수동적인 3 차원 초점 이탈법은 물체의 두 초점 이탈 이미지에서 상대 흐림, 즉 두 개의 초점 이탈 매개변수의 비율을 찾은 다음 두 개의 초점 이탈 매개변수의 비율과 광학 시스템의 블러 매개변수 간의 관계를 통해 오브젝트의 3 차원 구조를 얻는 것을 말합니다. 이 방법은 가장 먼저 연초에 제기된 것이다. 3D 초점 제거 방법은 블러를 계산할 때 오브젝트 표면의 텍스처 특징을 기반으로 해야 하므로 오브젝트 표면 텍스처 특성이 크게 변경될 때 정확한 상대 블러를 쉽게 얻을 수 없으므로 사후 계산에 어려움이 있습니다.
2. 음영에서 모양과 텍스처를 복원하고 모양과 광도의 입체시각을 복원합니다.
이 세 가지 방법의 기본 원리는 모두 간단하다. 먼저 물체의 표면에 대한 정보를 얻은 다음 물체의 모양을 복원해야 한다는 것이다. 텍스처에서 모양을 복원하는 것은 물체 표면의 텍스처를 이용하여 이미징 과정에서 서로 다른 표면 방향을 갖는 특성으로, 일정한 조건 하에서 물체 표면의 방향을 얻는다.
TOF 방법의 해상도는 상대적으로 낮으며 약 1 mm 이지만 광학 홀로그래피 및 광자 계산이 지속적으로 발전함에 따라 해상도는 미크론에 도달할 수 있습니다. 비행시간법과 삼각법의 차이점은 첫째, 비행시간법은 다른 측정범위에 맞게 측정정확도를 바꾸기 어렵다는 점이다. 공식으로 알 수 있다. (거리는 비행시간의 선형 함수라는 것을 알 수 있지만, 여기서 비례요소는 비행속도가 측정시스템에 의해 제어되지 않는다는 것이다. 둘째, 펄스 신호로 측정한 시간 정밀도를 통해 거리 측정 정확도를 높이고 삼각 법칙은 이미징 플레어 위치의 공간 해상도를 높여 거리 측정 정확도를 얻습니다. 이 방법은 일반적으로 광범위한 절대 거리 측정에만 사용됩니다. 타이밍 시스템의 시간 해상도 요구 사항이 너무 높아서 기술 구현에 큰 실질적인 어려움을 초래하기 때문입니다.
모어 윤곽술은 측정 시스템에서 주로 두 개의 래스터, 주 래스터 및 참조 래스터를 사용합니다. 그것들이 겹쳐 있을 때, 모어 줄무늬, 즉 물체 표면에 형성된 윤곽이 형성된다. 모어 윤곽술은 실용적인 투영 모어와 그림자 모어로 나뉜다. 따라서 이 기술을 더욱 실용적으로 만들기 위해, 사람들은 점차 운문법을 A 기술 및 컴퓨터 이미지 처리 기술과 결합시켰다. 후속 위상 이동 기술을 클라우드 패턴에 적용한 후, 단일 클라우드 이미지에서 표면의 울퉁불퉁함을 구분할 수 없는 문제가 해결되었습니다.
FTP 방법의 측정 범위는 제한되어 있으므로 정확한 표면 모양 정보를 얻으려면 측정된 물체의 강성 변화와 위상 변화가 다음 조건을 충족해야 합니다.
전체 줄무늬를 분석하여 각 점의 위상 값을 얻을 수 있습니다. 그림의 각 점은 높이 정보를 가지고 있으므로 보간이 더 이상 필요하지 않기 때문입니다. 줄무늬의 불균일성을 자동으로 판단 할 수 있습니다. 결과를 컴퓨터와 쉽게 결합 할 수 있습니다. 어느 정도 소음 억제 등의 능력을 가지고 있다.
SPD 와 PMP 는 수동 개입 없이 데이터 처리 프로세스를 자동화할 수 있지만 필터 창의 위치를 수동으로 결정해야 하므로 몇 가지 제한이 있습니다. 이 중 속도는 다른 두 가지 방법보다 빠르며 비사인 줄무늬의 영향을 덜 받으므로 하드웨어 시스템에서 가공 프로그램을 완료할 수 있습니다. 그러나 물체 표면에 결함이 있으면 위상 점프가 너무 커서 많은 오차가 발생할 수 있습니다.
MMP 방법은 위상 확장 없이 수직 측정에 사용할 수 있습니다. 이 방법은 높이 변경, 공간 분산, 구멍 깊이가 큰 오브젝트에 적합합니다. 물체가 동적 과정에 있을 때 표면의 모양은 끊임없이 변하며, 이는 매 순간 투영 줄무늬의 수직 스캐닝에 큰 어려움을 초래하고 정확한 측정을 할 수 없기 때문에 정적 물체의 3 차원 측정에 더 적합합니다.
