zoukankan      html  css  js  c++  java
  • 传统成像【计算成像资料汇总】

    第1章 传统成像

    1.1 传统成像的发展

      世界上最早的成像在公元前400年,我们中国的墨子发现了一个小孔的装置就可以成像(小孔成像原理)。之后,人们意识到设计各式各样的光学装置可以进行成像,随着技术的进步,利用光化学和数字成像器件等方式将成像所获得的图像记录下来,为图像处理和分析提供了可能。大致来讲,数码相机之前的都可以认为是属于传统成像的范畴。

    1.2 传统成像的特点

      传统成像可以简单的用所见即所得来概括。传统的的光学成像,其原理就是几何光学成像,核心只在镜头。比如说一个镜头,后面摆一个胶片或者一面屏幕,这样都能看到图像,拍到的是什么像,看到的就是什么像。

    1.3 传统成像的主要缺陷

    (一)景深问题

      景深的英文是Dof(depth of field)。景深是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。在聚焦完成后,在焦点前后的范围内都能形成清晰的像,这一前一后的距离范围,便叫做景深。

    影响景深的因素可以用如下表达式来表述:

     

    其中U代表物距,D代表光圈大小,f代表焦距。由公式可以看出,光圈越大,景深越浅,光圈越小,景深越深;镜头焦距越长,景深越浅,焦距越短,景深越深;距离越远,景深越深,距离越近,景深越浅。

    (二)模糊问题

    成像过程中,造成模糊的主要原因是:运动模糊和离焦模糊。

    (1)运动模糊

      运动模糊(motion blue):造成图像退化或者说使图像模糊的原因有很多种,如果是因为在摄像时相机和被摄景物之间有相对运动而造成的图像模糊则称为运动模糊(或者说动态模糊)。所得到图像中的景物往往会模糊不清,我们称之为运动模糊图像。

      消除运动模糊的方法:假设镜头的焦距为f,当曝光时间小于1/f时可消除运动模糊。在成像过程中,假设h是一个矩形函数,则其傅里叶变换式正弦函数,此时出现了H=0,要解决这种情况,只需要将矩形函数变成一系列矩形函数相加,这样就可以避免出现H=0这种情况。

    (2)离焦模糊

      在各种模糊中,离焦模糊普遍存在于卫星遥感图像、宇宙探测成像、公安破案、航天、道路交通、信息情报、微观物质的分析研究、医疗诊断等重大科研和研究领域中。日常生活中也会由于调焦不准、手的抖动或成像系统的质量问题等而造成离焦,事实上大多数成像过程中都存在或轻或重的离焦情况。虽然随着光学技术的发展,很多成像系统都有自动调焦功能,但是自动调焦系统通常精度不够,要提高精度就要加大成本。随着电子和CCD(Charge Coupled Device)技术的发展,成像技术由模拟时代跨入了数字时代。因此在数字图像处理领域中,研究离焦模糊图像的复原,提高其与原图像的逼真度是很有现实意义的。

      大多数研究人员在研究图像复原技术时都采用了简化方式,如将成像系统看成是一个空间不变的线性系统;将二维点扩散函数简化为一维线扩散函数进行处理,将图像的退化过程用固定的退化模型来表示等等。

      在离焦模糊图像的复原方法中,目前有两种退化模型,分别为圆盘离焦模型和高斯离焦模型来近似离焦的点扩散函数。

      圆盘离焦模型是利用几何光学知识研究离焦现象得出的。从几何光学的观点来看,点光源通过理想成像系统所成的像为一个接近为占函数的点,但是当物面、透镜和像面间的间距不满足高斯成像公式时,点光源的像不再是一个点而是一个圆盘状的弥散盘。在实际中,光并非严格遵循几何光学的规律进行直线传播,由于光的波粒二重性,光在通过光学孔径时会偏离直线路径发生衍射,这时圆盘离焦模型显得过于简单,并且圆盘离焦模型的频域变换存在太多零点,这也限制了此模型在实际中的应用。

      圆盘离焦模型为:

                        

      其中R为离焦模糊半径。

      高斯离焦模型为:

                    

      其中为高斯离焦模型参量。

      高斯离焦模型是许多光学测量系统和成像系统的最常见的退化函数模型,它是在综合考虑各种退化因素下,提出的一种近似模型,而不是经过理论推导得到一种精确模型,即高斯离焦模型的应用广泛却不精确。圆盘离焦模型和高斯离焦模型都不能很好的逼近实际离焦模型,传统的离焦模糊图像复原方法难以取得预期结果。


    后续目录:

    第2章 理论基础

    2.1 成像链路及成像模型

    2.2 衍射极限  衍射极限 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9380900.html

    2.3 分辨率 

      成像链路及成像模型、分辨率 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9408363.html

    第3章 计算成像

    3.1 计算成像的概念

    3.2 计算成像典型处理方法

      计算成像资料整理2 - ostartech - 博客园 http://www.cnblogs.com/wxl845235800/p/9406365.html

    第4章 扩大视场

    4.1 微相机阵列拼接

    4.2 多相机图像拼接

    4.3 仿生复眼

      扩大视场成像 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9408642.html

    第5章 超分辨率

      计算成像资料整理2 - ostartech - 博客园 http://www.cnblogs.com/wxl845235800/p/9406365.html

    第6章 增大景深

    6.1 大景深的概念

    6.2 增大景深的方法

    6.2.1 缩小孔径

    6.2.2 环形孔径

    6.2.3 图像融合

    6.2.4 幅度切趾法

    6.2.5 特殊设计镜头结合图像处理

    6.2.6 纯相位模板结合数字图像处理

    6.2.7 光场相机

       增大景深与全景深成像 - ostartech - 博客园 https://www.cnblogs.com/wxl845235800/p/9408684.html

  • 相关阅读:
    LeetCode 109 Convert Sorted List to Binary Search Tree
    LeetCode 108 Convert Sorted Array to Binary Search Tree
    LeetCode 107. Binary Tree Level Order Traversal II
    LeetCode 106. Construct Binary Tree from Inorder and Postorder Traversal
    LeetCode 105. Construct Binary Tree from Preorder and Inorder Traversal
    LeetCode 103 Binary Tree Zigzag Level Order Traversal
    LeetCode 102. Binary Tree Level Order Traversal
    LeetCode 104. Maximum Depth of Binary Tree
    接口和多态性
    C# 编码规范
  • 原文地址:https://www.cnblogs.com/wxl845235800/p/9406432.html
Copyright © 2011-2022 走看看