- dimensional
- cross
- measured
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 title abstract description 31
- 230000006870 function Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 14
- 238000010146 3D printing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一種三維影像評估的系統以及方法，該方法包括以三維物體影像的中心點對三維物體影像進行水平旋轉，依據多個視角角度且以固定焦距對三維物體影像擷取多個截面影像，其中該些截面影像包括物體影像區域以及非物體影像區域；分別依據該些截面影像獲取多個待測物體影像輪廓；依據結構相似性演算法分別計算三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度；以及依據該些相似度計算相似度平均值。
Description
本發明是有關於影像評估，且特別是有關於一種三維影像評估的系統以及方法。
立體顯示技術的發展已漸趨成熟，但至今仍沒有一個明確且統一的立體影像品質評估標準。影像評估方法大致分為主觀測試及客觀方法。相對於主觀測試，客觀影像評估技術雖可減少大量的時間，但與人眼感受間差異性仍需要考慮。舉例來說，峰值信噪比(Peak signal-to-noise ratio，PSNR)是目前使用相當廣泛的客觀影像質量之度量方法，從定義上可用來表示訊號的最大功率和雜訊功率的比值，並以此評估影像質量，但卻無法適用於立體影像。
針對立體影像的評估，Chaminda T.E.R等人提出以Sobel filtering從立體影像的深度圖(depth map)提取二元邊緣掩模(binary edge mask)，並根據提取出來的原始影像與重建影像的邊緣資訊(edge information)進行PSNR比較，但由於人類視
覺感知系統的非線性，因此PSNR值與人眼感受到的影像質量仍有較大出入。
結構相似性指標(structural similarity index，SSIM)則是一種用來衡量兩張影像相似程度的指標，並比較兩張影像的亮度、對比度以及結構性，所得出的SSIM值愈大，代表兩張影像的相似性愈高。因需考慮將更多參數進行分析，相對於PSNR，SSIM更能符合人眼對影像品質的判斷。SSIM的好處是將影像的品質量化成一個數值以利於比較，但是單一的數值並無法表現出3D立體影像在不同的觀看角度或深度時的情況，基於SSIM的評估指標，Roger Olsson等人將各個深度的2D影像結合起來，接著將每一個影像劃分到相對應的深度，最後再用平均結構相似性指標(mean Structural Similarity，MSSIM)量化影像品質。Boev等人結合單眼及立體評估部件，並定義出表現單眼特性的單眼影像(cyclopean image)以及表現立體特性的認知差異影像和立體相似度影像，接著這些影像資訊經計算SSIM後結合成單眼影像品質指標以及立體影像品質指標，這個方法比起利用PSNR進行影像品質評估更加理想。
上述方式對於視差型立體影像可提供有效的品質評估，但對於三維全像影像或光場顯示這類可提供連續視差的立體影像，還需考量顯示原理與影像特性進行方法上的調整，因此三維全像影像或光場顯示大多採用電荷耦合器件(charge-coupled device，CCD)對重建影像進行擷取紀錄後再對擷取影像進行分
析。常見的評估方式有相對繞射效率(Relative diffraction efficiency，RDE)、均方根誤差(Root mean square error，RMSE)、訊噪比(Signal to noise ratio，SNR)、雷射光斑對比度(Speckle contrast，SC)四種，這四種分析方法對於二維全像影像具有評估的可靠度，但用於三維全像影像評估卻可能會有失真。對於評估失真問題，相較於RMSE、SNR，使用SSIM這種透過分析影像之亮度、對比度以及結構性來判斷影像之失真程度的方法更適合用來評估全像影像。
由於三維全像影像、光場顯示以及三維列印均具有多深度資訊點，而影像的資訊點皆有各自不同的重建距離與位置，由於所有資訊點並非在同一平面，導致重建影像的資訊點光強不一且僅對對焦資訊點紀錄清晰，而使SSIM中的結構性或是亮度數值受到影響，進而影響影像評估的準確性，也無法達到如模擬重建預期的高SSIM值。
本發明提供一種三維影像評估的系統以及方法，可對三維全像影像、光場顯示或三維列印的影像評估或品質評估進行準確評估。
本發明提供的三維影像評估的方法，包括：以三維物體影像的中心點對三維物體影像進行水平旋轉，依據多個視角角度且以固定焦距對三維物體影像擷取多個截面影像，其中該些截面
