飞行时间测量装置和减少其中深度图像模糊的图像处理方法与流程

文档序号:13935201
飞行时间测量装置和减少其中深度图像模糊的图像处理方法与流程

示例实施方式涉及飞行时间(ToF)测量装置和用于在ToF测量装置中减少深度图像模糊的图像处理方法。



背景技术:

近年来对于可以远距离获取关于对象的信息的三维(3D)相机、运动捕获传感器、激光雷达等的研究显著增加。尤其是,随着可以显示深度图像的3D显示设备的发展和对这种3D显示设备需求的增加,3D内容的重要性不断上升。因此,人们正在研究常规用户可以用来创建3D内容的各种深度图像捕获装置。

对象表面和深度图像捕获装置之间距离的深度信息可以通过涉及使用两个摄像头或使用结构光和摄像头的三角测量的立体视觉方法获得。而且,采用ToF方法的深度图像捕获装置正在被使用。



技术实现要素:

提供飞行时间(ToF)测量装置和用于在ToF测量装置中减少深度图像模糊的图像处理方法。

本发明的其它方面将在下面的描述中部分描述且将从描述中部分地显见,或者可以通过提供的示例实施方式的实践来了解。

根据示例实施方式的一个方面,减少深度图像模糊的图像处理方法包括:通过图像传感器感测由样本对象反射和经由光学快门入射的红外(IR)光线;基于图像传感器中像素感测的IR光线密度分布对在光学快门和图像传感器之间的空间中反射的IR光线的分布特征建模;以及使用建模的分布特征获得配置成校正向周边像素反射的入射IR光的影响的锐化过滤器。

根据另一示例实施方式的一个方面,提供存储用于使计算机执行上述方法的程序的非易失性计算机可读记录介质。

根据另一示例实施方式的一个方面,ToF测量装置包括:光学快门;配置成感测由样本对象反射和经由光学快门入射的红外(IR)光线的图像传感器;以及配置成基于图像传感器中像素感测的IR光线的密度分布对在光学快门和图像传感器之间的空间中反射的IR光线的分布特征建模、且使用建模的分布特征获得配置成校正向周边像素反射的入射IR光线的影响的锐化过滤器的处理器。

附图说明

结合附图,根据下面示例实施方式的描述,这些和/或其他方面将是显见的且更易于理解,其中:

图1示出了根据一个示例实施方式的飞行时间(ToF)测量装置的硬件配置图;

图2示出了根据一个示例实施方式在光学快门与ToF测量装置的图像传感器之间的空间中发生的红外(IR)光线内部反射的图示;

图3示出了根据一个示例实施方式在光学快门和图像传感器之间空间中IR光线内部反射导致、且由聚焦像素和附近像素感测的光线强度分布的图示;

图4中的框图示出了根据一个示例实施方式在ToF测量装置中处理器的硬件配置;

图5示出了根据一个示例实施方式用于设计锐化过滤器的垂直样本对象的捕获的图示;

图6示出了根据一个示例实施方式用于设计锐化过滤器的水平样本对象的捕获的图示;

图7示出了根据一个示例实施方式在图像传感器感测的垂直样本对象上的IR光线强度分布的图示;

图8示出了根据一个示例实施方式在图7的像素中的强度分布图;

图9示出了根据一个示例实施方式转换为对数尺度后的图8的光线强度的图示;

图10示出了根据一个示例实施方式对在光学快门和图像传感器之间空间中IR光线的内部反射分布特征进行三维建模的结果的图示;

图11示出了根据一个示例实施方式对应于锐化过滤器的三维(3D)模型的图示;

图12示出了根据一个示例实施方式通过矩阵的矩阵值表示的锐化过滤器;

图13示出了根据一个示例实施方式通过使用锐化过滤器校正IR图像的像素值的图示;

图14示出了根据一个示例实施方式在生成深度图像的过程中其中可以应用使用锐化过滤器的校正的操作的图示;

图15示出了根据一个示例实施方式用锐化过滤器校正每个不同相位的IR图像的情况(情况1)的图示;

图16示出了根据一个示例实施方式用锐化过滤器校正IR图像的线性组合操作结果的情况(情况2)的图示;以及

图17中的流程图示出了根据一个示例实施方式减小深度图像模糊度的图像处理方法。

具体实施方式

当在本说明书中使用术语时,考虑到本公开中的功能,尽可能选择当前广泛使用的通用术语,但是根据本领域技术人员的意图、以前的案例、新技术的出现等它可以变化。尤其是,有些术语可以由申请者任意选择,并且在这些情况下,术语的详细意思将在对应描述中陈述。因而,本说明书中使用的术语应当基于术语的意思和说明书中的描述一起而不是其简单定义来定义。

