Immagini 3D senza lenti con nastro adesivo e deconvoluzione

Catturare immagini 3D senza lenti si puo’ fare. Il progetto di okooptics lo dimostra partendo da una fotocamera Raspberry Pi a cui viene tolto l’obiettivo e sopra il sensore viene applicato un sottile strato di nastro adesivo Scotch. Il nastro non e’ un trucco da bancarella: funge da diffusore ottico e imprime alla scena una point spread function nota. Con la giusta matematica di deconvoluzione, la cattura inizialmente sfocata si trasforma in un’immagine reale.

Il punto interessante arriva dopo. Pesando la point spread function su tre dimensioni e aggiungendo un bias direzionale al processo, si crea un effetto simile a uno spostamento della posizione della fotocamera. Cosi’ la scena si rivela da un’angolazione leggermente diversa, senza muovere nulla fisicamente.

Come funziona la deconvoluzione su una cattura sfocata

Il flusso di lavoro parte da una fotocamera Raspberry Pi senza il normale elemento di lente installato. Al posto della lente si applica un sottile strato di nastro adesivo Scotch sopra il sensore. Quel velo diffonde la luce in modo controllato, quindi ogni punto della scena lascia sul sensore una macchia dalla forma prevedibile. La forma della macchia e’ la point spread function.

• Si parte da una fotocamera Raspberry Pi senza l’elemento di lente.
• Al posto della lente si applica un sottile strato di nastro adesivo Scotch sopra il sensore.
• Il nastro funge da diffusore e definisce la point spread function.
• La deconvoluzione recupera un’immagine reale dalla cattura inizialmente sfocata.
• Pesando la point spread function su tre dimensioni si estende il concetto al 3D.
• Aggiungendo un bias direzionale si simula uno spostamento della fotocamera.

Una volta nota la point spread function, la deconvoluzione e’ un problema di algebra lineare. Il software prende la cattura sfocata e la funzione del diffusore, poi stima l’immagine originale. E’ la stessa idea che sta dietro a molte tecniche di imaging computazionale, ma qui il diffusore e’ un pezzo di nastro da pochi centesimi invece di un elemento ottico progettato in laboratorio.

Il bias direzionale che sposta il punto di vista

Il salto al 3D sta nel peso dato alla point spread function. Invece di trattarla come una funzione piatta, il progetto la pesa su tre dimensioni. Inoltre, aggiungendo un bias direzionale al processo, si crea un effetto simile a uno spostamento della posizione della fotocamera. Il risultato e’ una vista da un’angolazione leggermente diversa degli oggetti davanti alla fotocamera.

Per rifare il progetto servono pochi pezzi. La fotocamera Raspberry Pi e’ il cuore del sistema, e il nastro adesivo Scotch e’ il diffusore. Chi vuole partire da zero puo’ usare un modulo fotocamera da 5 megapixel per Raspberry Pi, che monta il sensore Omnivision 5647. Il resto e’ software: la deconvoluzione gira su un computer o sulla stessa scheda, a seconda di quanta potenza si ha a disposizione.

Se il calcolo si vuole fare direttamente a bordo, serve una scheda con un po’ di muscolo. Il Raspberry Pi 5 da 2 GB di memoria monta il processore Broadcom BCM2712 quad-core a 2,4 GHz con architettura Arm Cortex-A76, quindi regge bene anche le operazioni di deconvoluzione su immagini di dimensioni rispettabili.

L’autore non nasconde i limiti pratici della tecnica. La qualita’ della ricostruzione dipende dalla precisione con cui si stima la point spread function, e il nastro adesivo non e’ un componente ottico stabile nel tempo. Inoltre, la deconvoluzione amplifica il rumore, quindi conviene lavorare con scene ben illuminate e sensori con poco rumore di fondo. Chi vuole approfondire la scienza dietro al progetto trova il racconto completo e i riferimenti agli articoli di ricerca nella pagina del progetto su Hackaday.io.

Fonte: https://hackaday.io/contests