hirax.net::Keywords::「レンズ」のブログ

トップページ"hirax.net" へ　/　サイトBlog "inside out" へ

「レンズ」に関する最新記事　/　「レンズ」に関する「説明」「記事の一覧」
| より古い5件の記事へ | より新しい5件の記事へ

2011-07-10[n年前へ]

■35mm一眼レフ用レンズをiPhoneで使うことができるようにするiPhone SLR Mount　

　35mm一眼レフ用レンズをiPhoneで使うことができるようにするiPhone SLR Mount

Buy the The iPhone 4 SLR Mount at the Photojojo Store!

この記事の「関連お勧め記事」を読む >>

　（昨年Maker Faire Tokyo 2014 で眺めた湯村さんのPersonal Cosmosが面白く・ハマったたので）神田無線電機モバイルプロジェクタとスマホ魚眼レンズで全球ディスプレイを作ってみよう!?（第1回） …というわけで、湯村さん@yumu19のPersonal Cosmosモドキを仕立ててみました。１万円ちょっとで買った神田無線電機のモバイルプロジェクタと東急ハンズとダイソーで買った３００円くらいの小物と、家に転がっていたいくつかのレンズの組み合わせで作ってみた超個人的な「全球儀」です。ほぼ球面上の地球表面や上空に流れる流体の動きや、太陽からの放射熱や熱放出のバランスで決まる温度分布をグリグリ眺めてみると、何だかとても楽しく思えます。

　ちなみに、ほぼ全球状のマッピングができたのは、すべて（じゃないけど）OPIE 2014で、堀田光学工業株式会社が無料で配布していた「プラレンズ多量詰め合わせセット」のおかげです。堀田光学工業素晴らしいぞ！

　OPIE@パシフィコ横浜で、最高に好きになった会社が堀田光学工業株式会社。だって、プラレンズの詰め合わせ（たくさん）セットを無料で配ってる。欲しいレンズが入ってるかを選べばもう数万円相当。

4:40 PM - 25 Apr 2014

　OPIE（≠おっぱい）@パシフィコ横浜で、（最高な）堀田光学工業株式会社が配布していたプラレンズの多量詰め合わせを使えば何本ものミニチュア天体望遠鏡や超ウルトラ魚眼レンズが作れそう。

5:16 PM - 25 Apr 2014

この記事の「関連お勧め記事」を読む >>

2017-01-29[n年前へ]

■「手持ちスマホ撮影動画からの超巨大開口レンズ撮影」に挑戦してみよう!?　

　かつて、スマホに搭載されているカメラのレンズはとても小さく、綺麗なボケとは無縁の存在でした。しかし、今や最新のスマホには特殊処理によるボケ生成機能などが備えられています。カメラレンズの光学開口径が小さくとも、たとえば２眼カメラなどを備えて距離情報を取得して、距離情報などからボケを人工的に合成するといった仕組みです。

　そんな最新スマホを持たずとも、大レンズのボケ味を手に入れるために、「手持ちスマホ撮影動画からの超巨大開口レンズ撮影」に挑戦してみました。スマホ動画から巨大開口レンズ撮影の手順はとても簡単、まずは目の前の風景にスマホを向けて・なるべくスマホが平面上を動くように意識しながら（スマホを動かしつつ）動画撮影します。そして、動画の各コマから画像ファイル群を生成し、それぞれの画像が撮影された位置や方向にもとづいて撮影された光情報を加算合成する、というものになります。

　細かい手順は、スマホ撮影動画（の展開画像をもとに） Bundler: Structure from Motion (SfM) から出力された刻々のカメラ位置・方向や特徴点情報ファイル(bundler.out)を読み込み、それらのカメラ情報にもとづいて、刻々の撮影画像をレンズ開口面に沿った（同じ方向を向く平行カメラが存在していた場合の）光線画像を位置・角度ズレを踏まえて重ねることで、任意のピント位置に焦点を合わせた超巨大開口レンズ撮影画像を生成する…というものです。

　試しに、iPhoneを約1.5m×1.0mの範囲で動かしつつ動画撮影し、つまり、レンズ直径約1.5ｍに相当する範囲で動かしつつ動画撮影し、その画像群から開口合成により超巨大カメラの撮影画像を作り出してみた結果が右上の画像です。

　右上画像を眺めてみても、良好なボケ味どころか、全くピントが合っていない画像にしか見えません。直径が1mを超える開口を持つカメラレンズとなると焦点深度もとても浅くなるのでピントがなかなか合わない…というわけでなく、手持ち撮影動画からのカメラ位置・方向精度が低いせいか、単一カメラに平行合成した後のズレが大きいようです。

　ちなみに、試しに各画像を（撮影方向による傾きを補正しつつ）位置毎に並べてみると、下の画像のようになります。動画撮影からのカメラ位置推定精度が果たして不十分なのかどうか、次は撮影カメラ位置を精度良く知る事ができる撮影治具でも作り、また再挑戦してみたいと思います。

　上記処理のコード手順、Python/OpenCVで書いたコード処理手順は、bundler.outからカメラ位置・方向・焦点距離や歪みパラメータを読み込み、cv2.initUndistortRectifyMapにカメラ情報を渡して、各撮影画像の向き補正用のホモグラフィーマップを作成してremapで変換した後に、各撮影画像を加算合成するという手順です。