影像包括物體影像區域以及非物體影像區域；分別依據該些截面影像獲取多個待測物體影像輪廓；依據結構相似性演算法分別計算三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度；以及依據該些相似度計算三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度平均值。
本發明提供的三維影像評估的系統，包括影像擷取裝置、記憶體以及處理器。以中心點對三維物體影像進行旋轉，影像擷取裝置依據多個視角角度且以固定焦距對三維物體影像擷取多個截面影像，其中該些截面影像包括物體影像區域以及非物體影像區域。記憶體儲存有多個指令。處理器耦接影像擷取裝置及該記憶體，處理器經配置執行該些指令以分別依據該些截面影像獲取多個待測物體影像輪廓；依據結構相似性演算法分別計算該三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度；以及依據該些相似度計算三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度平均值。
基於上述，本發明提供的三維影像評估的方法以及系統，不僅適用於三維全像影像以及光場顯示的影像品質評估，而且適用於或三維列印的品質評估，可通過旋轉三維物體影像，以於多個視角角度對三維物體影像擷取包括物體影像的多個截面影像，以獲取待測物體影像輪廓，並且計算三維物體影像的物體輪廓與多個待測物體影像輪廓之間的相似度以及相似度平均值，從而達到準確評估三維影像的影像品質的目的。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
10:三維影像評估的系統
110:影像擷取裝置
120:記憶體
130:處理器
20:原始影像
30:三維物體影像
40:空間光調變器
50:截面影像
140:物體影像
150:待測物體影像輪廓
S801-S804:步驟
圖1是依照本發明的一實施例的三維影像評估的系統的示意圖。
圖2是依照本發明的一實施例的原始影像的示意圖。
圖3是依照本發明的一實施例的三維重建影像的示意圖。
圖4是依照本發明的一實施例的多個截面影像的示意圖。
圖5是依照本發明的一實施例的單一視角角度下的截面影像的示意圖。
圖6是依照本發明的一實施例的單一視角角度下的待測物體影像輪廓的示意圖。
圖7是依照本發明的一實施例的多個待測物體影像輪廓的示意圖。
圖8是依照本發明的一實施例的三維影像評估的方法的流程示意圖。
由於三維全像影像或光場顯示等以光學技術重建的三維物體影像的資訊點皆有各自不同的重建距離與位置，導致待測重
建影像的資訊點光強不一且僅對對焦資訊點紀錄清晰，而影響結構相似性指標(structural similarity index，SSIM)中結構性數值或是亮度數值。因此本發明實施例通過0至360度的視角範圍內對三維重建影像擷取多個截面影像，且獲取多個待測物體影像輪廓，並且計算三維重建影像的輪廓與多個待測物體影像輪廓之間的相似度以及相似度平均值來評估三維影像的影像品質的方法，此方法也可應用於評估三維列印的品質，本發明並不以此為限。以下提出符合本發明的對應實施例。
圖1是依照本發明的一實施例的三維影像評估的系統的示意圖。請參照圖1，三維影像評估的系統10包括影像擷取裝置110、記憶體120以及處理器130。影像擷取裝置110例如是具有電荷耦合元件(Charge Coupled Device，CCD)或互補式金氧半導體(Complementary Metal-Oxide Semiconductor，CMOS)元件的影像感測器。
圖2是依照本發明的一實施例的原始影像的示意圖。圖3是依照本發明的一實施例的三維重建影像的示意圖。
請參照圖2及圖3，於本發明一實施例中，當入射光照射空間光調變器40時，藉由MGSA(modified Gerchberg-Saxton algorithm)演算法將原始影像20於重建位置例如與空間光調變器40相距50cm處形成三維重建影像30，MGSA演算法用於計算3D對象於不同視角下的多個投影的POFs(phase only functions)，3D對象的光場分佈為3D資訊點的疊加。在本實施
例中的空間光調變器40設置在照明光束的傳遞路徑上。空間光調變器40例如是數位微鏡元件(Digital Micro-mirror Device,DMD)、矽基液晶面板(Liquid-crystal-on-silicon Panel,LCOS Panel)等任何適於重建三維全息影像的光學元件。
圖4是依照本發明的一實施例的多個截面影像的示意圖。以三維物體影像30的中心點對三維物體影像30進行水平旋轉，此中心點為三維物體影像30的長、寬及高的中心的平面的相交點。請參照圖4，影像擷取裝置110依據多個視角角度且以固定焦距對三維物體影像30擷取多個截面影像50。於本實施例中，影像擷取裝置110依據0度至360度的視角範圍中的多個視角角度(例如圖4中以30、60、90、120、150、180、210、240、270、300度的視角角度)且以固定焦距(例如50cm)分別對三維物體影像30擷取多個截面影像50。