푸리에 변환 윤곽술의 원리: 일반적으로 줄무늬 그래프를 공간 영역에서 주파수 도메인으로 변환하는 것입니다. 주파수 영역에서 줄무늬 주파수만 유지하고 고주파 소음과 반송파를 제거한 다음 푸리에 역변환을 통해 주파수 영역에서 공간 도메인으로 줄무늬 패턴을 복구하여 복수형으로 존재하는 스트라이프 필드 분포를 보여 줍니다. 그런 다음 복수 연산을 통해 줄무늬 필드의 위상 값을 계산할 수 있습니다.
DCT 변환의 전체 이름은 이산 코사인 변환이며 주로 데이터 또는 이미지 압축에 사용됩니다. 공간 도메인의 신호를 주파수 도메인으로 변환하여 관련 제거 성능이 우수합니다. DCT 변환 자체는 무손실 이지만, 다음 정량화 및 이미지 코딩 등의 분야에서 Haverman 코딩에 대 한 좋은 조건을 만듭니다. 또한 DCT 변환은 대칭이기 때문에 수신측에서 정량화된 DCT 역변환을 사용하여 원본 이미지 정보를 복원할 수 있습니다.
DTFT 는 연속 신호의 스펙트럼을 나타내는 이산 시간 푸리에 변환입니다.
DFT:DFT 는 이산 신호와 스펙트럼을 겨냥한 이산 푸리에 변환입니다. DFT 는 DTFT 의 변종이며 실제로는 연속 시간 T 를 nT 로 바꾸는 것이다. 왜 이러는 거야? 컴퓨터가 디지털 환경에서 작동하기 때문에 실제 연속 신호를 보거나 처리할 수 없고, 이산 계산만 할 수 있으며, 현실에서 가능한 연속 신호에 근접할 수 있습니다. 그래서 DFT 는 우리가 도구를 사용하여 신호를 분석할 수 있도록 만들어졌습니다. 일반적으로 DTFT 를 직접 사용할 기회는 거의 없습니다.
FFT: 첫째, DCT 는 DFT 의 한 형태입니다. 소위 "코사인 변환" 은 DTFT 푸리에 급수 확장에서 확장된 함수가 실수 짝수 함수인 경우 푸리에 급수에 코사인만 포함된 다음 이산화 (DFT) 를 통해 코사인 변환을 내보낼 수 있으므로 이산 코사인 변환 (DCT) 이라고 합니다. 실제로 DCT 는 DFT 의 하위 집합에 속합니다. DCT 는 음성 및 이미지 처리에 널리 사용됩니다.
비디오 640x480, 30fps, YCbCr4:2:2, 그렇다면 전송 속도 요구 사항은 640x480x30x (8+8/2+8/2) =147.44 입니다 기본 샘플링 형식은 YCbCr 4:2:0 및 YCbCr 4:2:2 입니다. 여기서 일반적으로 사용되는 YCbCr 4: 1: 1 은 각 점마다 8-8bit 의 밝기 값 (즉, y 값) 을 저장하고 2×2 점마다 Cr 과 Cb 값을 저장하므로 육안으로 볼 수 있습니다 따라서 원래 RGB(R, G, B 는 8 비트 부호 없는) 모델로 점당 8x3=24 비트가 필요한데 지금은 8+(8/4)+(8/4)= 12 비트만 있으면 됩니다. 이렇게 하면 이미지 데이터가 반으로 압축됩니다.
YUV(YCbCr) 샘플링 형식
간격 및 폭
픽셀 한 장이 640*480 이고 색상이 24 비트 (3 바이트) 인 그림을 예로 들 수 있습니다. 너비: 그림의 논리적 너비를 나타냅니다. 여기는 640 입니다. 이 값은 색상 깊이와 관련이 없으며 다른 값과 관련이 없습니다. 보시는 너비는 pitch 입니다. 그림의 데이터 행이 차지하는 바이트 수 또는 스팬을 나타냅니다. 그림의 너비가 640 이기 때문에 640*3 이어야 합니다.
모든 주기 함수는 진폭과 위상이 다른 사인파의 중첩으로 볼 수 있습니다.
모든 사인파의 상승 부분은 원래 천천히 상승한 곡선을 점점 가파르게 만들고, 모든 사인파의 하강 부분은 최고점까지 상승할 때 계속 상승하는 부분을 상쇄하여 수평선으로 만들었다. 이렇게 하면 사각형이 겹쳐집니다. 직사각형뿐만 아니라, 당신이 생각할 수 있는 어떤 파형도 이런 방식으로 사인파를 겹칠 수 있다.
앞에 있는 검은색 선은 모든 사인파의 합계, 즉 직사각형파에 점점 더 가까워지는 그래프입니다. 서로 다른 색상으로 배열된 사인파는 직사각형 파동으로 결합된 구성요소입니다. 이러한 사인파는 주파수가 낮음에서 높음까지 앞에서 뒤로 배열되며 각 파동의 진폭은 다릅니다. 세심한 독자들은 두 사인파 사이에 직선이 하나 더 있다는 것을 알아차렸을 것이다. 이것은 경계선이 아니라 진폭이 0 인 사인파이다! 즉, 특수한 곡선을 형성하기 위해 일부 사인파 성분은 필요하지 않다는 것이다.
