主权项 |
1.一种基于单幅图像的2D转3D方法,其特征是所述方法包括如下步骤:(1)判断待处理图像是否为灰度图像,如否,则对待处理图像进行灰度化预处理,获取待处理图像对应的灰度图像(G<sub>r</sub>);(2)计算二维高斯卷积模板:(2w+1)×(2h+1)大小的二维高斯卷积模板为<maths num="0001"><![CDATA[<math><mrow><mi>g</mi><mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>,</mo><msub><mi>σ</mi><mi>u</mi></msub><mo>,</mo><msub><mi>σ</mi><mi>v</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>π</mi><msub><mi>σ</mi><mi>u</mi></msub><msub><mi>σ</mi><mi>v</mi></msub></mrow></mfrac><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><mrow><mo>(</mo><mfrac><msup><mi>x</mi><mn>2</mn></msup><mrow><mn>2</mn><msubsup><mi>σ</mi><mi>u</mi><mn>2</mn></msubsup></mrow></mfrac><mo>+</mo><mfrac><msup><mi>y</mi><mn>2</mn></msup><mrow><mn>2</mn><msubsup><mi>σ</mi><mi>v</mi><mn>2</mn></msubsup></mrow></mfrac><mo>)</mo></mrow></mrow></msup></mrow></math>]]></maths>-w≤u≤w,-h≤v≤h其中u,v均为整数,2w+1和2h+1分别为滤波窗口的宽和高,σ<sub>u</sub>,σ<sub>v</sub>分别决定水平和垂直方向上的滤波强度;(3)使用所述二维高斯卷积模板对所述灰度图像(G<sub>r</sub>)进行二维高斯平滑滤波:将所述二维高斯卷积模板与所述灰度图像进行卷积,设卷积之前灰度图像(G<sub>r</sub>)在(x,y)处的像素值为G<sub>r</sub>(x,y),那么二维高斯滤波之后的图像<img file="FSB00000157257000012.GIF" wi="121" he="74" />在(x,y)处的像素值<img file="FSB00000157257000013.GIF" wi="160" he="74" />为:<maths num="0002"><![CDATA[<math><mrow><msub><mover><mi>G</mi><mo>^</mo></mover><mi>r</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>v</mi><mo>=</mo><mo>-</mo><mi>h</mi></mrow><mi>h</mi></munderover><mo>{</mo><munderover><mi>Σ</mi><mrow><mi>u</mi><mo>=</mo><mo>-</mo><mi>w</mi></mrow><mi>w</mi></munderover><msub><mi>G</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mi>u</mi><mo>,</mo><mi>y</mi><mo>-</mo><mi>v</mi><mo>)</mo></mrow><mi>g</mi><mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>,</mo><msub><mi>σ</mi><mi>u</mi></msub><mo>,</mo><msub><mi>σ</mi><mi>v</mi></msub><mo>)</mo></mrow><mo>}</mo></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>v</mi><mo>=</mo><mo>-</mo><mi>h</mi></mrow><mi>h</mi></munderover><mo>{</mo><munderover><mi>Σ</mi><mrow><mi>u</mi><mo>=</mo><mo>-</mo><mi>w</mi></mrow><mi>w</mi></munderover><mi>g</mi><mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>,</mo><msub><mi>σ</mi><mi>u</mi></msub><mo>,</mo><msub><mi>σ</mi><mi>v</mi></msub><mo>)</mo></mrow><mo>}</mo></mrow></mfrac></mrow></math>]]></maths>其中,w′,h′均为正整数并且<img file="FSB00000157257000015.GIF" wi="341" he="109" />W,H分别为待处理图像的宽度和高度;(4)对所述二维高斯滤波之后的图像<img file="FSB00000157257000016.GIF" wi="121" he="74" />进行拉普拉斯滤波得到所求的对应待处理图像的视差图像(D):使用3×3大小的拉普拉斯卷积模板与所述二维高斯滤波后的图像<img file="FSB00000157257000017.GIF" wi="120" he="74" />进行卷积,设拉普拉斯卷积模板为l(u,v),1≤u,v≤3,u,v均为整数,卷积后所得图像在(x,y)处的像素值D(x,y)为:<maths num="0003"><![CDATA[<math><mrow><mi>D</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>v</mi><mo>=</mo><mo>-</mo><mi>r</mi></mrow><mi>r</mi></munderover><munderover><mi>Σ</mi><mrow><mi>u</mi><mo>=</mo><mo>-</mo><mi>r</mi></mrow><mi>r</mi></munderover><mrow><mo>(</mo><msub><mover><mi>G</mi><mo>^</mo></mover><mi>r</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mi>u</mi><mo>,</mo><mi>y</mi><mo>-</mo><mi>v</mi><mo>)</mo></mrow><mi>l</mi><mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>)</mo></mrow><mo>)</mo></mrow></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>v</mi><mo>=</mo><mo>-</mo><mi>r</mi></mrow><mi>r</mi></munderover><munderover><mi>Σ</mi><mrow><mi>u</mi><mo>=</mo><mo>-</mo><mi>r</mi></mrow><mi>r</mi></munderover><mi>l</mi><mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>)</mo></mrow></mrow></mfrac></mrow></math>]]></maths>所述卷积后所得图像即为所求的对应待处理图像的视差图像(D)。 |