在示例实施方式的描述中,当称一部分“连接”到另一部分时,它可以直接连接到其他部分,或可以用介于它们之间的另一元件电气连接到其他部分。而且,除非明确声明,当一部分包括一个元件时,也可以包括另一个元件,不排除其他元件的存在。而且,在此使用的诸如“部分”之类的术语表示用于处理至少一个功能或操作的单元,并且该单元可以实现为硬件或软件或可以实现为硬件和软件的组合。

对于示例实施方式使用的术语“包括”不一定解释为包括此说明书中提出的全部各种元件或操作,并且应当理解为可以不包括它们中间的一些元件或一些操作,或还可以包括附加的元件或操作。当诸如“……中的至少一个”之类的表达式跟在元件列表之后时,它修饰整个元件列表,而不修饰列表中的单个元件。

下述示例实施方式描述不应解读为限制本公开的范围,并且本领域技术人员容易推断的内容应当解读为属于本发明示例实施方式的范围。在下文中,将仅为了示例目的参考附图详细描述实施方式。

图1示出了根据一个示例实施方式的飞行时间(ToF)测量装置的硬件配置。在图1中所示的ToF测量装置1中,仅示出与示例实施方式相关的元件。因而,本领域技术人员可以理解,除了图1中所示的元件之外,还可以包括那些通用元件。

参考图1,ToF测量装置1可以包括向对象2发光的光源20、接收对象2反射的光线的透镜30、光学快门40和图像传感器50。光学快门40可以置于从光源20发出的光线和对象2反射的光线的传播路径上,并且可以通过改变反射光的透光度调制反射光的波形。而且,ToF测量装置1可以包括控制光源20、光学快门40和图像传感器50、并且通过计算对象2反射的测量光线的相位和计算对象2的深度信息和距离信息生成深度图像的处理器10,和存储由处理器10处理的结果的存储器60。

光源20可以实现为发光二极管(LED)或激光二极管(LD)。光源20可以向对象2发出红外(IR)或近IR光线。光源20可以发出的光线种类不限于此,但是对于在此公开的示例实施方式,为描述方便将描述其中光线种类为IR光线的情况作为示例。

光源20可以发出不同相位的光线。例如光源20可以向对象2发出具有0度相位、90度相位、180度相位和270度相位的光线。在此方面,在本示例实施方式中,为了方便使用四种相位作为示例,但是相位的种类和/或数量不限于此。

每个相位的发出光线被对象2的表面反射。不同相位光线的反射光线经由透镜30入射到光学快门40。透镜聚焦对象2所反射的光线。由透镜30聚焦的反射光线入射到光学快门40和图像传感器50。

由光源20发出并由对象2反射的光线的传播时间可以基于光源20和对象2之间的距离确定。例如,多个点P1、P2、P3、P4和P5反射的光线由于其对应的传播距离不同可以分别具有各自不同的传播时间。因而,通过计算各自对应于光源20发出光线的时间点与图像传感器器50感测到光线的时间点之差的传播时间,可以计算出对象2与ToF测量装置1之间的距离。ToF测量装置1可以通过使用ToF的原理计算对象2和对象2周围环境的深度,并且由此生成包括对象2和对象2周围环境的场景的深度图像。

参考图1中所示的图形31,从光源20发出的光线根据时间以不同相位向对象2发出。如上面例示,光源20可以向对象2发出具有0度相位、90度相位、180度相位和270度相位的光线。参考图1中所示的图形32,作为每个相位的对应反射光线,每个相位发出的光线入射到ToF测量装置1的光学快门40和图像传感器50上。此时,根据如图1中所示的图形33中所示的时间变化来调节光学快门的打开和关闭时间,使得光学快门40可以控制反射光在图像传感器50上的入射。

图像传感器50可以是互补金属氧化半导体(CMOS)图像传感器(CIS)或电荷耦合设备(CCD),但是图像传感器的种类不限于此。例如,图像传感器50可以实现为具有n×n(其中n为自然数)像素感测设备的像素阵列。虽然在本示例实施方式中为了方便描述而假定为正方形像素阵列,但是图像传感器中像素阵列的行数和列数不限于此并且可以改变。

