一种基于MapReduce模型的立体图像合成方法技术

本发明专利技术涉及一种基于MapReduce模型的立体图像合成方法，包括如下步骤：(1)原始图像对数据准备(2)计算平均水平像素差；(3)map过程；(4)reduce过程；将(3)中的平均信息图像和(1)中的原始图像对一起作为输入，通过像素列的交叠实现立体图像的合成，同时，以平均水平像素差作为交叠的基准，调整立体图像的合成效果；(5)边缘锐化。本发明专利技术具有高效和实用性的优点。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种立体图像合成方法。
技术介绍
立体显示技术是继第一代的黑白显示技术和第二代的彩色显示技术后的第三代多媒体显示技术，能够为使用者带来极大的视觉享受。立体图像合成是指通过计算机的图像处理算法对二维图像进行处理，获得具有立体视觉图像的过程。目前立体图像合成已经成为了当今计算机研究领域的一个研究热点。云计算是一种新兴的计算模式，它通过分布式、并行化、模块化的方式提供数倍乃至数十倍的计算性能，可以用于解决单机模式图像处理的瓶颈问题。Hadoop是由Google的三篇分布式计算论文衍生出的开源分布式系统架构。它是当前最流行的大数据技术框架，借助开源的模式，吸引众多厂商和开发者参与其中，使其生态圈迅速成熟。Hadoop系统框架由HDFS(Hadoop分布式文件系统)和MapReduce(并行计算模型)两部分构成。其中，HDFS为大数据量的文件并发存储提供可能，能提供高吞吐量的数据访问性能，同时具有高可靠性和稳定的容错功能；MapReduce是一种编程模型，具有函数式编程与矢量编程的特性，把海量数据的处理过程并行化、简单化，极大地方便了不擅长分布式编程人员的数据处理工作。Hadoop框架已经在大数据处理领域得到广泛应用。随着互联网与智能设备的发展，多媒体信息进入一个爆炸性增长的时代。而图像作为多媒体信息的重要形式，更成为计算机领域的研究热点。而过去的研究往往局限于小数据量的图像处理，但随着图像数据量的不断增长，单机模式下小数据量的图像处理已经远远不能满足要求。海量图像的处理过程必定是一个耗时的过程，怎样提高处理速度，实现处理效率的优化便成为当务之急。
技术实现思路
本专利技术提供一种基于MapReduce模型的立体图像合成方法。本专利技术通过将Hadoop框架应用于立体图像合成领域，提供一种高效、实用的立体图像合成方法。本专利技术的技术方案如下：一种基于MapReduce模型的立体图像合成方法，包括如下步骤：(1)原始图像对数据准备将由双视点摄像头进行采集的，包含立体景深信息的原始图像对；存储在Hadoop平台上的HDFS分布式文件系统中，方便MapReduce框架并行化读取；(2)计算平均水平像素差通过SAD算法对原始图像对进行匹配，进而获得平均水平像素差，方法如下：以左视图的源匹配点为中心，构造一个大小为(2N+1)*(2N+1)的窗口统计其灰度值的和，然后在右视图中以d为位移矢量在水平方向上移动同样大小的窗口并统计灰度值的和，当灰度值的和最小时，当前的位移矢量d即为水平像素差；对整个原始图像对的所有像素点使用上面的方法，获得水平像素差矩阵，在整个水平像素差矩阵上进行平均取值，获得平均水平像素差；(3)map过程对于原始图像对，通过MapReduce框架的map过程，将左右图像对进行相加除2，可以获得平均信息图像；(4)reduce过程将(3)中的平均信息图像和(1)中的原始图像对一起作为输入，通过像素列的交叠实现立体图像的合成，同时，以平均水平像素差作为交叠的基准，调整立体图像的合成效果；(5)边缘锐化对于经过(4)处理后输出的合成图像，进行锐化处理，输出锐化后的立体图像。本专利技术的有益效果如下：1.本专利技术提供的基于MapReduce模型合成立体图像的算法，能够利用MapReduce框架，实现对立体图像合成的分布式计算，提高处理速度和效率。2.本专利技术可以根据计算出来的水平像素差调整增量，方便的调整立体图像的显示效果，具有自我优化能力。3.本专利技术可扩展性强，可以应用于立体视频合成领域，非常方便进行并行化处理。附图说明图1方案框图。图2边缘锐化。具体实施方式本专利技术提出的方法的基本思想是：本专利技术使用专门用于大数据处理的Hadoop平台来进行图像处理过程。利用MapReduce模型进行分布式编程，将平均信息图合成算法与Map和Reduce过程相结合，并行化计算获得立体图像。为了优化立体图像的显示效果，加入水平像素差自适应调节，在立体图像合成的过程中不断反馈参数优化立体合成过程。在最终输出前，进行边缘锐化，解决平均信息图算法引入边缘模糊的问题。方案整体示意图如图1，具体步骤如下：1 原始图像对数据准备由双视点摄像头进行采集的，获得大量包含立体景深信息的图像对。将图像对数据存储在Hadoop平台上的HDFS分布式文件系统中，方便MapReduce框架并行化读取，同时可以简化输入过程，同时具有较高的安全性。2 计算平均水平像素差对原始图像对，我们可以通过SAD算法对左右图像对进行匹配，进而获得平均水平像素差。具体方法如下：以左视图的源匹配点为中心，构造一个大小为(2N+1)*(2N+1)的窗口统计其灰度值的和，然后在右视图中以d为位移矢量在水平方向上移动同样大小的窗口并统计灰度值的和。当灰度值和最小时，当前的位移矢量d即为水平像素差。对整个图片的所有像素点使用上面的方法，可以获得水平像素差矩阵。在整个像素差矩阵上进行平均取值，就可以获得平均水平像素差。3 map过程对原始图像对，将左右图像对进行相加除2，可以获得平均信息图像。平均信息图像中包含了更多的差异信息，更少的相同信息，可以增加合成图像立体显示效果。将这一过程通过MapReduce框架的map过程进行实现，可以提高算法的运行效率，同一时间可以处理更多的图片。4 reduce过程在reduce过程中，将3中的平均信息图像和1中的左右图像对一起作为输入，通过像素列的交叠实现立体图像的合成。同时，以5.2中的平均水平像素差作为交叠的基准，调整立体图像的合成效果。5 边缘锐化对于4输出的合成立体图像，通过图像锐化的方法解决边缘模糊的问题。输入立体图像，用sobel算子计算获取图像边缘，将立体图像与边缘进行加和，输出锐化后的立体图像。具体过程的示意图如图2。本专利技术适用于多媒体领域的立体媒体资源生产业务。传统的基于单机模式的立体图像合成系统已经无法应对大数据时代海量图像的处理和合成任务。本专利技术使用MapReduce模型解决大规模图像的并行计算问题，来缩减图像合成系统的后台计算时间，主要利用到了Hadoop的大数据读取特性和MapReduce的并行计算的能力。本文档来自技高网...

