【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种数据仿真方法。
技术介绍
1、pdaf(phase detection auto focus，相位对焦)技术广泛应用于智能手机摄像头自动对焦，pd摄像头还扩展应用于去模糊、深度估计、去反射、景深仿真等领域。基于pd数据的去模糊、深度估计等应用主要是基于深度学习，需要大量的训练数据，而pd数据的缺失也成为了该方向的难点。pd数据仿真可以快速获取大量的数据集，目前仿真方法都是针对dual-pd(两相位检测)数据，主要有以下两种仿真方法：
2、第一种：采用rgb-深度数据基于收集计算的仿真方法。第一种优点：点扩散函数与真实pd相机设备较为接近，形态多样化。第一种缺点：(1)与离焦模糊的光学原理不符合，离焦模糊的光学原理可以理解为散射操作，即输入的每个像素将其影响分散到其影响范围。(2)卷积实现会产生较严重的视觉伪影，卷积算法是围绕收集操，即输出的每个像素都会收集输入中附近像素的影响，跨景深边界产生较严重伪影。
3、第二种：采用rgb-深度数据基于矩形均匀散射计算的仿真方法。第二种优点：与离焦模糊的光学散射原理符合。第二种缺点：对于绝大多数的cmos传感器或者相机，点扩散函数并不是均匀分布，且不是矩形的左右各一半，第二种方法仿真的模糊图像中存在大量的矩形光斑。
技术实现思路
1、本专利技术的目的在于提供一种数据仿真方法，本专利技术采用rgb-深度数据基于扩散计算的仿真方法。本专利技术为点扩散函数的扩散计算，与改进前第一种方法相比跨
2、本专利技术提供一种数据仿真方法，包括：
3、s1、获取相对应的聚焦rgb图像和深度图；根据成像原理和预设的相机参数，计算所述深度图中每个像素对应的模糊核的扩散半径；
4、s2、估计或者直接调用点扩散函数模型，所述点扩散函数模型包括两相位检测点扩散函数模型和四相位检测点扩散函数模型；
5、s3、将所述聚焦rgb图像根据所述深度图进行分层；
6、s4、根据每层对应的所述扩散半径和所述点扩散函数模型，将每一层对应的像素进行扩散计算；
7、s5、将扩散计算后的图层按远近顺序进行混合，得到与所述聚焦rgb图像对应的仿真散焦rgb图像。
8、进一步的，步骤s2、估计所述四相位检测点扩散函数模型的方法，具体包括：
9、s211、采集四相位检测聚焦raw图：使用qpd相机,对准平面图中心，调整相机对焦马达位置进行对焦，采集所述四相位检测聚焦raw图；
10、s212、采集四相位检测散焦raw图：调整所述qpd相机的对焦马达位置，使图像模糊，采集所述四相位检测散焦raw图；
11、s213、数据对齐：利用增强相关系数图像对齐方法，以所述四相位检测散焦raw图为基准，将所述四相位检测聚焦raw图与所述四相位检测散焦raw图进行对齐计算，获得对齐后的聚焦图像；并计算所述对齐后的聚焦图像对应的对齐后g通道聚焦图像。
12、进一步的，步骤s211中，所述四相位检测聚焦raw图中，相邻的颜色相同的四个像素为一组；将每种颜色的组中，取各自四个像素的平均值作为该组四合一之后的像素值；每组赋值各自的平均值后构成合成后聚焦图像；所述合成后聚焦图像中，按拜耳格式排列的每相邻的四组像素作为一个第一单元，取每个所述第一单元中的gb和gr的绿平均值作为所述第一单元四合一之后的绿像素值；每个所述第一单元赋值各自的绿平均值后构成绿通道聚焦图像；
13、步骤s212中，所述四相位检测散焦raw图中，相邻的颜色相同的四个像素为一组；将每种颜色的组中，取各自四个像素的平均值作为该组四合一之后的像素值；每组赋值各自的平均值后构成合成后散焦图像；所述合成后散焦图像中，按拜耳格式排列的每相邻的四组像素作为一个第二单元，取每个所述第二单元中的gb和gr的绿平均值作为所述第二单元四合一之后的绿像素值；每个所述第二单元赋值各自的绿平均值后构成绿通道散焦图像；
14、步骤s213中，利用增强相关系数图像对齐方法，以所述绿通道散焦图像为基准，将所述绿通道聚焦图像与所述绿通道散焦图像对齐，计算得到仿射变换矩阵；将所述合成后聚焦图像的b、gb、gr和r通道分别通过所述仿射变换矩阵变换并合成以得到对齐后聚焦图像；所述对齐后聚焦图像中，按拜耳格式排列的每相邻的四组像素作为一个第三单元，取每个所述第三单元中的gb和gr的绿平均值作为所述第三单元四合一之后的绿像素值；每个所述第三单元赋值各自的绿平均值后构成所述对齐后g通道聚焦图像。
15、进一步的，步骤s2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