处理器10通过使用图像传感器50感测的不同相位的光学信号来生成深度图像。具体来说,处理器10基于感测的IR光线强度生成对应于每个相位的IR图像,通过使用每个相位的IR图像计算ToF,并基于计算的ToF使用深度值生成深度图像。在此方面,在ToF测量装置1中,处理器10控制光源20、光学快门40、图像传感器50和存储器60的功能和操作。

存储器60存储在ToF测量装置中处理的结果,例如,关于IR光线信号的数据、生成的IR图像、ToF计算结果、深度值、深度图像等,并且当需要时将存储的数据提供给ToF测量装置1中的每个元件。

如图1中所示,在ToF测量装置1中提供光学快门40。在使用光学快门40的ToF测量装置1中,光学快门40被布置于图像传感器50的前面,并且因而光线的内部反射可以在光学快门40和图像传感器50之间的空间中发生。因而,由于光线的内部反射,图像传感器50的每个像素感测的光线强度可能发生畸变,并且因此,处理器生成的IR图像和深度图像也可能发生畸变。此现象最终可能会导致在深度图像上出现不希望的模糊。根据本示例实施方式的处理器10可以通过校正内部反射的上述影响来执行减少深度图像模糊的图像处理。这将在下面参考其他附图更详细描述。

图2示出了根据一个示例实施方式在光学快门与ToF测量装置的图像传感器之间空间中发生的IR光线内部反射。

参考图2中所示的剖面图,对象(图1中的2)反射的IR光线201经由光学快门40入射到图像传感器50上。此时,IR光线201的焦点可以是焦点像素210,它是图像传感器50的像素阵列中的特定像素。但是,虽然入射到焦点像素210上的IR光线201中的大多数由焦点像素210感测,但是IR光线201的一部分可能由焦点像素210的表面反射。

焦点像素210的表面反射的光线可以再次由光学快门40的内表面反射,发散到焦点像素210周围的邻近像素220,并且被反射。因而,邻近像素220还可以感测一部分在焦点像素210上聚集的IR光线,并且在将由处理器(图1中的10)生成的IR图像的像素和深度图像中可能会产生不希望的模糊。

在此方面,IR光线201距离焦点像素210越远,IR光线201被反射的次数就越多。因而,IR光线201的内部反射的发散特征可以具有指数衰减点发散函数的特征。在光学快门40和图像传感器50之间空间中发生的IR光201的这种内部反射的发散程度可基于光学快门40的反射率、图像传感器50的反射率和/或光学快门40与图像传感器50之间的距离而变化。因而,点发散函数还可以基于光学快门40和图像传感器50的反射率和/或光学快门40与图像传感器50之间的距离而变化。另外,由于光学快门40和图像传感器50相互平行布置,所以可以认为图像传感器50中像素阵列的像素具有相同的点发散特征。

由IR光线201的内部反射引起的图像模糊可以使用补偿点发散函数的发散特征的锐化过滤器校正。

图3示出了根据一个示例实施方式在光学快门和图像传感器之间空间中由IR光线内部反射导致、且由焦点像素和附近像素感测的光线强度分布的图示。

参考图3,下面的描述将基于图像传感器50被实现为具有n×n(其中n为自然数)感测设备的像素阵列这个假设提供,但是本示例实施方式不限于此。

由对象(图1中的2)反射的IR光线301可以经由光学快门40在图像传感器50中像素阵列300的焦点像素310上聚集。但是,如上面参考图2所描述,IR光线301可以被反射并发散到焦点像素310周围的邻近像素。由于IR光线301的大多数由焦点像素310感测,所以IR光线301的最高强度将在焦点像素310被感测到。

随着与焦点像素310的距离的增加,IR光线301被反射的次数随之增加,并且因而发散IR光线301的强度可能以指数衰减。因而,当从焦点像素310到邻近像素的距离增加时,邻近像素可感测到IR光线301的较低强度。

而且,虽然IR光线301的发散特征已经基于图3中像素阵列300中的单个像素310描述,但是可以认为像素阵列中的所有像素呈现与示例焦点像素310相同的发散特征。

图4中的框图示出了根据一个示例实施方式在ToF测量装置中处理器的硬件配置的图示。

处理器10可以包括IR图像处理器110、锐化过滤处理器120、校正器130、ToF计算器140和深度图像生成器150。但是,由于在图4的处理器10中仅示出了与示例实施方式相关的元件,所以本领域技术人员将理解在处理器10中还可以包括除图4中所示元件之外的通用元件。