記憶體120例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合，其係用以儲存三維影像評估的系統10運作中可能使用的資料、程式碼及/或影像等。亦即，記憶體120更用以記錄可由處理器130執行的多個指令。
處理器130耦接於影像擷取裝置110以及記憶體120，以執行三維影像評估的系統10的整體運作。在本實施例中，處理器130例如是中央處理單元(Central Processing Unit，CPU)，
或是其他可程式化之微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor，DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)、可程式化邏輯裝置(Programmable Logic Device，PLD)或其他具備運算能力的硬體裝置，但本揭露並不以此為限。
圖5是依照本發明的一實施例的單一視角角度下的截面影像的示意圖。圖6是依照本發明的一實施例的單一視角角度下的待測物體影像輪廓的示意圖。圖7是依照本發明的一實施例的多個待測物體影像輪廓的示意圖。
請參照圖5，影像擷取裝置110依據單一視角角度下且以固定焦距擷取的截面影像50包括物體影像區域C2以及非物體影像區域C1。處理器130將截面影像50分為物體影像區域C2以及非物體影像區域C1。具體而言，物體影像區域C2為截面影像50中包括物體影像140的最大裁切區域，而非物體影像區域C1包括截面影像50中除物體影像區域C2的其他區域，以去除截面影像50中過多的雜訊資訊點。
請參照圖6，影像擷取裝置110依據單一視角角度(例如30度的視角角度)且以固定焦距50cm擷取截面影像50，處理器130擷取截面影像50中灰階值大於非物體影像區域C1中最高灰階值的多個資訊點，以獲取待測物體影像輪廓150。
請參照圖7，影像擷取裝置110分別依據30、60、90、120、150、180、210、240、270、300度的視角角度且以固定焦
距擷取多個截面影像50，處理器130擷取截面影像50中灰階值大於非物體影像區域C1中最高灰階值的多個資訊點，以獲取圖7中的多個待測物體影像輪廓150。處理器130依據結構相似性演算法分別計算三維物體影像30的物體輪廓與待測物體影像輪廓150之間的相似度，並且依據相似度計算三維物體影像30的物體輪廓與待測物體影像輪廓150之間的相似度平均值，以藉由此相似度平均值對三維物體影像30的影像品質進行準確評估。
以下即搭配三維影像評估的系統10中的各項元件以及公式說明實施例中依據0度至360度的視角範圍中的多個視角角度下計算三維物體影像30的物體輪廓與待測物體影像輪廓150之間的相似度以及相似度平均值的詳細步驟。
圖8是依照本發明的一實施例的三維影像評估的方法的流程示意圖。請參照圖8，在步驟S801中，以三維物體影像30的中心點對三維物體影像30進行水平旋轉，影像擷取裝置110依據0度至360度的視角範圍中的多個視角角度且以固定焦距對三維物體影像30擷取多個截面影像50，其中截面影像包括物體影像區域C2以及非物體影像區域C1。詳細來說，三維影像評估的系統10依據三維旋轉矩陣對三維物體影像30進行旋轉，使得三維物體影像30在三維直角坐標系中繞x、y、z軸做旋轉，利用影像擷取裝置110依據0度至360度的視角範圍中的多個視角角度且以固定焦距對旋轉的三維物體影像30擷取多個截面影像50。可以下述公式(1)計算旋轉後的三維物體影像30在三維直
角坐標系中的座標O i '，其中i為三維物體影像30的任一資訊點，R y (θ)為三維旋轉矩陣，O i (x,y,z)為三維物體影像30在三維直角坐標系中的座標，以下為公式(1)：O i '=R y (θ)×O i (x,y,z)...(1)。
其中旋轉後的三維物體影像30的圖像資訊可以以下述公式(2)定義，其中O為三維物體影像30，可將三維物體影像30定義為解析度為m×n的圖像矩陣，m和n分別是三維物體影像30的水平分辨率和垂直分辨率，x,y,z為三維直角坐標系中三維物體影像30的空間坐標，O i,j 為三維物體影像30的任一資訊點。經計算後的三維物體影像30可定義為[O i,j ] m×n (x,y,z)。
O=[O i,j ] m×n (x,y,z)...(2)。
截面影像50可以以下述公式(3)定義，其中C為截面影像50，可定義為解析度為m×n的圖像矩陣，x,y,z為三維直角坐標系中截面影像50顯示的空間坐標，C i,j 為截面影像50的任一資訊點。經計算後的截面影像50可定義為C=[C i,j ] m×n (x,y,z)。
C=[C i,j ] m×n (x,y,z)...(3)。
更具體而言，三維物體影像30的中心點設為成像距離為 z ，可以以下述公式(4)計算成像距離 z 的截面影像C z ：C z =[C i,j ] m×n (x,y)...(4)。
