A holoscopia é uma tecnologia que surge como alternativa aos métodos tradicionais de captura de imagens e de visualização de conteúdos 3D. Para o processo de captura é utilizada uma câmera de campo de luz que permite armazenar a direção de todos os raios, ao contrário do que acontece com as câmeras tradicionais. Com a informação guardada é possível gerar um mapa de profundidade da imagem cuja utilização poderá ser útil em áreas como a navegação robótica ou a medicina. Nesta dissertação, propõe-se melhorar uma solução já existente através do desenvolvimento de novos mecanismos de processamento que permitam um balanceamento dinâmico entre a velocidade computacional e a precisão. Todas as soluções propostas foram implementadas recorrendo à paralelização da CPU para que se conseguisse reduzir substancialmente o tempo de computação. Para os algoritmos propostos foram efectuados testes qualitativos com recurso à utilização das métricas Mean Absolute Error (MAE), Root Mean Square Error (RMSE) e Structural Similarity Index Method (SSIM). Uma análise comparativa entre os tempos de processamento dos algoritmos propostos e as soluções originais foi também efectuada. Os resultados alcançados foram bastante satisfatórios dado que se registou uma redução acentuada nos tempos de processamento para qualquer uma das soluções implementadas sem que a estimativa de precisão tenha sido substancialmente afetada.

Holoscopy is a technology that comes as an alternative to traditional methods of capturing images and viewing 3D content. A light field camera can be used for the capture process, which allows the storage of information regarding the direction all light rays, unlike the traditional cameras. With the saved information it is possible to estimate a depth map that can be used for areas such as robotic navigation or medicine. This dissertation proposes to improve an existing depth estimation algorithm by developing new processing mechanisms which provide a dynamic balancing between computational speed and precision. All proposed solutions were implemented using CPU parallelization in order to reduce the computing time. For the proposed algorithms, qualitative tests were performed using the Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Structural Similarity Index Method (SSIM). A comparative analysis between the processing times of the proposed algorithms and the original solutions was also performed. The achieved results were quite satisfactory since there was a significant decrease in processing times for any of the proposed solutions without the accuracy estimate being substantially affected.