IR图像处理器110处理图像传感器50感测的IR光信号。由图像传感器50感测的IR光信号对应于为生成深度图像由ToF测量装置1所捕获的场景的IR光信号。如上所述,由于光源20向对象发出不同相位的IR光线,所以IR图像处理器110可以处理不同相位的IR光信号并生成不同相位的IR图像。例如,IR图像处理器110可以生成具有0度相位、90度相位、180度相位和270度相位的IR图像。

首先,IR图像处理器110获取在图像传感器50中像素阵列的各个像素感测的IR光线强度。IR图像处理器110通过将获取的光线强度转换为IR图像上各个像素的像素值生成不同相位的IR图像。

锐化过滤处理器120可以在ToF测量装置1捕获为设计锐化过滤器目的提供的示例对象时操作。此处,样本对象可以是与图像传感器50的像素阵列垂直或水平平行的直线形状对象。尤其是,当图像传感器50感测由样本对象反射并经由光学快门40入射的IR光线时,锐化过滤处理器120基于由图像传感器50中像素感测的IR光线的强度分布对在光学快门40与图像传感器50之间空间中反射的IR光线的发散特征建模。然后,锐化过滤处理器120获取为使用建模的发散特征校正反射到邻近像素的入射IR光线的影响而配置的锐化过滤器。术语“锐化过滤器”可以由诸如“锐化掩膜”、“锐化内核”之类的各种其他术语替换。同时,由锐化过滤器处理器120获取的锐化过滤器可以是高斯锐化过滤器,但是不限于此。

如上面图2中所述,锐化过滤器处理器120可以通过使用表示入射到图像传感器50的焦点像素上的IR光线被内部空间中邻近像素反射的程度的点发散函数对发散特征建模。点发散函数可以是表示当IR光线被邻近像素反射时入射到焦点像素上的IR光线强度指数衰减的程度的函数,或可以基于光学快门40和图像传感器50的折射率和/或光学快门40与图像传感器50之间的距离而变化。

首先,锐化过滤器处理器120获得由图像传感器50中的焦点像素和与焦点像素水平或垂直平行的邻近像素感测的IR光线的强度,将焦点像素和邻近像素的强度转换为对数标度,并基于已转换对数标度的强度获得点发散函数,由此对发散特征建模。

接下来,锐化过滤器处理器120抵消由点发散函数定义的焦点像素和邻近像素的强度值,用归一化抵消强度值的替换值来替换焦点像素的抵消强度值,并且基于焦点像素的替换值和邻近像素的抵消强度值来获得锐化过滤器。

锐化过滤器旨在为反射到邻近像素的IR光线强度补偿焦点像素,其中强度由点发散函数定义。

通过使用ToF测量装置1,用户可以捕获用于设计锐化过滤器的样本对象(例如,样本客体)或捕获包括用于获得所需深度图像的各种对象(客体)的其他场景。

当捕获到用于设计锐化过滤器的样本对象时,经由处理器10的IR图像处理器110和锐化过滤器处理器120的处理获得(设计)锐化过滤器,并且将获得的锐化过滤器存储在存储器60中。

当锐化过滤器的获取完成后,用户可以通过使用ToF测量装置1捕获适合生成所需深度图像的场景。在这种情况下,ToF测量装置1的图像传感器50获得为生成深度图像捕获的不同相位场景的IR图像。处理器10的校正器130通过使用之前获得的(存储的)锐化过滤器校正(即,调整)IR图像的像素值。此时,校正器130可以通过使用锐化过滤器对IR图像的像素值执行卷积操作执行校正(或调整)。

ToF计算器140基于校正的(即,调整的)像素值通过计算各个像素的ToF获得场景的深度值。

深度图像生成器150通过使用获得的深度值生成场景的深度图像。由于上面通过校正器130的锐化过滤器处理执行校正(即,调整),图2中描述的内部空间中的光线反射影响在深度图像生成器150生成的深度图像中被校正(即,调整),使得可以减少或去除深度图像的模糊。

图5示出了根据一个示例实施方式用于设计锐化过滤器的垂直样本对象的捕获。

参考图5,为了设计锐化过滤器,ToF测量装置1可以捕获垂直样本对象(样本客体)500。ToF测量装置1中的图像传感器在像素阵列501中特定列的像素510集中地感测由垂直样本对象500反射的光线。按这种方式使用垂直对象作为样本对象500的原因可以是在特定焦点像素505的最左和最右邻近像素相对容易对发散特征(即点发散函数)建模。