在步驟S802中，處理器130分別擷取多個截面影像50中灰階值大於非物體影像區域C1中最高灰階值的多個資訊點，以獲取多個待測物體影像輪廓150。具體而言，處理器130將截
面影像50分為物體影像區域C2以及非物體影像區域C1。具體而言，物體影像區域C2為截面影像50中包括物體影像140的最大裁切區域，而非物體影像區域C1包括截面影像50中除物體影像區域C2的其他區域，以去除截面影像50中過多的雜訊資訊點，減輕處理器130的運算負荷。可依據下述公式(5)計算截面影像50中的物體影像140，其中C P>0為包括灰階值大於0的資訊點構成的物體影像：C P>0=[C i,j ] m×n (x,y)...(5)
在本實施例中，處理器130從非物體影像區域C1中選擇具有最高灰階值P max 的資訊點，並且從物體影像區域C2中選擇灰階值P>P max 的多個資訊點以獲取待測物體影像輪廓150，可依據下述公式(6)計算待測物體影像輪廓
，其中公式(6)如下述：
在步驟S803中，處理器130依據結構相似性演算法分別計算三維物體影像30的物體輪廓與多個待測物體影像輪廓150之間的多個相似度。首先可依據結構相似性演算法公式(7)至(14)計算在單一視角角度下的三維物體影像的物體輪廓O與待測物體影像輪廓C之間的相似度SSIM silhouette (O,C)，其中公式(7)至(14)如下述：SSIM silhouette (O,C)=[l(O,C)] α [c(O,C)] β [s(O,C)] γ ...(7)
h 1=(k 1 L)2...(11)
h 2=(k 2 L)2...(12)
h 3=h 2/2...(13)
L=2#bits per pixel -1=255...(14)
詳細來說，α、β、γ皆為1，也即是說，於本實施例中，亮度、對比度與結構的SSIM權重相等，由此得出的評估結果更為可靠。若計算出SSIM silhouette (O,C)為1，則說明三維物體影像的物體輪廓O與待測物體影像輪廓C完全一致；若計算出SSIM silhouette (O,C)為0，則說明三維物體影像的物體輪廓O與待測物體影像輪廓C幾乎無關聯。其中，l(O,C)為亮度對比函數，用以比較三維物體影像的物體輪廓O與待測物體影像輪廓C之間的亮度，c(O,C)為對比度對比函數，用以比較三維物體影像的物體輪廓O與待測物體影像輪廓C之間的對比度，s(O,C)為結構對比函數，用以比較三維物體影像的物體輪廓O與待測物體影像輪廓C之間的結構性，μ O & μ C 為三維物體影像的物體輪廓O與待測物體影像輪廓C的平均值，σ O & σ C 為三維物體影像的物體輪廓O與待測物體影像輪廓C的方差，σ OC 為三維物體影像的物體輪廓O與待測物體影像輪廓C的協方差。h1、h2與h3為常數，用於穩定當分子與分母數值接近0時所造成之大幅度變化，其中k1與k2分別為0.01與0.03。
在步驟S804中，處理器130依據下述公式(15)中的
演算法計算三維物體影像的物體輪廓與多個待測物體影像輪廓之間的相似度平均值。具體而言，處理器130依據步驟S803計算得到0度至360度的視角範圍中的多個視角角度的三維物體影像的物體輪廓O與待測物體影像輪廓C之間的相似度SSIM silhouette (O,C)，再計算
SSIM silhouette，最後依據公式(15)中的演算法計算三維物體影像的物體輪廓O與多個待測物體影像輪廓C之間的相似度平均值SSIM 3D ，其中公式(15)為：
若依據公式(15)中的演算法計算出SSIM 3D 為1，三維物體影像的物體輪廓O與多個待測物體影像輪廓C完全一致；若計算出SSIM 3D 為0，則說明三維物體影像的物體輪廓O與待測物體影像輪廓C幾乎無關聯。
綜上所述，本發明可提供一種三維影像評估的方法以及系統，可於0度至360度的視角範圍內的多個視角角度對三維重建影像擷取包括物體影像的多個影像輪廓，並且計算三維物體影像的物體輪廓與多個待測物體影像輪廓之間的相似度以及相似度平均值，從而達到準確評估三維影像的失真程度的目的。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S801-S804:步驟
Claims (5)
- 一種三維影像評估的方法，包括：以一三維物體影像的一中心點對該三維物體影像進行水平旋轉，依據多個視角角度且以一固定焦距對該三維物體影像擷取多個截面影像，其中該些截面影像包括一物體影像區域以及一非物體影像區域，其中該物體影像區域為該些截面影像中包括一物體影像的最大裁切區域，該非物體影像區域為該些截面影像中除該物體影像區域以外的其他區域；分別依據該些截面影像獲取多個待測物體影像輪廓，其中該分別依據該些截面影像獲取該些待測物體影像輪廓的步驟中更包括：分別依據該物體影像區域中一灰階值大於該非物體影像區域中一最高灰階值的多個資訊點以獲取該些待測物體影像的影像輪廓；依據一結構相似性演算法分別計算該三維物體影像的物體輪廓與該些待測物體影像的影像輪廓之間的一相似度；以及依據該些相似度計算該三維物體影像的物體輪廓與該些待測物體影像的影像輪廓之間的相似度平均值。
