Форма з затінення: відмінності між версіями
[неперевірена версія] | [неперевірена версія] |
DDadyka (обговорення | внесок) Немає опису редагування |
АтаБот (обговорення | внесок) виправлення за допомогою AWB |
||
(Не показані 9 проміжних версій 2 користувачів) | |||
Рядок 1: | Рядок 1: | ||
'''Форма з затінення'''(англ. shape from shading) — це техніка [[Комп'ютерний зір|комп'ютерного зору]] яка полягає у відновленні форми тривимірного об'єкта за одним зображенням, що грунтується на зв'язку між інтенсивністю світла відбитого елементом поверхні і орієнтацією вектора [[Нормаль (геометрія)|нормалі]] цього елемента. Першу техніку відновлення форми із затінення було розроблено Хорном на початку 1970-х років, відтоді з'явилося багато різних підходів.<ref> |
'''Форма з затінення'''(англ. shape from shading) — це техніка [[Комп'ютерний зір|комп'ютерного зору]] яка полягає у [[Об'ємна відбудова|відновленні форми тривимірного об'єкта]] за одним зображенням, що грунтується на зв'язку між інтенсивністю світла відбитого елементом поверхні і орієнтацією вектора [[Нормаль (геометрія)|нормалі]] цього елемента, тобто є випадком [[Фотометричне стерео|фотометричного стерео]]. Першу техніку відновлення форми із затінення було розроблено Хорном на початку 1970-х років, відтоді з'явилося багато різних підходів.<ref>Ruo Zhang, Ping-Sing Tsai, James Edwin Cryer, and Mubarak Shah, 1999. [https://www.researchgate.net/publication/262213310_Shape_from_Shading_A_Survey Shape from Shading: A Survey]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 21, NO. 8. IEEE.</ref> |
||
Метод характеристичної смуги Хорна<ref> |
Метод характеристичної смуги Хорна<ref>B.K.P. Horn, 1970. [http://people.csail.mit.edu/bkph/AIM/AITR-232-OPT.pdf Shape from Shading: A Method for Obtaining the Shape of a Smooth Opaque Object from One View]. PhD thesis, Massachusetts Inst. of Technology</ref> по суті є методом поширення. Характеристична смуга — це смуга зображення, по якій глибина поверхні і орієнтація можуть бути визначені якщо ці величини відомі у початковій точці смуги. Метод хорна будує початкові поверхні навколо особливих точок (точок із максимальною яскравістю) використовуючи сферичне наближення поверхні. Напрямок характеристичних смуг визначається як напрямок градієнта інтенсивності. Для отримання щільної карти форми поверхні використовується інтерполяція характеристичних смуг. |
||
== Відомі підходи == |
== Відомі підходи == |
||
=== Методи поширення=== |
=== Методи поширення=== |
||
Методи |
Методи поширення розпочинають відновлення із єдиної точки або набору точок поверхні для яких форма або відома, або може бути однозначно визначена (наприклад яскраві точки) та поширюють інформацію про форму по цілому зображенню.<ref>M. Bichsel and A.P. Pentland, 1992. [https://ieeexplore.ieee.org/document/223150 A Simple Algorithm for Shape from Shading]. IEEE Proc. Computer Vision and Pattern Recognition, pp. 459-465, 1992.</ref> |
||
=== Локальні методи=== |
=== Локальні методи=== |
||
Локальні методи використовують певні припущення про локальний тип поверхні (наприклад вважають поверхню сферичною) та знаходять орієнтацію поверхні використовуючи |
Локальні методи використовують певні припущення про локальний тип поверхні (наприклад вважають поверхню сферичною) та знаходять орієнтацію поверхні використовуючи [[Похідна|похідну]] яскравості.<ref>C.H. Lee and A. Rosenfeld, 1985. [https://www.sciencedirect.com/science/article/abs/pii/0004370285900268 Shape from Shading Using the Light Source Coordinate System]. Artificial Intelligence, vol. 26, pp. 125-143, 1985.</ref> |
||
⚫ | |||
⚫ | Лінійні підходи зводять нелінійну задачу до лінійної шляхом лінеаризації [[Двопроменева функція відбивної здатності|функції відбивної здатності]]. Ідея заснована на припущені, що лінійна складова залежності переважає, тому такі алгоритми добре працюють лише при виконанні цього припущення на практиці. |
