计算摄影学

从部署到实践，即刻拥有你的专属龙虾助手

OpenClaw开发者专区🦞🦞🦞

自行/邀约他人一键搬运博客，享价值百万资源包

腾讯云自媒体同步曝光计划

往期视频·干货材料·成员作品 最新动态

腾讯技术创作特训营知识专栏

新邀入驻腾讯云开发者社区，福利多多！

在计算摄影学的研究和应用中，计算机视觉（Computer Vision）技术扮演了至关重要的角色。计算机视觉不仅帮助我们理解和处理图像和视频数据，还为我们提供了丰富的工具和方法，以提升摄影和图像处理的效果。为了帮助大家更好地理解和应用这些技术，我准备也在星球中介绍更多关于计算机视觉的内容，首先我会引用一些文章，来介绍“计算机视觉领域的基础模型”。

计算机视觉领域的基础模型

到目前为止，我已经给各位介绍了各种各样的端到端立体匹配算法，当这些算法在处理与其训练集的特性类似的图像时，大多能够取得非常不错的匹配结果。然而，如果待匹配的图像与训练时使用的图像在特性上存在显著差异，这些算法的效果就会大幅下降，这就是所谓的“领域转换问题（Domain Shift Issue)”。

92. 三维重建27-立体匹配23，如何让模型适应新类型的图像

在上一篇文章90. 三维重建25-立体匹配21，训练端到端的立体匹配模型的不同监督强度中，我们描述了训练端到端立体匹配网络的不同监督程度的方法，包括有监督学习、自监督学习，以及弱监督学习。我提到：

91. 三维重建26-立体匹配22，如何利用额外的线索训练端到端的立体匹配模型

我们已经通过多篇文章讲解了端到端的立体匹配模型的各种细节问题，不过还没有回答一个问题：这样的模型如何训练？那么这一篇文章就来谈论这个问题。

90. 三维重建25-立体匹配21，训练端到端的立体匹配模型的不同监督强度

在上一篇文章88. 三维重建23-立体匹配19，端到端立体匹配深度学习网络之怎样估计立体匹配结果的置信度？中，我介绍了在立体匹配网络中引入置信度的好处，以及几篇典型的方法。我们看到了传统算法中的多种置信度的计算判据，也看到了深度学习时代我们学习置信度图的典型方案，另外我们还看到基于置信度如何优化得到更好的视差图的方案，以及把置信度的预测，与视差的生成，整合到同一个网络流程中，以循环神经网络的形式迭代式的得到最佳结果。

89. 三维重建24-立体匹配20，端到端立体匹配深度学习网络之置信度计算的几种思路

到目前为止，我已经介绍了很多立体匹配技术，它利用两幅图像的视差来重建三维场景。我们可以把立体匹配技术用在很多领域，像我所讲的将它应用在手机上进行大光圈的虚化渲染，它还可以用在三维目标检测、自动驾驶、虚拟现实等很多领域。

88. 三维重建23-立体匹配19，端到端立体匹配深度学习网络之怎样估计立体匹配结果的置信度？

在数码成像技术迅猛发展的当今时代，对图像质量的追求已经穿越了摄影的艺术领域，深入到了相机与手机的设计、生产和制造的每一个环节。不论是对那些致力于把握每一道光线的摄影爱好者，还是那些精益求精、追求完美产品的设计与制造专家，甚至是将摄影技术运用于机器视觉和科学研究领域的先行者们，理解和测量相机的关键特性，已经成为确保成像质量的关键所在。

单个像素将入射光转换为数字信号的基本模型

上一篇文章86. 三维重建21-立体匹配17，端到端立体匹配深度学习网络之如何获得高分辨率的视差图我们讲了端到端深度学习网络中获取高分辨率视差图的各种方法，我们看到这里面有自底向上和自顶向下两大类算法，而我个人最喜欢的还是自顶向下的方法，它与传统的金字塔图像处理算法非常类似，并且在获取到初始视差图后可以根据需要附加特定的信息，来逐层的提升视差图的准确性，这一点又和联合双边滤波、引导滤波这一类的传统算法在精神上高度吻合。

87. 三维重建22-立体匹配18，端到端立体匹配深度学习网络之怎样进行实时立体匹配？

Photoshop 脚本是一种编程语言，允许用户自动执行 Photoshop 中的一系列任 务。这些脚本可以用来自动化重复的任务，创建复杂的效果，或者与其他应用程序和数 据进行交互。通过使用 Photoshop 脚本，设计师和摄影师可以大大提高他们的工作效 率，减少手动操作的时间。