- 如請求項1所述的方法，其中該以該三維物體影像的該中心點對該三維物體影像進行水平旋轉，依據該些視角角度且以該固定焦距對該三維物體影像擷取該些截面影像，其中該些截面影像包括該物體影像區域以及該非物體影像區域的步驟中， 依據0度至360度的視角範圍中的該些視角角度且以該固定焦距分別對該三維物體影像擷取該些截面影像。
- 如請求項2所述的方法，其中該結構相似性演算法為：SSIM silhouette (O,C)=[l(O,C)] α [c(O,C)] β [s(O,C)] γ 其中，O為該三維物體影像的物體輪廓，C為該待測物體影像輪廓，α、β、γ皆為1，l(O,C)為亮度對比函數，c(O,C)為對比度對比函數，s(O,C)為結構對比函數，SSIM silhouette (O,C)為單一視角角度下該三維物體影像的物體輪廓與該待測物體影像輪廓的相似度值。
- 如請求項3所述的方法，其中該依據該些相似度計算該三維物體影像的物體輪廓與該些待測物體影像輪廓之間的該相似度平均值的步驟中，依據計算該三維物體影像的物體輪廓與該些待測物體影像輪廓之間的相似度平均值，其中，SSIM silhouette為單一視角角度下該三維物體影像的物體輪廓與該待測物體影像輪廓的該相似度值，SSIM 3D 為依據該0度至360度的視角範圍中該些視角角度下的該三維物體影像的物體輪廓與該些待測物體影像輪廓的相似度平均值。
- 一種三維全像影像評估的系統，包括：一影像擷取裝置，一三維物體影像以一中心點對進行旋轉，該影像擷取裝置依據多個視角角度且以一固定焦距對該三維物體影像擷取多個截面影像，其中該些截面影像包括一物體影像區域 以及一非物體影像區域，其中該物體影像區域為該些截面影像中包括一物體影像的最大裁切區域，該非物體影像區域為該些截面影像中除該物體影像區域以外的其他區域；一記憶體，儲存有多個指令；以及一處理器，耦接該影像擷取裝置及該記憶體，該處理器經配置執行該些指令以，分別依據該些截面影像獲取多個待測物體影像輪廓，其中該分別依據該些截面影像獲取該些待測物體影像輪廓的步驟中更包括：分別依據該物體影像區域中一灰階值大於該非物體影像區域中一最高灰階值的多個資訊點以獲取該些待測物體影像的影像輪廓；依據一結構相似性演算法分別計算該三維物體影像的物體輪廓與該些待測物體影像的影像輪廓之間的一相似度；以及依據該些相似度計算該三維物體影像的物體輪廓與該些待測物體影像的影像輪廓之間的相似度平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111112242A TWI826988B (zh) | 2022-03-30 | 2022-03-30 | 三維影像評估的系統以及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111112242A TWI826988B (zh) | 2022-03-30 | 2022-03-30 | 三維影像評估的系統以及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202338748A TW202338748A (zh) | 2023-10-01 |
| TWI826988B true TWI826988B (zh) | 2023-12-21 |
Family
ID=89856245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111112242A TWI826988B (zh) | 2022-03-30 | 2022-03-30 | 三維影像評估的系統以及方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI826988B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828182A (en) * | 2006-12-27 | 2008-07-01 | Ind Tech Res Inst | Method of utilizing multi-view images to solve occlusion problem for photorealistic model reconstruction |
| US20200250845A1 (en) * | 2019-01-31 | 2020-08-06 | Fujitsu Limited | Evaluation method and information processing apparatus |
| CN113313359A (zh) * | 2021-04-30 | 2021-08-27 | 北京医准智能科技有限公司 | 一种影像标注诊断质量的评估方法及装置 |
