Light-field imaging systems have got much attention recently as the next generation camera model. A light-field imaging system consists of three parts: data acquisition,
manipulation, and application. Given an acquisition system, it is important to understand how a light-field camera converts from its raw image to its resulting refocused image. In this paper, using the Lytro camera as an example, we describe step-by-step procedures to calibrate a raw light-field image. In particular, we are interested in knowing the spatial and angular coordinates of the micro lens array
and the resampling process for image reconstruction. Since Lytro use hexagonal arrangement of a micro lens image, additional treatments in calibration are required. After calibration, we analyze and compare the performances of several
resampling methods for image reconstruction with and without calibration. Finally, a learning based interpolation method is proposed which demonstrates a higher resolution
image reconstruction than previous interpolation methods including method used in Lytro software. To this end, we have also revealed additional processes, e.g. defected pixel removal, color correction, noise reduction and rectification, in the
calibration pipeline which further enhance quality of reconstructed light field image to meet consumer level standards.
최근에 차세대 카메라 모델로서 라이트 필드 이미징 시스템에 대한 관심이 증가 하고 있다. 라이트 필드 이미징 시스템은 세 가지 부분으로 구성된다: 데이터 획득, 처리 그리고 응용. 라이트 필드 이미지 데이터 획득 시스템이 있다면, 라이트 필드 카메라로 부터 얻이지는 로우 데이터를 이미지로 변환하는 것에 대한 연구가 중요하다. 본 논문에서는 리트로라는 라이트 필드 카메라를 이용하여, 라이트 필드 로우 데이터 켈리브레이션 과정을 단계별로 서술한다. 특히, 우리는 마이크로 렌즈 배열의 공간적 방향적 좌표를 구하는 것과 이미지 복원을 위한 리 샘플링 알고리즘에 대해 초점을 맞춘다. 리트로 카메라의 마이크로 렌즈 배열은 육각형 구조를 가지므로, 그 것에 맞는 고려사항이 더 존재 한다. 켈리브레이션에 대한 과정을 제시한 후에, 켈리브레이션 여부에 따른 이미지 복원을 위한 다른 리 샘플링 방법들의 성능과 비교 분석한다. 마지막으로, 고 화질 이미지 복원을 위해 학습 기반의 알고리즘을 제시하고 기존의 복원 방법과 리트로 소프트웨어의 결과와의 비교를 보인다. 게다가, 소비자들의 만족도를 높이기 위하여 불량 화소 및 색상 보정, 노이즈 제거와 영상 평행화(rectification)과 같은 추가 과정 대해서 다룬다.
