图像运算处理：修订间差异

一系列数字图像捕捉和处理技术的集合
（创建页面，内容为“{{short description|一系列数字图像捕捉和处理技术的集合}} {{更广泛|计算成像}} thumb|upright=1.25|计算摄影提供了许多新的能力。这个例子结合了HDR（高动态范围）成像和全景图（[[图像拼接），通过从多个不同曝光的重叠主题图片中最优地结合信息。<ref>Steve Mann。“Compositing Multiple Pictures of the Same Scene”，第46届…”）
 
无编辑摘要
第66行： 第66行：
* Rick Szeliski (2010), ''[http://szeliski.org/Book/ Computer Vision: Algorithms and Applications]'', Springer.
* Rick Szeliski (2010), ''[http://szeliski.org/Book/ Computer Vision: Algorithms and Applications]'', Springer.
* Computational Photography: Methods and Applications (Ed. Rastislav Lukac), CRC Press, 2010.
* Computational Photography: Methods and Applications (Ed. Rastislav Lukac), CRC Press, 2010.
  *[http://wearcam.org/textbook.htm Intelligent Image Processing] (John Wiley and Sons book information).
* [http://wearcam.org/textbook.htm Intelligent Image Processing] (John Wiley and Sons book information).
  *[http://wearcam.org/comparam.htm Comparametric Equations].
* [http://wearcam.org/comparam.htm Comparametric Equations].
  *[http://www.dcs.shef.ac.uk/~guy/mscprojects/ GJB-1: Increasing the dynamic range of a digital camera by using the Wyckoff principle]
* [http://www.dcs.shef.ac.uk/~guy/mscprojects/ GJB-1: Increasing the dynamic range of a digital camera by using the Wyckoff principle]
  *[http://wearcam.org/dusting Examples of wearable computational photography as an art form]
* [http://wearcam.org/dusting Examples of wearable computational photography as an art form]
  *[https://web.archive.org/web/20060827204747/http://www.merl.com/people/raskar/photo/ Siggraph Course in Computational Photography]
* [https://web.archive.org/web/20060827204747/http://www.merl.com/people/raskar/photo/ Siggraph Course in Computational Photography]


[[Category:Digital photography]]
[[Category:Digital photography]]
[[Category:Computational fields of study]]
[[Category:Computational fields of study]]
[[Category:Computer vision]]
[[Category:Computer vision]]

2024年1月30日 (二) 17:07的版本

模板:更广泛

计算摄影提供了许多新的能力。这个例子结合了HDR（高动态范围）成像和全景图（图像拼接），通过从多个不同曝光的重叠主题图片中最优地结合信息。[1][2][3][4][5]

计算摄影是指使用数字计算而非光学过程的数字图像捕捉和处理技术。计算摄影可以提升相机的能力，或引入传统胶片摄影无法实现的功能，或降低相机元件的成本和尺寸。计算摄影的例子包括相机内部计算的数字全景图，[6] 高动态范围图像，以及光场相机。光场相机使用新型光学元件捕捉三维场景信息，然后用于生成3D图像、增强景深和选择性散焦（或“后期对焦”）。增强的景深减少了机械对焦系统的需求。所有这些特性都使用计算成像技术。

计算摄影的定义已经发展，以涵盖计算机图形学、计算机视觉和应用光学领域中的多个主题领域。以下是根据Shree K. Nayar提出的分类法组织的这些领域模板:引用需要。在每个领域中都列出了一系列技术，以及每项技术的一两篇代表性论文或书籍。 故意从分类法中排除了应用于传统捕捉图像的图像处理（也见数字图像处理）技术，以产生更好的图像。这些技术的例子包括图像缩放，动态范围压缩（即色调映射），颜色管理，图像完成（又称填补或孔填充），图像压缩，数字水印，以及艺术图像效果。 同样排除了产生范围数据，体积数据，3D模型，4D光场，4D、6D或8D BRDFs，或其他高维基于图像的表示的技术。Epsilon photography是计算摄影的一个子领域。

摄影的影响

使用计算摄影拍摄的照片可以让业余爱好者拍摄出与专业摄影师相媲美的作品，但截至模板:截至还没有超过使用专业级设备的效果。[7]