16、s214a、点扩散函数估计：根据所述四相位检测散焦raw图，分别计算获得四相位散焦的上图像、下图像、左图像和右图像四个方向图像各自的g通道散焦图像；分别计算四相位散焦的四个方向图像各自的g通道散焦图像相对所述对齐后g通道聚焦图像的模糊核，获得上、下、左、右四个点扩散函数模型；
17、所述上图像是将所述四相位检测散焦raw图的每种颜色的组中，取左上和右上两个像素的平均值，作为该组四合一之后的像素值；所述下图像是将每种颜色的组中，取左下和右下两个像素的平均值，作为该组四合一之后的像素值；所述左图像是将每种颜色的组中，取左上和左下两个像素的平均值，作为该组四合一之后的像素值；所述右图像是将每种颜色的组中，取右上和右下两个像素的平均值，作为该组四合一之后的像素值。
18、进一步的，所述四相位散焦的上图像、下图像、左图像和右图像中，每个图像按拜耳格式排列的每相邻的四组像素作为一个单元，所述单元中包括b、gb、gr和r四组像素，取每个所述单元中的gb和gr的绿平均值作为所述单元四合一之后的绿像素值；每个所述单元赋值各自的绿平均值后构成各自对应的所述g通道散焦图像。
19、进一步的，步骤s2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
20、s214b、点扩散函数估计：根据所述四相位检测散焦raw图，分别计算获得四相位散焦的左上图像、左下图像、右上图像和右下图像四个方向图像各自的g通道散焦图像；分别计算该四个方向图像各自的g通道散焦图像相对所述对齐后g通道聚焦图像的模糊核，获得左上、左下、右上和右下四个点扩散函数模型；
21、所述左上图像是将所述四相位检测散焦raw图的每种颜色的组中，取左上像素的像素值，作为该组四合一之后的像素值；所述左下图像是将每种颜色的组中，取左下像素的像素值，作为该组四合一之后的像素值；所述右上图像是将每种颜色的组中，取右上像素的像素值，作为该组四合一之后的像素值；所述右下图像是将每种颜色的组中，取右下像素的像素值，作为该组四合一之后的像素值。
22、进一步的，所述四相位散焦的左上图像、左下图像、右上图像和右下图像中，每个图像按拜耳格式排列的每相邻的四组像本文档来自技高网...
【技术保护点】
1.一种数据仿真方法，其特征在于，包括：
2.如权利要求1所述的数据仿真方法，其特征在于，
3.如权利要求2所述的数据仿真方法，其特征在于，
4.如权利要求2所述的数据仿真方法，其特征在于，步骤S2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
5.如权利要求4所述的数据仿真方法，其特征在于，
6.如权利要求2所述的数据仿真方法，其特征在于，步骤S2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
7.如权利要求6所述的数据仿真方法，其特征在于，
8.如权利要求1所述的数据仿真方法，其特征在于，
9.如权利要求8所述的数据仿真方法，其特征在于，
10.如权利要求8所述的数据仿真方法，其特征在于，步骤S2、估计所述两相位检测点扩散函数模型的方法，具体还包括：
11.如权利要求10所述的数据仿真方法，其特征在于，
12.如权利要求2所述的数据仿真方法，其特征在于，
13.如权利要求1所述的数据仿真方法，其特征在于，
15.如权利要求1所述的数据仿真方法，其特征在于，
16.如权利要求1所述的数据仿真方法，其特征在于，
17.如权利要求1所述的数据仿真方法，其特征在于，
...【技术特征摘要】
1.一种数据仿真方法，其特征在于，包括：
2.如权利要求1所述的数据仿真方法，其特征在于，
3.如权利要求2所述的数据仿真方法，其特征在于，
4.如权利要求2所述的数据仿真方法，其特征在于，步骤s2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
5.如权利要求4所述的数据仿真方法，其特征在于，
6.如权利要求2所述的数据仿真方法，其特征在于，步骤s2、估计所述四相位检测点扩散函数模型的方法，具体还包括：
7.如权利要求6所述的数据仿真方法，其特征在于，
8.如权利要求1所述的数据仿真方法，其特征在于，
9.如...
【专利技术属性】
技术研发人员：陈杭，喻洪涛，谢银，苏文凯，
申请(专利权)人：豪威科技武汉有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。