Reconstrucción de la profundidad de una imagen

Ir a la navegaciónIr a la búsqueda
La reconstrucción de la profundidad de una imagen es un tipo de procesamiento
digital de imágenes por el que a partir de imágenes bidimensionales se puede
obtener información que permita una recreación de la distribución espacial real.

A pesar de que actualmente se están dedicando muchos esfuerzos en desarrollar

algoritmos de reconstrucción de la profundidad a partir de dos o más imágenes, el
análisis de características de una única imagen (como variaciones de la textura o
el color) también puede aportar información sobre su profundidad.

Índice
1 Estimación de la profundidad
1.1 Profundidad absoluta
1.2 Profundidad relativa
2 Modelo probabilístico
2.1 Modelo gaussiano
2.2 Modelo laplaciano
3 Referencias
Estimación de la profundidad
Para hacer la estimación de la profundidad de una imagen se divide esta en regiones
cuadradas no superpuestas. A partir del análisis de estas regiones se puede obtener
información sobre la profundidad absoluta (la profundidad de una región respecto al
resto de la imagen) y la profundidad relativa (la profundidad de una región
respecto a sus regiones vecinas) de cada región.

Profundidad absoluta
La profundidad absoluta de una región indica cuál es su profundidad en el contexto
de la imagen global. Para estimar la profundidad absoluta de una región no basta
con sus características locales, son necesarias características globales de la
imagen. Para conseguir una buena estimación se trabaja con la imagen en distintas
escalas. Esto es útil para encontrar la profundidad absoluta porque regiones a
distintas profundidades tienen comportamientos completamente distintos cuando son
analizadas a diferentes escalas. Por ejemplo, el cielo aparece muy similar en
distintas escalas, pero una zona de hierba se ve muy distinta. Además, objetos
cercanos aparecen más grandes en la imagen, por lo que se capturarán en escalas
mayores, mientras que objetos más lejanos solo aparecen en escalas más pequeñas.

Profundidad relativa
La profundidad relativa de una región indica cuál es su profundidad respecto a sus
regiones vecinas. Para estimar la profundidad relativa de una región se consideran
características de sus regiones circundantes. Así, dos regiones colindantes con
similares características de textura y color tendrán profundidades similares,
mientras que si sus características son considerablemente distintas, también
tendrán profundidades distintas.

Modelo probabilístico

De izquierda a derecha: imagen normal, su verdadero mapa de profundidad, su

reconstrucción de profundidad según el modelo gaussiano y su reconstrucción de
profundidad según el modelo laplaciano.
Debido a que las características locales de la imagen no son suficientes para
estimar su profundidad con exactitud suficiente, es necesario un análisis global de
la estructura espacial de la escena. El modelo probabilístico establece relaciones
entre la profundidad de diferentes regiones de la imagen mediante un campo
aleatorio de Markov. El modelo probabilístico se puede desarrollar de dos modos
distintos: modelo gaussiano o modelo laplaciano.
Modelo gaussiano
El modelo gaussiano es un campo aleatorio de Markov gaussiano que se define según
la siguiente ecuación:

{\displaystyle P_{G}(d\vert X;\theta ;\sigma )={\frac {1}{Z_{G}}}\exp \left(-\sum

_{i=1}^{M}{\frac {(d_{i}(1)-x_{i}^{T}\theta _{r})^{2}}{2\sigma _{1r}^{2}}}-\sum
_{s=1}^{3}\sum _{i=1}^{M}\sum _{j\in N_{s}(i)}{\frac {(d_{i}(s)-d_{j}(s))^{2}}
{2\sigma _{2rs}^{2}}}\right)}{\displaystyle P_{G}(d\vert X;\theta ;\sigma )={\frac
{1}{Z_{G}}}\exp \left(-\sum _{i=1}^{M}{\frac {(d_{i}(1)-x_{i}^{T}\theta _{r})^{2}}
{2\sigma _{1r}^{2}}}-\sum _{s=1}^{3}\sum _{i=1}^{M}\sum _{j\in N_{s}(i)}{\frac
{(d_{i}(s)-d_{j}(s))^{2}}{2\sigma _{2rs}^{2}}}\right)}
El vector di(s) contiene las profundidades en las distintas escalas s=1,2,3 la
región i de la imagen. Ns(i) corresponde a las cuatro regiones vecinas de i en la
escala s. M es el nombre total de regiones de la imagen; Z es la constante de
normalización del modelo; xi es el vector de características de profundidad
absoluta para la región i; ϕ y σ son parámetros del modelo.

Modelo laplaciano
El modelo laplaciano utiliza laplacianos para modelar la distribución de
profundidades. La ecuación que lo define es la siguiente:

{\displaystyle P_{L}(d\vert X;\theta ;\lambda )={\frac {1}{Z_{L}}}\exp \left(-\sum

_{i=1}^{M}{\frac {\vert d_{i}(1)-x_{i}^{T}\theta _{r}\vert }{\lambda _{1r}}}-\sum
_{s=1}^{3}\sum _{i=1}^{M}\sum _{j\in N_{s}(i)}{\frac {\vert d_{i}(s)-d_{j}
(s)\vert }{\lambda _{2rs}}}\right)}{\displaystyle P_{L}(d\vert X;\theta ;\lambda )
={\frac {1}{Z_{L}}}\exp \left(-\sum _{i=1}^{M}{\frac {\vert d_{i}(1)-
x_{i}^{T}\theta _{r}\vert }{\lambda _{1r}}}-\sum _{s=1}^{3}\sum _{i=1}^{M}\sum
_{j\in N_{s}(i)}{\frac {\vert d_{i}(s)-d_{j}(s)\vert }{\lambda _{2rs}}}\right)}
Donde ϕr, λ1r y λ2r son parámetros propios del modelo. El modelo laplaciano
presenta ciertas ventajas frente al modelo gaussiano. En primer lugar, el
histograma de las profundidades relativas (di - dj) es empíricamente más parecido
al laplaciano que al gaussiano. En segundo lugar, el laplaciano es más robusto
frente a errores. En tercer lugar, el modelo gaussiano presenta dificultades para
ofrecer mapas de profundidad con contornos pronunciados, mientras que el laplaciano
da mejores resultados en estos casos.

Referencias
3-D Depth Reconstruction from a Single Still Image (en inglés)
Control de autoridades
Proyectos WikimediaWd Datos: Q9067263
Categorías: ImagenÓpticaFotografía
Menú de navegación
No has accedido
Discusión
Contribuciones
Crear una cuenta
Acceder
ArtículoDiscusión
LeerEditarVer historialBuscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
Páginas nuevas
Página aleatoria
Ayuda
Donaciones
Notificar un error
Herramientas
Lo que enlaza aquí
Cambios en enlazadas
Subir archivo
Páginas especiales
Enlace permanente
Información de la página
Citar esta página
Elemento de Wikidata
Imprimir/exportar
Crear un libro
Descargar como PDF
Versión para imprimir

En otros idiomas
Català
Editar enlaces
Esta página se editó por última vez el 3 may 2021 a las 19:06.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir
Igual 3.0; pueden aplicarse cláusulas adicionales. Al usar este sitio, usted acepta
nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una
organización sin ánimo de lucro.