图6示出了根据一个示例实施方式用于设计锐化过滤器的水平样本对象的捕获的图示。

参考图6,为了设计锐化过滤器,ToF测量装置1可以捕获水平样本对象(样本客体)600代替图5的垂直样本对象500。ToF测量装置1中的图像传感器50在像素阵列601中特定行的像素610集中地感测由水平样本对象600反射的光线。与图5不同,使用水平对象作为样本对象600的原因可以是在特定焦点像素605的最上和最下邻近像素相对容易对发散特征(即点发散函数)建模。

图7示出了根据一个示例实施方式在图像传感器感测的垂直样本对象上的IR光线强度分布。

当ToF测量装置1为设计锐化过滤器目的捕获诸如图5的垂直样本对象500之类的对象时,由图像传感器50的像素阵列感测的IR光线强度分布可以如图7中所示。呈现最高强度IR光线的区域700可以是在x轴上位于大约第200列像素与大约第300列像素之间的像素列。由于样本对象500是垂直形状,所以区域700中y轴上的像素可以感测类似强度。而且,如图7中所示的由图像传感器50的像素阵列感测的IR光线强度分布可以由处理器10中的IR图像处理器110处理。

图8示出了根据一个示例实施方式在图7的像素中的强度分布图。

参考图8,图形800示出了位于相同行的像素(y像素)中的强度分布。如图7中所述,可以看到最高强度IR光线分布在大约第200列像素(x像素)与大约第250列像素(x像素)之间。这是因为由垂直样本对象反射的IR光线强度被感测。位于大约第200列像素至250列像素之外的邻近像素感测到较低IR光线强度。基于如图7中所示像素中的强度分布,锐化过滤器处理器120获得诸如图形800之类的位于相同行的像素(y像素)中的强度分布。

图9示出了根据一个示例实施方式转换为对数尺度后的图8的光线强度图。

在图9的图形900的y轴上,图8的图形800的强度具有被转换为对数标尺的值。根据图形900,通过对数标尺转换可以看到其中IR光线强度在邻近像素指数衰减的发散特征。锐化过滤器处理器120执行这种强度对数标尺转换。

图10示出了根据一个示例实施方式对在光学快门和图像传感器之间空间中IR光线的内部反射分布特征进行三维建模的结果。

参考图10,锐化过滤器处理器120基于转换为对数标尺的强度通过获得点发散函数对发散特征建模。表示发散特征的三维(3D)模型1000可以示出特定焦点像素具有最高光线强度并且光线强度随与焦点像素距离的增加根据点发散函数以指数方式衰减。

图11示出了根据一个示例实施方式对应于锐化过滤器的3D模型。

参考图11,如上所述,锐化过滤器处理器120抵消由点发散函数(即图10的3D模型1000)定义的焦点像素和邻近像素的强度值,用归一化抵消强度值的替换值替换焦点像素的抵消强度值,并且基于焦点像素的替换值和邻近像素的抵消强度值获得锐化过滤器的3D模型1100。

图12示出了根据一个示例实施方式通过矩阵的矩阵值表示的锐化过滤器的图示。

参考图12,由l×m(其中l和m为自然数)矩阵的矩阵值表示的锐化过滤器1200基于图11的3D模型1100。尤其是,3D模型1100的像素(x,y)的z轴值可以对应于锐化过滤器1200第x行和第y列的值。锐化过滤器处理器120获得的锐化过滤器1200存储在存储器60中并应用到之后将由校正器130执行的IR图像的校正(即,调整)。

图13示出了根据一个示例实施方式通过使用锐化过滤器校正IR图像的像素值的图示。

参考图13,IR图像1300的每个像素的值对应于图像传感器50的每个像素感测的反射光线强度。校正器130通过使用锐化过滤器1310对IR图像1300的像素值执行卷积操作来校正(调整)IR图像1300的像素值。虽然为了方便描述在图13中假定锐化过滤器1310实现为3×3矩阵,但是根据本示例实施方式的锐化过滤器不限于此,并且可以实现为各种尺寸的矩阵。锐化过滤器1310的尺寸可以根据诸如处理器10的性能、IR图像的分辨率等之类的各种因素而变化。

3×3矩阵的锐化过滤器1310可以在IR图像1300中校正3×3像素阵列1302的像素值。在这方面,它可以通过执行锐化过滤器1310的3×3矩阵值和3×3像素阵列1302的像素值的卷积,校正3×3像素阵列1302的像素值。尤其是,锐化过滤器1310的尺寸可以对应于将要在其上执行卷积的IR图像1300中的像素阵列1302的尺寸,但是不限于此。

