Depth from Defocus | Depth from Defocus

Cette vidéo est un cours magistral de la série ‘First Principles of Computer Vision’ présenté par Shree Nayar, professeur à l’Université Columbia. Elle introduit la technique de ‘Depth from Defocus’ (profondeur à partir du flou) pour estimer la profondeur d’une scène à partir de deux images prises avec des réglages de mise au point différents. Le principe repose sur l’analyse de la taille de la tache de flou (PSF) pour chaque point de l’image, qui est liée à la distance de l’objet. L’exposé commence par rappeler les bases de la formation de l’image et la relation entre le diamètre du cercle de flou et la profondeur. Ensuite, il montre qu’avec une seule image, le problème est mal posé (une équation, deux inconnues). En utilisant deux images avec des ouvertures différentes, on obtient une contrainte supplémentaire : le rapport des largeurs des PSF est égal au rapport des diamètres d’ouverture. En passant dans le domaine de Fourier et en prenant le rapport des transformées, on élimine la dépendance à la texture de la scène, ce qui permet de résoudre pour les paramètres de flou. Une approche alternative, basée sur la reconstruction, est également présentée : elle minimise l’erreur de reconstruction entre les images capturées et les images simulées à partir d’une image nette estimée et des PSF. Enfin, l’orateur montre des exemples de résultats, y compris un système temps réel utilisant un séparateur de faisceau et une illumination structurée pour forcer une texture sur des surfaces sans relief.