　Bundlerの出力ファイルを読み込んでライトフィールド合成を行うOpenCV/Pythonコード、まだまだ間違い含まれているような気もしますが、とりあえずここに貼り付けておくことにします。

import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image
import math
%matplotlib inline

class camera:
    def __init__(self):
        self.f = 1.0
        self.k1 = 0.0
        self.k2 = 0.0
        self.R = [[0.0,0.0,0.0],[0.0,0.0,0.0],[0.0,0.0,0.0]]
        self.T = [0.0,0.0,0.0]

def readBundlerOut( filePath ):
    f = open(filePath, 'r')
    list = f.readlines()
    f.close()

    numberOfCameras = int((list[1].split())[0]) 
    cameras = []
    for i in range(numberOfCameras):
        aCamera = camera()
        fk1k2 = [float(j) for j in list[5*i+2].split()]
        aCamera.f  = fk1k2[0]
        aCamera.k1 = fk1k2[1]
        aCamera.k2 = fk1k2[2]
        rot = []
        for j in range(1,4):
            rot.append( [float(k) for k in list[ 5*i+2+j ].split()] )
        aCamera.R = rot
        aCamera.T = [float(k) for k in list[ 5*i+2+4 ].split()]
        cameras.append(aCamera)
    return cameras

def readImageList( listPath, imageDirPath ):
    f = open(listPath, 'r')
    list = f.readlines()
    list = [ i.rstrip() for i in list ]
    f.close()
    list = [imageDirPath+fileName for fileName in list]
    return list

class lightField:
    
    def __init__(self):
        self.w = 2000
        self.h = 2000
    
    def loadImageListAndMakeLightField( self, 
                    imagePathList, cameraList, workList, scaleA ):
        self.cimg  = np.zeros((self.h, self.w,3), dtype=np.uint8)
        sum = 1.0
        for i in workList:
            img = cv2.imread( imagePathList[i], cv2.IMREAD_COLOR )
            h, w = img.shape[:2]
            imageHeight = img.shape[0]
            imageWidth =  img.shape[1]
            focalLength = cameraList[i].f
            principalPointX = 0.500000
            principalPointY = 0.500000
            distCoef = np.array([ 0.0, 0.0, 0.0, 0.0, 0.0 ])
            cameraMatrix = np.array([ 
                [focalLength,   
                 0.0,          
                 imageWidth  * principalPointX], 
                [0.0,           
                 focalLength,  
                 imageHeight * principalPointY], 
                [0.0,           0.0,          1.0] 
                           ])
            newCameraMatrix, roi = cv2.getOptimalNewCameraMatrix(
                cameraMatrix,
                distCoef,
                (img.shape[1], img.shape[0]),1,
                (img.shape[1], img.shape[0]) )
            rotMatrix = np.array( cameraList[i].R )
            map = cv2.initUndistortRectifyMap( 
                newCameraMatrix,
                distCoef,
                rotMatrix,
                newCameraMatrix, 
                (img.shape[1], img.shape[0]),
                cv2.CV_32FC1)
            
            undistortedAndRotatedImg = cv2.remap( img, 
                        map[0], map[1],
                        cv2.INTER_LINEAR )
            
            scale = 1.0
            pt3 = np.array(cameraList[i].T) - np.array(cameraList[0].T)
            x =  ( self.w/2.0 - pt3[0] * scale * scaleA ) 
            y =  ( self.h/2.0 - pt3[1] * scale * scaleA ) 
            pts1 = np.float32( [[0,      0],
                                [w, 0],
                                [w, h],
                                [0, h]])
            pts2 = np.float32(  [[x,           y],
                                 [x + w*scale, y],
                                 [x + w*scale, y + h*scale],
                                 [x,           y + h*scale]] )
            M = cv2.getPerspectiveTransform( pts1, pts2 )
            img2 = cv2.warpPerspective( 
                undistortedAndRotatedImg, M, (self.w, self.h) )
            sum = sum + 1.0
            self.cimg = cv2.addWeighted(
                 self.cimg, (sum-1) / sum, 
                 img2,      (1.0) / sum, 0)
    
    def showImage(self):
        plt.figure( figsize=(14,14) )
        plt.imshow( np.array(self.cimg2) ) 
        plt.autoscale( False )

この記事の「関連お勧め記事」を読む >>

キーワード(ブログ):手持ち|スマホ|撮影動画|超巨大|開口|レンズ|撮影|ライトフィールド|ホモグラフィー|Python|OpenCV

2017-08-01[n年前へ]

■３００円くらいで「高性能な立体顕微鏡」を作ってみよう!?　

　先日、「３０００円くらいの立体顕微鏡」を作ってみました。けれど、３０００円ではまだ高い！というわけで、そのさらに１０分の１のお小遣いでも買える「３００円くらいの立体顕微鏡」を作ってみました。

　「やったこと」をひとことで言うと、300円ほどで買ったスマホ用レンズを使って、スマホからの特殊撮影をすることで、３００円のレンズ＋スマホを立体顕微鏡に仕立ててみました。

　たとえば、下に貼り付けたのは、深圳の油画村（大芬油画村）で買った「油絵」の表面を撮影してみたものです。油絵具材の盛り上がりのようすが見てとれます。こんなようすが、３００円程度のレンズとスマホを使って撮影できるのは、結構面白いのではないでしょうか。

　下に貼り付けたテスト撮影を眺めると「千円札のインク盛り上がり」くらいなら撮影できそうな感じです。

　この後は、レーウェンフック系の単レンズ顕微鏡用のボールレンズや「水滴「など、各種安レンズを使ったテスト撮影を行った上で、来週には、コストはさらに１０分の１・解像度はさらに１０倍くらいの世界を目指してみたいと思います。　１０ミクロンオーダーくらいの面内＆高さ精度の立体顕微鏡を、１００円玉一個くらいで実現するのが来週の目標です。…そして、今年２０１７年の夏休みの終わり頃には、それを誰でも使えるようにしてみたいと思います（と、日記には書いておこう）。

この記事の「関連お勧め記事」を読む >>