光场相机重聚焦--焦点堆栈深度估计法

光场相机重聚焦原理介绍及代码解析
光场相机重聚焦–焦点堆栈深度估计法
全部代码下载地址：
https://download.csdn.net/download/weixin_38285131/10441175

上一篇博客中介绍了光场相机重聚焦算法原理介绍，对光场图像进行重聚焦可以聚焦在不同的深度处，使位于不同深度物体清晰，因此，我们可以对光场图像进行重聚焦，然后进行深度估计。

焦点堆栈深度估计法原理介绍

计算焦点堆栈每一个像素的梯度，然后对每张图像梯度图像进行均值滤波，然后计算三个通道梯度值的平方和取均值，再开根号，即为该张图像的梯度值，焦点堆栈的同一位置像素梯度最大则说明该深度时该像素最清晰，也就是说该深度面上的物体最清晰，记录该深度的索引值。

焦点堆栈

焦点堆栈就是聚焦在不用平面处的一系列图像
因此，对光场原始图像进行256次重聚焦，这一系列重聚焦图像就称之为焦点堆栈。

梯度

梯度的概念可以自己了解一下

步骤：计算整副图像的梯度值，然后做均值滤波，每个通道梯度的平方去均值再开根号，为该图像的梯度值。

X方向梯度：

Y方向梯度：

该像素点梯度：

这里用到了Matlab的gradient函数，自己了解一下

梯度计算代码：

function img_gradient = DEFOCUS_ANALYSIS(img)//%img为double类型grad_map = abs(gradient(IM_Refoc_alpha)) ;%梯度计算
h= fspecial('average',[5,5])    ;%定义一个均值滤波器
shear_std_map = imfilter(grad_map,h,'symmetric')                       ;%对梯度进行均值滤波
shear_std_map = ((shear_std_map(:,:,1).^2 ...%梯度图三个通道的平方相加取平均值 然后开根号，就是其梯度值+shear_std_map(:,:,2).^2 ...+shear_std_map(:,:,3).^2)/3).^(1/2)  ;img_gradient = shear_std_map     ;%img_gradient就是这个图像梯度值，为[m,n]大小的单通道图像
end

放一张梯度图：

原图如下：

比较亮的地方就说明该张图片在整个焦点堆栈中梯度值较大，最清晰

结果展示

我们利用上一篇博客中的256层重聚焦生成的焦点堆栈进行深度估计

部分焦点堆栈展示：

关于索引值
比如第一个像素，在焦点堆栈中的第25张图像中梯度值最大，那么该点的索引值即为25，我们对整幅图像m*n个像素计算其索引值，256层重聚焦，因此索引值应该∈（0，256）

索引图像

部分索引值

然后可以根据焦距，像距和物距公式计算深度，1/U+1/V=1/F，alpha*F就是V，alpha为上一篇博客中讲到的
这种方法估计深度比较粗糙，而且在纹理重复和边界估计不准确，需要进行优化，比如MRF优化等

参考：
1.论文Depth from Combining Defocus and Correspondence Using Light-Field Cameras-W.Tao
2.Panoramic Reconstruction from Multiple Light-Field Images-Buyukalp,Yasin