立体感的3D图像(包含左右眼)生成Red-Cyan分析图

现在在作3D的东西，得到左右两个视角的图，但不知道怎么来判断效果，不知道哪个结果更好，怎么办？现在整理了些方法，备份在此，供大家分享和讨论。

1.Red-Cyan anaglyph

没有眼镜也没有关系，看视觉的一致性，视觉不一致，会带来retinal rivalry，我是这么理解的吧，如果object A在左视角出现，不在右视角出现，或者虽然都出现，但是二者形状改变等，左右眼融合得到3D时，就会很不舒服。

具体的话，看红绿色块的重叠情况。

1) vertical disparity，vertical disparity会带来3D fatigue(看3D会有明显的疲劳感).

比如：

2)monocular object violation，就是有可能object只在一个视角出现

上面2组对比，显然，Oure Result要比Baseline result好！

Code：

import cv
SHIFT=8if __name__ == '__main__':import sys_, fname = sys.argvim  = cv.LoadImage(fname)size = cv.GetSize(im)width, height = sizeleft  = cv.CreateImage(size, im.depth, im.nChannels)right = cv.CreateImage(size, im.depth, im.nChannels)anaglyph = cv.CreateImage((width - SHIFT, height), im.depth, im.nChannels)## This would be easier if we had COI support for cv.Set, but it doesn't# work that way.# OpenCV uses BGR order (even if input image is greyscale):# http://www.cs.iit.edu/~agam/cs512/lect-notes/opencv-intro/opencv-intro.html# red goes on the left, cyan on the right:# http://en.wikipedia.org/wiki/Anaglyph_image#b = cv.CreateImage(size, im.depth, 1)g = cv.CreateImage(size, im.depth, 1)r = cv.CreateImage(size, im.depth, 1)cv.Split(im, b, g, r, None)zeros = cv.CreateImage(size, r.depth, 1)cv.Merge(zeros, zeros, r, None, left)cv.Merge(b, g, zeros, None, right)## cvRect is ( x, y, width, height ) and it MUST be a tuple, not a list# cv.SetImageROI(left,  ( SHIFT, 0, width - SHIFT, height ))cv.SetImageROI(right, ( 0,     0, width - SHIFT, height ))cv.Add(left, right, anaglyph, None)cv.SaveImage('anaglyph.jpeg', anaglyph)

结果验证：

好啦，先更新到这里，以后有方法，在补充~

立体感的3D图像(包含左右眼)生成Red-Cyan分析图相关推荐

虚拟在左，真实在右：德国学者用AI合成一亿像素逼真3D图像，可任意旋转
来源:AI科技评论编译:杏花编辑:青暮近日,来自德国埃尔兰根-纽伦堡大学的学者提出了一种新颖的神经网络方法,用于3D图像的场景细化和新视图合成. 只需要输入点云和相机参数的初始估计,就可以输出由 ...
3D图像生成和编辑研究成果大放送！朱俊彦团队放出两篇论文实现代码 | 资源...
乾明发自凹非寺量子位报道 | 公众号 QbitAI 朱俊彦团队,一口气放出两篇论文的实现代码! 这两篇论文,都与3D图像有关,都被NeurIPS 2018大会收录了.朱俊彦在Twitter上 ...
GAN能生成3D图像啦！朱俊彦团队公布最新研究成果
晓查发自凹非寺量子位出品 | 公众号 QbitAI GAN现在可以合成3D图像了! 最近,MIT计算机科学与AI实验室的朱俊彦团队,发表了一篇论文<Visual Object Netwo ...
ECCV2022 | 生成对抗网络GAN论文汇总（图像转换-图像编辑-图像修复-少样本生成-3D等）...
图像转换/图像可控编辑视频生成少样本生成图像外修复/结合transformer GAN改进新数据集图像增强 3D 图像来源归属分析一.图像转换/图像可控编辑 1.VecGAN: Image ...
听声辨位过时了！这个AI系统仅凭光回声就能得到3D图像
机器之心报道编辑:魔王.蛋酱借助光回声获得时间信息,利用机器学习从看似噪声的信息中挖掘模式.这项研究登上光学期刊 Optica.‍ 利用光回声和机器学习制作 3D 影像(左),右图来自 3D 相机 ...
通过cv2输出左右眼视差图, 然后根据视差图输出深度边沿
视差图是神经网络里的x--feature,分左右眼计算过程是先将左眼(或右眼)图片作为主视图(基准),然后用另外一眼图片缓慢的水平划过主视图, 这时候会有部分区域重合,相当于人看东西的时候双目同时注 ...
正确的「记事本」打开方式：能渲染3D图像，还能玩贪吃蛇
金磊发自凹非寺量子位报道 | 公众号 QbitAI 渲染3D图像,一个「记事本」就够了. 最近,GitHub上一名叫"Kyle Halladay"的小哥,便上传了这样一个项 ...
【开源】对基于图像背景的字体生成、人体姿势预测、关键点检测、超分辨率等探讨...
本文推荐本周值得关注的已开源论文,包含文本识别.关键点检测.人体姿势预测.Transformer.图像超分辨率等 10 篇. 01 Font Style that Fits a ...
密集人体姿态估计：2D图像帧可实时生成UV贴图（附论文）
Root 编译整理量子位出品 | 公众号 QbitAI Facebook人工智能研究院和法国国立计算机及自动化研究院最近提出了一种密集人体姿态估计新方法:DensePose-RCNN,同时宣布即将 ...

立体感的3D图像(包含左右眼)生成Red-Cyan分析图

立体感的3D图像(包含左右眼)生成Red-Cyan分析图相关推荐

最新文章

热门文章