计算照明

这是以结构化的方式控制摄影照明，然后处理捕获的图像，以创建新图像。应用包括基于图像的重新照明、图像增强、图像去模糊，几何/材料恢复等。

高动态范围成像使用不同曝光的同一场景图片来扩展动态范围。[8] 其他例子包括处理和合并同一主题的不同照明图片（“光空间”）。

计算成像

计算成像是一组成像技术，结合数据采集和数据处理，通过间接手段创建物体的图像，以产生增强的分辨率、附加信息如光学相位或3D 重建。这些信息通常在没有使用常规光学显微镜配置或仅用有限的数据集的情况下记录下来。

计算成像允许超越光学系统的物理限制，例如numerical aperture，[9]甚至消除了对光学元件的需求。[10]

对于像目标这样难以制造的光学光谱部分，或者图像传感器无法微型化的情况，计算成像在如X射线[11]和太赫兹辐射等领域提供了有用的替代方案。

常见技术

常见的计算成像技术包括无镜头成像、计算散斑成像,[12] 屈托摄影和傅里叶屈托摄影。

计算成像技术常常借鉴压缩感知或相位恢复技术，其中重构了物体的角谱。其他与计算成像领域相关的技术包括数字全息、计算机视觉和诸如层析成像的逆问题。

计算处理

这是对非光学编码图像的处理，以产生新图像。

计算传感器

这些是结合感应和处理的探测器，通常在硬件中，如超采样二进制图像传感器。

计算机视觉中的早期工作

尽管计算摄影目前是计算机图形学中的一个热门词汇，但它的许多技术首次出现在计算机视觉文献中， 它们要么以其他名称出现，要么出现在针对3D形状分析的论文中。

1981年的便携式计算摄影装置

艺术史

便携式计算摄影起源于1970年代和1980年代初期，并已发展成为一种较新的艺术形式。这张图片被用于John Wiley and Sons出版的该主题教科书的封面。

计算摄影作为一种艺术形式，是通过捕捉同一主题物质的不同曝光图片，并将它们结合在一起来实践的。这成为了1970年代和1980年代初开发可穿戴计算机的灵感来源。计算摄影受到了[[Charles Wyckoff|查尔斯·怀科 ``` 

open_url("file-9xiCICDRuT7f8jHokbxLbNAS")

``` 怀科夫（Charles Wyckoff）致力于创造特殊的三层摄影胶片，捕捉同一主题物质的不同曝光。怀科夫拍摄的一张核爆照片曾出现在《生活》杂志封面上，展示了从暗外围到内核的动态范围。【完】

引用

  1. ↑ Steve Mann。“Compositing Multiple Pictures of the Same Scene”，第46届年度成像科学与技术大会论文集，1993年5月9-14日，马萨诸塞州剑桥
  2. ↑ S. Mann, C. Manders, 和 J. Fung, "The Lightspace Change Constraint Equation (LCCE) with practical application to estimation of the projectivity+gain transformation between multiple pictures of the same subject matter" 2003年4月6-10日，IEEE国际声学、语音和信号处理大会，第三卷，第481-4页。
  3. ↑ 同一投射-怀科夫群轨道中的函数域和范围的联合参数估计"，1996年9月16-19日，IEEE国际图像处理会议，第三卷，第193-196页。
  4. ↑ Frank M. Candocia: 领域和范围内的图像联合注册通过分段线性比较分析。IEEE图像处理交易，12(4): 409-419 (2003)
  5. ↑ Frank M. Candocia: [同时的同构和比较分析对齐多个曝光调整后的同一场景的图片]。IEEE图像处理交易，12(12): 1485-1494 (2003)
  6. ↑ Steve Mann 和 R. W. Picard。"[ Virtual bellows: constructing high-quality stills from video]，" 1994年11月13-16日，德克萨斯州奥斯汀，IEEE第一届国际图像处理会议论文集
  7. ↑ "计算摄影的边缘".
  8. ↑ [使用数字相机的'非数字'方式：通过组合不同曝光的图片来扩展动态范围，IS&T's（成像科学与技术学会）第48届年会，1995年5月，马萨诸塞州剑桥，第422-428页]
  9. ↑ Ou et al., "高数值孔径傅里叶屈托摄影：原理、实现和特性" Optics Express 23, 3 (2015)
  10. ↑ Boominathan et al., [ "无镜头成像：一场计算复兴"] (2016)
  11. ↑ Miyakawa et al., "编码孔径探测器：具有亚20纳米像素分辨率的图像传感器", Optics Express 22, 16 (2014)
  12. ↑ Katz et al., "通过散射层和转角的散斑相关实现非侵入式单次成像", Nature Photonics 8, 784–790 (2014)

外部链接

取自“https://wiki.statsape.com/index.php?title=图像运算处理&oldid=8933”