单幅散焦图像的深度恢复

本文探讨了利用单幅散焦图像恢复深度图的理论与方法,基于Pentland A P的论文,通过边缘检测法估算深度信息。论文指出,由于镜头的有限景深,物体边缘的模糊程度可作为恢复景深的重要依据。算法流程包括图像模糊化、梯度计算及边缘检测。最终,通过深度扩展法获得全景深度图。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

这周主要学习的是利用单幅散焦图像来恢复深度图。细读了Pentland A P的A new sense for depth of field以及衍生相关文章。论文提出了一种很实用的方法边缘检测法,这种方法将一幅散焦图像建模成为一幅清晰图像与一个PSF做卷积运算,然后依靠场景中的物体边缘位置的模糊量与深度对应关系估算出深度信息。然后下面简述一下论文当中的具体流程和思想。

  1. 论文的内容

在生物学系统上,除了视网膜中心凹以外的任何地方都是非常糟糕的聚焦区域。从完美聚焦到聚焦模糊是一个渐变的过程,这个过程是深度信息的一个非常重要的来源,我们可以利用这个渐变过程来恢复景深。也就是说:镜头具有有限的景深,只有在正确距离处的物体才是清晰的,其他物理和它们的距离成比例的模糊。

为什么要估计边缘处的散焦模糊程度?因为边缘是图像局部强度变化最显著的部分,其通常与图像强度或图像强度的一阶导数的不连续性有关。

在一个薄透镜模型中,存在下面的关系:

其中u表示物距,v表示像距,F表示焦距。

下图就是一个简单的光学薄透镜模型:

评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值