| TWM622703U (zh) * | 2021-10-26 | 2022-01-21 | 興友科技股份有限公司 | 具有影像掃描功能的體組成分析系統 |
-
2022
- 2022-03-30 TW TW111112242A patent/TWI826988B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828182A (en) * | 2006-12-27 | 2008-07-01 | Ind Tech Res Inst | Method of utilizing multi-view images to solve occlusion problem for photorealistic model reconstruction |
| US20200250845A1 (en) * | 2019-01-31 | 2020-08-06 | Fujitsu Limited | Evaluation method and information processing apparatus |
| CN113313359A (zh) * | 2021-04-30 | 2021-08-27 | 北京医准智能科技有限公司 | 一种影像标注诊断质量的评估方法及装置 |
| TWM622703U (zh) * | 2021-10-26 | 2022-01-21 | 興友科技股份有限公司 | 具有影像掃描功能的體組成分析系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202338748A (zh) | 2023-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107607040B (zh) | 一种适用于强反射表面的三维扫描测量装置及方法 | |
| JP5881960B2 (ja) | テレセントリック焦点ぼかしを使用した３ｄイメージング | |
| JP6319329B2 (ja) | プレノプティック・カメラを使った表面属性の推定 | |
| JP5342036B2 (ja) | ３ｄ表面形状をキャプチャーするための方法 | |
| US8334893B2 (en) | Method and apparatus for combining range information with an optical image | |
| US20130335535A1 (en) | Digital 3d camera using periodic illumination | |
| CN111160136B (zh) | 一种标准化3d信息采集测量方法及系统 | |
| CN112116576A (zh) | 基于偏振结构光成像和改进Mask R-CNN的缺陷检测方法 | |
| CN108846837B (zh) | 物体表面缺陷检测方法和装置 | |
| EP3756161B1 (en) | Method and system for calibrating a plenoptic camera system | |
| US10664685B2 (en) | Methods, systems, and devices for optical sectioning | |
| CN107483815B (zh) | 运动物体的拍摄方法和装置 | |
| JP4843544B2 (ja) | ３次元画像補正方法及びその装置 | |
| JP5911292B2 (ja) | 画像処理装置、撮像装置、画像処理方法、および、画像処理プログラム | |
| CN116958419A (zh) | 一种基于波前编码的双目立体视觉三维重建系统和方法 | |
| JP6285686B2 (ja) | 視差画像生成装置 | |
| CN104200456B (zh) | 一种用于线结构光三维测量的解码方法 | |
| CN113298700B (zh) | 一种在散射场景中的高分辨图像重构方法 | |
| TWI826988B (zh) | 三維影像評估的系統以及方法 | |
| CN107493429B (zh) | 自拍照片的自拍杆屏蔽方法和装置 | |
| CN109785375A (zh) | 基于3d建模的距离检测方法及装置 | |
| EP2693397B1 (en) | Method and apparatus for noise reduction in an imaging system | |
| CN114189623B (zh) | 基于光场的屈光图形生成方法、装置、设备及存储介质 | |
| CN111489384B (zh) | 基于互视角的遮挡评估方法及装置、设备、系统和介质 | |
| CN110942480A (zh) | 一种单目单帧多光谱三维成像方法 |