校正器130通过使用锐化过滤器1310执行IR图像1300中的所有像素值的卷积校正(调整)IR图像1300的像素值。

图14示出了根据一个示例实施方式其中在深度图像生成过程中可以应用使用锐化过滤器的校正的操作。本领域技术人员将理解图14中所示深度图像生成过程仅示出了与本示例实施方式相关的一些操作。

在操作1401中,图像传感器50和处理器10的IR图像处理器110获得要为之生成深度图像的不同相位场景的IR图像。

在操作1402中,处理器10的IR图像处理器110对不同相位的IR图像执行线性组合操作。

在操作1403中,处理器10的ToF计算器140基于IR图像的计算结果计算ToF,并且基于计算的ToF计算深度图像各个像素的深度值。

在操作1404中,处理器10的深度图像生成器150基于计算的深度值生成深度图像。

校正器130使用锐化过滤器的校正可以在操作1401和操作1402之间(情况1)或在操作1402和操作1403之间(情况2)执行。

详细地,根据情况1,校正器130可以通过使用锐化过滤器校正(调整)每个不同相位的IR图像。随后,IR图像处理器110对校正的(即,调整的)IR图像执行线性组合操作。

根据情况2,与情况1不同,校正器130不使用锐化过滤器校正或调整每个IR图像,但是可以首先对IR图像执行线性组合并且然后使用锐化过滤器校正(或调整)线性组合操作的结果。

图15示出了根据一个示例实施方式用锐化过滤器校正每个不同相位的IR图像的情况(情况1)的图示。

参考图15,不同相位的IR图像可以包括0度相位的IR图像1510、90度相位的IR图像1520、180度相位的IR图像1530和270度相位的IR图像1540。根据情况1,校正器130通过使用锐化过滤器1500校正(即,调整)IR图像1510、IR图像1520、IR图像1530和IR图像1540中的每一个。

图16示出了根据一个示例实施方式用锐化过滤器校正IR图像的线性组合操作结果的情况(情况2)的图示。

参考图16,为了计算ToF,首先对不同相位的IR图像执行线性组合操作和诸如tan-1之类的非线性操作。在执行非线性操作之前,根据情况2对线性组合操作的结果应用校正器130的校正(即,调整)。详细地,IR图像处理器110可以获得第一图像1610,它是对0度相位IR图像1601和180度相位IR图像1602执行线性组合操作的线性组合操作结果。而且,IR图像处理器110可以获得第二图像1620,它是对270度相位IR图像1603和90度相位IR图像1604执行线性组合操作的线性组合操作结果。根据情况2,校正器130通过使用锐化过滤器1600校正(即,调整)第一图像1610并使用锐化过滤器1600校正(即,调整)第二图像1620。然后,可以对校正的第一图像1610和校正的第二图像1620执行诸如tan-1之类的非线性操作。

图17中的流程图示出了根据一个示例实施方式减小深度图像模糊度的图像处理方法。参考图17,图像处理方法包括上述ToF测量装置1随时间所处理的操作。因而,即使下面省略了这些描述,上述附图的描述也可以应用到图17的图像处理方法。

在操作1710中,图像传感器50感测为设计锐化过滤器提供的样本对象所反射并且经由光学快门40入射到其上的IR光线。

在操作1720中,处理器10基于由图像传感器50中像素感测的IR光线的强度分布对在光学快门40与图像传感器50之间空间中反射的IR光线的发散特征建模。

在操作1730中,处理器10获得为使用建模的发散特征校正反射到邻近像素的入射IR光线的影响的配置的锐化过滤器。

同时,上述示例实施方式可以编写为可由计算机执行的程序,并且通过使用易失性或非易失性计算机可读记录介质在运行该程序的通用目的数字计算机中实现。而且,上述示例实施方式中使用的数据结果可以以几种方式记录在易失性或非易失性计算机可读记录介质中。非易失性计算机可读记录介质包括诸如磁存储介质(例如ROM、软盘、硬盘等)和光存储介质(例如CD-ROM、DVD等)之类的存储介质。

应当理解,此处描述的示例实施方式应当仅被认为是描述性意思且不用于限制目的。每个示例实施方式内功能或方面的描述典型地应该被认为可用于其他示例实施方式中的其他类似功能或方面。

尽管已经参考附图描述了一个或更多示例实施方式,但是本领域技术人员应当理解,在不偏离由所附权利要求限定的精神和范围的条件下,可以做出形式和细节中的各种变化。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1