【技术保护点】
一种基于MapReduce模型的立体图像合成方法，包括如下步骤：(1)原始图像对数据准备将由双视点摄像头进行采集的，包含立体景深信息的原始图像对；存储在Hadoop平台上的HDFS分布式文件系统中，方便MapReduce框架并行化读取；(2)计算平均水平像素差通过SAD算法对原始图像对进行匹配，进而获得平均水平像素差，方法如下：以左视图的源匹配点为中心，构造一个大小为(2N+1)*(2N+1)的窗口统计其灰度值的和，然后在右视图中以d为位移矢量在水平方向上移动同样大小的窗口并统计灰度值的和，当灰度值的和最小时，当前的位移矢量d即为水平像素差；对整个原始图像对的所有像素点使用上面的方法，获得水平像素差矩阵，在整个水平像素差矩阵上进行平均取值，获得平均水平像素差；(3)map过程对于原始图像对，通过MapReduce框架的map过程，将左右图像对进行相加除2，可以获得平均信息图像；(4)reduce过程将(3)中的平均信息图像和(1)中的原始图像对一起作为输入，通过像素列的交叠实现立体图像的合成，同时，以平均水平像素差作为交叠的基准，调整立体图像的合成效果；(5)边缘锐化对于经过(4)处理后输出的合成图像，进行锐化处理，输出锐化后的立体图像。...

【技术特征摘要】
1.一种基于MapReduce模型的立体图像合成方法，包括如下步骤：(1)原始图像对数据准备将由双视点摄像头进行采集的，包含立体景深信息的原始图像对；存储在Hadoop平台上的HDFS分布式文件系统中，方便MapReduce框架并行化读取；(2)计算平均水平像素差通过SAD算法对原始图像对进行匹配，进而获得平均水平像素差，方法如下：以左视图的源匹配点为中心，构造一个大小为(2N+1)*(2N+1)的窗口统计其灰度值的和，然后在右视图中以d为位移矢量在水平方向上移动同样大小的窗口并统计灰度值的和，当灰度值的和最小时，当前的位...

【专利技术属性】
技术研发人员：侯春萍，王李坤，王宝亮，常鹏，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12