更新时间：2024-08-19 16:26:21
封面
版权页
作者简介
前言
第1章 计算摄像学概述
1.1 计算摄像学研究范畴
1.1.1 研究背景
1.1.2 研究内容
1.2 计算摄像学相关课程
1.3 计算摄像学相关教材
本章参考文献
第2章 数字摄像原理
2.1 图像传感器的基本原理
2.2 色彩形成的基本原理
2.3 相机内部图像处理流程
2.3.1 白平衡
2.3.2 去马赛克
2.3.3 去噪
2.3.4 色调再现
2.3.5 传感器原始图像格式
2.4 深度学习建模相机内部流程
2.4.1 应用于图像增强
2.4.2 应用于图像处理流程建模
2.5 本章小结
2.6 本章课程实践
第3章 相机几何模型
3.1 针孔相机模型
3.2 透视投影与相机矩阵
3.2.1 相机内参矩阵
3.2.2 相机外参矩阵
3.2.3 透视投影现象与应用
3.2.4 特殊相机模型
3.3 相机几何标定
3.3.1 三维对应点标定法
3.3.2 多图棋盘格标定法
3.3.3 径向畸变标定法
3.4 利用深度学习的相机几何标定
3.4.1 直接回归相机焦距法
3.4.2 地平线辅助标定法
3.4.3 垂直消失点辅助标定法
3.4.4 径向畸变下的标定问题
3.4.5 利用特殊场景进行标定
3.5 本章小结
3.6 本章课程实践
第4章 镜头与曝光
4.1 理想透镜与真实透镜
4.2 光圈与景深
4.3 视场与镜头选用
4.4 曝光控制
4.5 虚拟大光圈摄像
4.5.1 虚拟大光圈效果渲染方法
4.5.2 利用深度学习的实现方法
4.6 无镜头成像
4.6.1 相机构造
4.6.2 图像重建算法
4.7 本章小结
4.8 本章课程实践
第5章 焦点堆栈与光场摄像
5.1 焦点堆栈
5.1.1 基本概念
5.1.2 拍摄与合并
5.1.3 对焦与离焦的深度测量
5.2 光场
5.2.1 基本概念
5.2.2 表示方法
5.2.3 拍摄方法
5.2.4 可视化与应用
5.3 自动对焦
5.3.1 主动对焦
5.3.2 反差对焦
5.3.3 相位对焦
5.4 利用深度学习表示光场
5.4.1 经典光场表示
5.4.2 基于神经辐射场的方法
5.5 本章小结
5.6 本章课程实践
第6章 光度成像模型
6.1 相机辐射响应及其标定
6.1.1 相机响应函数
6.1.2 相机辐射响应标定
6.2 光度成像模型的三个基本要素
6.2.1 表面法线
6.2.2 反射率模型
6.2.3 光源模型
6.3 从明暗恢复形状
6.4 利用深度学习估计环境光照
6.4.1 参数化模型估计室外光照
6.4.2 自编码器估计室外光照
6.4.3 非参数化全局一致室内光照
6.4.4 参数化的局部可变室内光照
6.5 本章小结
6.6 本章课程实践
第7章 光度立体视觉
7.1 经典方法
7.1.1 相关基本概念
