第一篇先來個有趣的實驗，簡單方法重建栩栩如生的3D模型，文章最後附上Demo程式，希望可以提升讀者們的興趣
用普通的相機加上閃燈重建3D模型，來自於SIGGRAPH08的”A Perceptually Validated Model for Surface Depth Hallucination”
概念上是這樣的，假設一個物體為diffuse表面，也就是不反光的材質，利用有打閃光燈與沒有打閃光燈的差異可以得到一個物體表面的diffuse反射係數，想像離我們比較近的pixel強度比較大，閃燈嚴然成了一個簡易的測距工具，幾乎就要反映出物體深度拉。具體公式如下：
\[I^a(x,y)=\frac{I^f(x,y) – I^d(x,y)} {I^c(x,y)}\]
其中\(I^a(x,y)\)表示diffuse反射係數(Albedo)，\(I^d(x,y)\)表示未打閃燈的影像(diffuse)，\(I^f(x,y)\)則是有打閃燈的影像(Flash)，最後\(I^c(x,y)\)則是校正用影像(Calibration)
\(I^d(x,y)\)
\(I^f(x,y)\)
\(I^c(x,y)\)
這邊解釋為什麼需要\(I^c(x,y)\)，由於閃燈的發光形狀可能會影響到\(I^f(x,y)\)的強弱，所以我們在相同打閃設定下在物體前放上一張白紙拍攝，以此作為閃燈結果的基本值。舉例來說，若閃燈距離很近，就可能產生光暈在畫面中間特強的影像，\(I^f(x,y)-I^d(x,y) \)的值永遠會呈現中間高四周低的結果，無法反映物體深度。除上\(I^c(x,y)\)可以normalize不同閃燈造成的深度誤差。
到此我們得到了\(I^a(x,y)\)，看起來很像是\(I^d(x,y)\)的灰階版本，如下圖
\(I^a(x,y)\)
不過這還不能成為深度影像，直接套用我們會得到一個非常noisy的3D模型，論文中的作法是類似利用不同模糊程度影像，由模糊到清晰依序的序疊加。此部份的操作就等同於由粗略的深度開始，逐漸刻出細節。權重的給法則是模糊影像較大，細節影像較小來壓制noise；做法接近multi-band blending。
論文中的疊加過程修正了不同圖層間的權重，最後就得到我們的深度影像如下圖。這個方法也有其限制，一是物體材質必須要接近diffuse，二則是無法對有遮擋的物體進行完整重建，畢竟只有single view嘛! 優點則是便宜快速，看起來頗精緻，可以應用在遊戲貼圖上!
Demo程式下載
3D model為了即時渲染使用maya2011做了auto reduce處理，面數大約只有40000，與800*533原有精度些許落差。其實用bump mapping更省，不過那又是另外一個題目囉。
拖曳滑鼠左鍵改變模型方向
拖曳滑鼠右鍵改變光源方向
z、x改變鏡頭zoom in/zoom out
t開關材質貼圖
數字鍵1、2、3改變三種sample模型
你可能會需要Visual C++ 2010開啟專案或執行程式
這是修林奕成教授IBMR的project之一，本來是要挑戰實作迪士尼”High-Quality Single-Shot Capture of Facial Geometry”那篇的人臉重建，最後因為餅畫太大所以僅挑了Depth Hallucination來充數XD
你的文章都好有趣!
謝謝! 其實我的研究和工作更有趣，連我自己都覺得是砸錢的黑科技，但是礙於商業秘密總是只能寫些一般論XD