주파수가 0 인 것을 DC 구성요소라고도 합니다. 푸리에 급수의 중첩에서는 전체 파형이 수축을 기준으로 위 또는 아래로만 영향을 주며 파형의 모양은 변경되지 않습니다.
주파수 영역 이미지 (스펙트럼이라고도 함) 는 다음과 같습니다.
스펙트럼에서 짝수 항목의 진폭은 모두 0 이고, 그림의 컬러 선과 진폭이 0 인 사인파에 해당한다는 것을 알 수 있다.
푸리에 변환은 더 중요하지만 약간 복잡한 응용인 미분방정식을 푸는 것이다. 미분 방정식의 중요성은 내가 너무 많이 소개할 필요가 없다. 그것은 모든 업종에 쓰인다. 그러나 미분 방정식을 푸는 것은 비교적 번거로운 일이다. 덧셈, 뺄셈, 곱셈, 나눗셈 외에도 미분 적분도 계산하기 때문이다. 푸리에 변환은 미분과 적분을 주파수 영역의 곱셈으로, 대학 수학은 순식간에 초등학교 산수로 바꿀 수 있다.
사인파는 주기적이기 때문에 사인파의 위치를 표시하는 무언가를 설정해야 합니다. 사진 속의 그것들은 작은 빨간 점이다. 작은 빨간 점은 주파수 축에 가장 가까운 최고점입니다. 이 최고점은 주파수 축에서 얼마나 니까? 더 명확하게 보기 위해, 우리는 빨간색 점을 아래쪽 평면에 투영하고, 투영점은 분홍색 점으로 표시한다. 물론 이 분홍색 점들은 위상이 아니라 최고점에서 주파수 축까지의 거리를 나타냅니다.
시차는 위상차가 아니다. 모든 주기를 2Pi 또는 360 도로 보면 위상차는 한 주기 동안의 시간차의 비율이다. 우리는 시간차를 주기로 나눈 다음 2Pi 를 곱하여 위상차를 얻었다.
완전한 입체도에서 투영된 시차를 주파수의 주기로 나누어 가장 낮은 위상 스펙트럼을 얻습니다. 따라서 측면에서 스펙트럼을 보고 아래쪽에서 위상 스펙트럼을 봅니다.
위상 스펙트럼에서 0 을 제외한 위상은 모두 π이다. Cos(t+Pi)=-cos(t) 로 인해 실제로 위상이 Pi 인 파동은 위아래로 뒤집힐 뿐입니다. 주기구형파의 푸리에 급수에 대해 이러한 위상 스펙트럼은 매우 간단하다. 또한 cos(t+2Pi)=cos(t) 이므로 위상차는 주기적이며 Pi 는 3pi, 5pi, 7pi 와 동일합니다. 인위적으로 정의된 위상 스펙트럼의 범위는 (-π, π) 이므로 그림의 위상차는 모두 π이다.
푸리에 급수는 시간 영역에서 주기적 연속 함수이고, 주파수 영역에서 비주기 이산 함수입니다. 푸리에 변환은 실제로 무한 주기 함수의 푸리에 변환입니다.
이 이산 사인파는 점점 가까워지고, 점점 연속이 되고 ... 원래 이산 스펙트럼의 겹침은 연속 스펙트럼의 누적으로 변했다. 따라서 계산에서 합계 기호에서 적분 기호로 변경됩니다.
수직 가상 축: 실제 축과 가상 축 * * * 동형이 복합 평면 (복합 평면이라고도 함) 을 형성합니다. 가상 수 I 회전을 곱한 함수입니다.
시간이 지남에 따라 복잡한 평면에서 원형 모션을 하는 점으로 시간에 따라 시간 경과에 따라 시간 표시 막대의 나선형이 됩니다. 왼쪽 나선의 투영인 실제 부분만 보면 가장 기본적인 코사인 함수입니다. 오른쪽 투영은 사인 함수입니다.
E^(it) 는 시계 반대 방향으로 회전하는 나선형으로 해석될 수 있으므로 E (-it) 는 시계 방향으로 회전하는 나선형으로 해석된다. Cos (t) 는 이 두 나선이 서로 다른 나선이 겹치는 절반이다. 왜냐하면 이 두 나선의 허부는 서로 상쇄되기 때문이다.
큰 소라처럼 그림을 쉽게 볼 수 있도록 정파 부분만 보여줬고 음의 주파수 부분은 보여주지 않았습니다. 자세히 보면 소라 그래프의 모든 나선을 똑똑히 볼 수 있다. 각 나선은 진폭 (회전 반지름), 빈도 (회전 주기) 및 단계가 다릅니다. 모든 나선을 하나의 평면으로 연결하는 것이 바로 이 소라 그림이다.
2 차원 Hanning 필터 창을 이용한 디지털 가중 필터는 기본 주파수에 더 큰 가중치를 부여하고, 기본 주파수에서 멀리 떨어진 부분에 더 작은 가중치를 부여하여 위상 확장 작업을 쉽게 합니다.