||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | Лінійні підходи зводять нелінійну задачу до лінійної шляхом лінеаризації [[Двопроменева функція відбивної здатності|функції відбивної здатності]]. Ідея заснована на припущені, що лінійна складова залежності переважає, тому такі алгоритми добре працюють лише при виконанні цього припущення на практиці.<ref>A. Pentland, 1988. [http://www.cnbc.cmu.edu/~tai/readings/shading/pentland.pdf Shape Information from Shading: A Theory about Human Perception]. Proc. Int'l Conf. Computer Vision, pp. 404-413, 1988.</ref> |
||
⚫ | |||
⚫ | |||
⚫ | Деякі сучасні методи відновлення форми із затінення базуються на спробах розв'язати це рівняння використовуючи певні припущення про граничні умови. |
||
⚫ | |||
⚫ | |||
⚫ | |||
⚫ | Деякі сучасні методи відновлення форми із затінення базуються на спробах розв'язати це рівняння використовуючи певні припущення про граничні умови.<ref>E. Cristiani, M. Falcone and A. Seghini, 2007. [https://www.researchgate.net/publication/221089438_Some_Remarks_on_Perspective_Shape-from-Shading_Models Some Remarks on Perspective Shape-from-Shading Models]. Conference: Scale Space and Variational Methods in Computer Vision, First International Conference, SSVM 2007, Ischia, Italy, May 30 - June 2, 2007, Proceedings</ref> |
||
== Примітки == |
== Примітки == |
Поточна версія на 14:35, 3 жовтня 2022
Форма з затінення(англ. shape from shading) — це техніка комп'ютерного зору яка полягає у відновленні форми тривимірного об'єкта за одним зображенням, що грунтується на зв'язку між інтенсивністю світла відбитого елементом поверхні і орієнтацією вектора нормалі цього елемента, тобто є випадком фотометричного стерео. Першу техніку відновлення форми із затінення було розроблено Хорном на початку 1970-х років, відтоді з'явилося багато різних підходів.[1]
Метод характеристичної смуги Хорна[2] по суті є методом поширення. Характеристична смуга — це смуга зображення, по якій глибина поверхні і орієнтація можуть бути визначені якщо ці величини відомі у початковій точці смуги. Метод хорна будує початкові поверхні навколо особливих точок (точок із максимальною яскравістю) використовуючи сферичне наближення поверхні. Напрямок характеристичних смуг визначається як напрямок градієнта інтенсивності. Для отримання щільної карти форми поверхні використовується інтерполяція характеристичних смуг.
Методи поширення розпочинають відновлення із єдиної точки або набору точок поверхні для яких форма або відома, або може бути однозначно визначена (наприклад яскраві точки) та поширюють інформацію про форму по цілому зображенню.[3]
Локальні методи використовують певні припущення про локальний тип поверхні (наприклад вважають поверхню сферичною) та знаходять орієнтацію поверхні використовуючи похідну яскравості.[4]
Лінійні підходи зводять нелінійну задачу до лінійної шляхом лінеаризації функції відбивної здатності. Ідея заснована на припущені, що лінійна складова залежності переважає, тому такі алгоритми добре працюють лише при виконанні цього припущення на практиці.[5]
Вважаючи поверхню об'екта ламбертівською зв'язок між формою поверхні u(x) та інтенсивністю відбитого світла I(x) можна подати у вигляді рівняння ейконала
, де
Деякі сучасні методи відновлення форми із затінення базуються на спробах розв'язати це рівняння використовуючи певні припущення про граничні умови.[6]
- ↑ Ruo Zhang, Ping-Sing Tsai, James Edwin Cryer, and Mubarak Shah, 1999. Shape from Shading: A Survey. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 21, NO. 8. IEEE.
- ↑ B.K.P. Horn, 1970. Shape from Shading: A Method for Obtaining the Shape of a Smooth Opaque Object from One View. PhD thesis, Massachusetts Inst. of Technology
- ↑ M. Bichsel and A.P. Pentland, 1992. A Simple Algorithm for Shape from Shading. IEEE Proc. Computer Vision and Pattern Recognition, pp. 459-465, 1992.
- ↑ C.H. Lee and A. Rosenfeld, 1985. Shape from Shading Using the Light Source Coordinate System. Artificial Intelligence, vol. 26, pp. 125-143, 1985.
- ↑ A. Pentland, 1988. Shape Information from Shading: A Theory about Human Perception. Proc. Int'l Conf. Computer Vision, pp. 404-413, 1988.
- ↑ E. Cristiani, M. Falcone and A. Seghini, 2007. Some Remarks on Perspective Shape-from-Shading Models. Conference: Scale Space and Variational Methods in Computer Vision, First International Conference, SSVM 2007, Ischia, Italy, May 30 - June 2, 2007, Proceedings