校正功能以平衡深度

Question

我有一个深度图像，形状为11 x 23，我确实想使用四个角度的深度相同在此处的图中显示了值：

总如下：

def corr_func(arr):
    """
    Function: corr_func, linear correction of discrete depth values.
    ---
    Parameters:
    @param: arr, ndarray, depth image to be corrected.
    
    ---
    @return: arr, ndarray, corrected depth image.

    """
    c_00 = int(arr[0][0])
    c_01 = int(arr[0][-1])
    c_10 = int(arr[-1][0])

    y_corr = (c_01 - c_00)/arr.shape[1]
    x_corr = (c_10 - c_00)/arr.shape[0]
    print("x_corr = {}, y_corr = {}".format(x_corr, y_corr))

    r, c = arr.shape[:2]

    for i in range(r):
        for j in range(c):
            corr = math.floor(j*y_corr + i*x_corr)
            arr[i,j] -= corr
    return arr

我的第一个想法是计算拐角之间的差异，并将每个单元格的差异 校正值累积并使极端角值比应有的高。

---

编辑：

---

遵循@christophrackwitz的建议 我将深度值视为z，计算了x和y轴的旋转角度，并应用了旋转，如下所示：

def corr_func(arr):
    """
    Function: corr_func, non-linear correction of discrete depth values.
    ---
    Parameters:
    @param: arr, ndarray, depth image to be corrected.
    
    ---
    @return: arr, ndarray, corrected depth image.

    """
    c_00 = int(arr[0][0])
    c_01 = int(arr[0][-1])
    c_10 = int(arr[-1][0])

    alpha = atan2((c_01 - c_00), arr.shape[1])
    beta  = atan2((c_10 - c_00), arr.shape[0])

    arr = arr * cos(alpha) * cos (beta)
    arr = arr.astype(np.uint8)
    return arr

结果：结果似乎比线性校正更好，但如果可能的话，仍在寻找更好的结果。

---

您能向我建议一种更好的更正方法吗？提前致谢。

Answer 1

正如@yvesdaoust的建议，减去双线性模型已经解决了这个问题：

    def corr_func(self, arr):
        """
        Empirical Values
        """
        self.y_correc = 0.0 #- 0.5
        self.x_correc = + 4.0
        
        if(self.corr_array is None):
            self.corr_array = np.zeros((arr.shape), dtype=np.int16)
            r, c = arr.shape

            for i in range(r):
                for j in range(c):
                    self.corr_array[i, j] = floor(i*self.x_correc + j*self.y_correc)
                        
        arr = arr.astype(np.int16)
        arr += self.corr_array
        arr[arr<0]=0
        arr = arr//2
        arr = arr.astype(np.uint8)
        return arr