告别繁琐后期，用Photoshop脚本编程轻松搞定摄影作品处理！

上一篇文章85. 三维重建20-立体匹配16，端到端立体匹配深度学习网络之视差计算我们讲了端到端深度学习网络中视差计算的方法，我们看到应用到端到端立体匹配时，视差计算也是有不少讲究的。我还提到，要想进一步提升视差图的准确度，应该通过网络的其他模块配合完成。那么今天我们就来讲一讲，如何来获得高分辨率的视差图，这个问题对我自己也非常重要，因为我最近也正在处理高帧率高分辨率视频立体匹配的问题。

86. 三维重建21-立体匹配17，端到端立体匹配深度学习网络之如何获得高分辨率的视差图Wang Hawk

在我的上一篇文章84. 三维重建19-立体匹配15，端到端立体匹配深度学习网络之代价体的计算和正则化中，我们学习到了端到端立体匹配网络的代价体计算及正则化的过程，我看到了3D和4D两类代价立方体、以及混合使用两者的方案。正如下图所示，

85. 三维重建20-立体匹配16，端到端立体匹配深度学习网络之视差计算

在我的上一篇文章83. 三维重建18-立体匹配14，端到端立体匹配深度学习网络之特征计算中，我为你介绍了基于深度学习的立体匹配算法的最新思想：端到端的立体匹配网络。具体来说我提到这类网络有两类形式：

84. 三维重建19-立体匹配15，端到端立体匹配深度学习网络之代价体的计算和正则化

角放大率（Angular Magnification）是一种描述光学设备，如望远镜或显微镜，改变物体视角大小能力的参数。具体而言，它是通过光学设备观察物体时，所得到的视角大小与直接用肉眼在标准观察距离观察物体所得到的视角大小的比值。这个比值反映了光学设备对视场的放大程度。

光学词汇14-透镜7-角放大率

轴向放大率（Longitudinal Magnification）是描述在光学系统中，像的轴向尺寸与物的轴向尺寸的比值。在光学中，轴向放大率密切关联到foreshortening（透视压缩）效应。foreshortening是一种视觉现象，当物体沿着视线方向延伸时，物体的尺寸看起来会比实际的小。这是因为我们观察的是物体的二维投影，而不是其三维实体。

光学词汇13-透镜6-轴向放大率

垂轴放大率（Transverse Magnification）是指光学系统中，像的垂轴尺寸与物的垂轴尺寸的比值。它是评估光学系统放大或缩小图像能力的一个重要参数。

光学词汇12-透镜5-垂轴放大率

我在上两篇文章81. 三维重建16-立体匹配12，深度学习立体匹配之 MC-CNN和82. 三维重建17-立体匹配13，深度学习立体匹‍配的基本网络结构和变种中，给大家介绍了人们从传统立体匹配算法，初次进入深度学习的世界时，所构建的一系列基础的深度学习立体匹配算法。这些算法的共同之处都是从传统算法管线中吸取经验，将某一个或多个模块用深度学习方法来替代，比如很多算法把特征提取这一块用深度学习来取代，取得了不错的效果。但通常它们都并非是端到端的，有一些重要的模块还需要用传统算法来实现，例如得到代价立方体后需要进行代价立方体的正则化优化时，很多算法采用传统的MRF、或扫描线优化等方式来实现。由于这些算法脱胎自传统算法，所以如果你学过我之前讲过的传统立体匹配算法的流程，你会很容易理解它们。

83. 三维重建18-立体匹配14，端到端立体匹配深度学习网络之特征计算

薄透镜等式(Thin-Lens Equation)，也称为透镜制造者公式(Lensmaker’s Formula)，是一个特殊的光学公式，揭示了物距、像距、透镜折射率以及透镜表面曲率之间的关系。这个公式对于理解透镜如何改变光线的传播路径以及如何形成图像是至关重要的。

光学词汇11-透镜4-透镜制造者公式

正透镜（Positive Lens）和负透镜（Negative Lens）是光学系统中的两个基本元素，它们分别定义了透镜如何聚焦和散焦光线。正透镜和负透镜是由实体材料制成的，而不是虚拟的概念，它们的形状和物理特性决定了光线在透镜中的传输和变换方式。

光学词汇10-透镜3-正透镜负透镜

实像（Real Image）和虚像（Virtual Image）是光学术语，它们描述了由透镜、镜子或其他光学系统形成的像（即视觉效果或图像）的性质。这些概念在理解和设计光学系统时非常关键。

光学词汇9-透镜2-实像虚像实物虚物

非球面透镜（Aspheric lens）是一种特殊的透镜，它的表面形状并非简单的球面，而是更复杂的形状。在理想情况下，非球面透镜能够改善光学系统的性能，减小光线偏差和光学畸变。

光学词汇8-透镜1-非球面透镜

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯云开发者社区推出了计算摄影学专栏，为你提供了计算摄影学的相关文章，致力于帮助开发者快速成长与发展。

计算摄影学

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