鏡片是亞克力

瀏覽：98 發(fā)布日期：2023-03-06 09:18:42 投稿人：網(wǎng)絡(luò)投稿

網(wǎng)上有很多關(guān)于鏡片是亞克力,新型無鏡頭相機助力計算機視覺的知識，也有很多人為大家解答關(guān)于鏡片是亞克力的問題，今天亞克力鏡片生產(chǎn)廠家(m.1818city.com)為大家整理了關(guān)于這方面的知識，讓我們一起來看下吧!

本文目錄一覽：

1、鏡片是亞克力

2、亞克力鏡片和玻璃鏡片哪個對眼睛好？

鏡片是亞克力

選自IEEE Spectrum，作者：Mark Anderson，機器之心編譯。

計算機視覺處理高分辨率的圖像需要非常多的計算量，因此很多數(shù)據(jù)集的圖像分辨率都非常小。而近日，工程師們用一塊玻璃、一個光電探測器和一些軟件，開發(fā)了一種「透視」相機，這種不帶鏡頭的相機能拍攝分辨率非常小的圖像，并抽象出物體的主要輪廓。因此使用這種相機拍攝的圖像能大量降低計算機視覺所需要的計算力。同時，他們也在開發(fā)用機器學(xué)習(xí)算法處理更復(fù)雜圖像的技術(shù)。

以前的相機配備自己的專門設(shè)備，如鏡頭和膠卷，而且照相得去照相館。后來，手機、平板電腦、筆記本電腦和視頻游戲機都有了自己的照相功能。現(xiàn)在，相機似乎會在某天變得和玻璃一樣不顯眼，甚至它都不再需要鏡頭。

根據(jù)新的研究，壓在窗戶邊緣的光電探測器可以檢測玻璃內(nèi)部的反射光，就像光信號穿過光纜一樣。對檢測到的微小光線進行一些巧妙的處理，可以讓玻璃面板成為一個巨大的照相機鏡頭。

由這種相機產(chǎn)生的粒狀圖像（想象一下像素化、失真和分辨率較低的圖像）雖然暫時還沒法和傳統(tǒng)相機的效果相比。但是對于很多計算機視覺任務(wù)來說，窗玻璃或一塊汽車擋風(fēng)玻璃拍攝的分辨率足以滿足圖像處理算法或神經(jīng)網(wǎng)絡(luò)所需的信息。

這是他們對 LED 陣列圖像的拍攝效果：

其中左列是原始圖像，中間列是圖像傳感器接收到的輸入，右列是計算機重構(gòu)后的圖像。

猶他大學(xué)電氣和計算機工程副教授 Rajesh Menon 說，現(xiàn)代照相機拍攝的圖像中，其實有很多是我們用肉眼無法看到的。它們只能被用來處理安全的照相機算法或自動車輛圖像傳感器看到，而這些我們?nèi)庋蹮o法看到的圖像正變得越來越多。

所以，Menon 問道，「如果機器相比人類能夠看到的圖像和視頻更多，那我們?yōu)槭裁床豢紤]為機器重新設(shè)計相機呢？這樣能讓我們脫離之前的窘境，以非人類的角度來看待相機。」

換而言之，計算機視覺算法并不如人眼那樣總需要高分辨率和高圖像保真率。它們能從 Menon 和 Ganghun Kim 的「透明無鏡頭相機」中獲得大量信息，即使它拍攝的圖像質(zhì)量并不高，這樣成本和占用面積都會大量減小。他們的技術(shù)已經(jīng)申請了專利，該技術(shù)對視覺媒介本身并沒有要求，可以是玻璃、塑料或有機玻璃等。

他們將一個現(xiàn)成的光電探測器（8 分辨率、640×480 像素）連接到有機玻璃的邊緣，平滑連接的邊緣且準(zhǔn)備與成像設(shè)備連接。他們隨后在有機玻璃其余周邊放置反光帶。Menon 說他們可以在沒有反光帶的情況下成像，只不過反光帶提高了信噪比。

對于這種概念驗證，實驗只需要保持簡單的視野。他們在窗格前放置了一排尺寸為 32X32 的 LED 燈。然后，當(dāng) 1024 束光各自被照亮?xí)r，他們觀察到達光電探測器的信號。因此，來自 LED 陣列的任何圖像，至少在一級近似中，將僅僅是每個點亮的單獨 LED 燈信號的線性組合。

如果機器相比人類能夠看到的圖像和視頻，那我們?yōu)槭裁床豢紤]為機器重新設(shè)計相機呢？——猶他大學(xué)，Rajesh Menon

Menon 表示，在這個項目中，他們開發(fā)了一種傳統(tǒng)信號處理算法，它能夠借助光電探測器接收的信號重構(gòu)圖像。他們把這一步稱為「反轉(zhuǎn)問題」，因為他們的算法利用復(fù)雜、混亂的信號作為輸入，并利用探測器檢測到的光子來生成可能的目標(biāo)。

「我們正在檢測「光子」在與特定目標(biāo)對應(yīng)的空間中的分布，」他表示，「我們喜歡看一對一的圖。相機的原理正是如此。此處用到的是一對多的圖，因此我們要解決反轉(zhuǎn)問題。」

這也是這些玻璃面板「相機」與計算機視覺相關(guān)的項目完美契合的原因。圖像質(zhì)量和可分解的信息對于計算機視覺來說可能已經(jīng)足夠好了，但還不能（也許永遠都不能）取代基于鏡頭、拍給人看的傳統(tǒng)相機。

Menon 提到，他的團隊目前正在開發(fā)一種機器學(xué)習(xí)算法用于學(xué)習(xí)更復(fù)雜的圖像，如可以被檢測并識別為數(shù)值的手寫數(shù)字。他指出，該技術(shù)可能首先被應(yīng)用在 VR 或 AR 眼鏡中。這些眼鏡的圖像生成和圖像展示硬件已然非常笨重，眼球追蹤攝像頭可能是個累贅。因此，如果能夠用這款不帶攝像頭的透視相機就能追蹤用戶的眼動并獲取足夠優(yōu)質(zhì)的信息該有多好。

用一項品質(zhì)遠遠低于當(dāng)前最佳水平的技術(shù)作為突破聽起來非常諷刺。但 Menon 表示，或許轉(zhuǎn)變思維方式，重新設(shè)計在 AI 及圖像處理系統(tǒng)中「足夠優(yōu)質(zhì)」的技術(shù)可以讓我們前進一大步。就像蒼蠅的眼睛一樣，AI 世界里最重要的不是單個數(shù)據(jù)的品質(zhì)，而是數(shù)據(jù)源的增殖能力。

這也是為什么相機和玻璃板在未來數(shù)年會越來越接近的原因，至少對于計算機視覺算法來說是這樣。

論文：Computational imaging enables a「see-through」lens-less camera

論文地址：https://www.osapublishing.org/oe/abstract.cfm?uri=oe-26-18-22826

摘要：傳統(tǒng)相機會遮擋需要記錄的場景，而這里我們將一個圖像傳感器（沒有鏡頭）放在透明窗口的邊緣，并通過該窗口觀察物體圖像。這一過程首先可以通過圖像傳感器收集散射光，然后通過解光散射的逆問題來實現(xiàn)圖像的重構(gòu)。因此，我們能形成簡單的圖像，并且在物距 150mm、焦距 10mm 的情況下有 0.1 line-pairs/mm 的空間分辨率。我們進一步展示了兩種物體的成像：LED 陣列和傳統(tǒng)的 LCD 屏幕。最終，我們演示了彩色和視頻成像。