【技术实现步骤摘要】
一种立体图像颜色和深度编辑方法
本专利技术涉及一种图像信号的处理方法,尤其是涉及一种立体图像颜色和深度编辑方法。
技术介绍
随着3D技术的快速发展,立体图像和立体视频已越来越受到人们的关注和喜爱。特别是随着手机、平板和个人电脑的发展,移动端的显示越来越受到用户们的欢迎。然而,在移动端屏幕上显示立体图像和立体视频时,立体感会随之减弱甚至消失,内容制造者试图通过调整颜色和深度来使观看者将注意力集中在该对象上,以提升该对象的立体感。因此,对于在移动端屏幕上显示立体图像和立体视频时,内容编辑可以增强该对象的关注度和深度感。颜色传递是将指定的目标图像的颜色传递给原图像,具有较为广泛的应用前景,但对于立体图像,颜色传递需要保持左、右视点的深度一致性。立体图像内容编辑的目的是要保持处理后的立体图像颜色传递效果一致且具有更好的观看体验。在观看立体图像时,由于左、右视图视差的存在使得人们可以感知到深度信息。越大的视差会带来越强烈的立体感,但是在人类视觉系统中对立体的感知有一个适当的范围,称之为舒适感知区域。超出舒适感知区域的过大视差会引起视觉不舒适现象。因此,考虑在进行颜色传递的同时进行非线性视差调整,使调整后的立体图像观看效果更舒适是值得研究的。
技术实现思路
本专利技术所要解决的技术问题是提供一种立体图像颜色和深度编辑方法,其根据用户选择能够有效地调整立体图像的颜色和深度。本专利技术解决上述技术问题所采用的技术方案为:一种立体图像颜色和深度编辑方法,其特征在于包括以下步骤:步骤一:将待处理的宽度为W且高度为H的立体图像的左视点图像、右视点图像及左视差图像对应记为{IL,i( ...
【技术保护点】
1.一种立体图像颜色和深度编辑方法,其特征在于包括以下步骤:步骤一:将待处理的宽度为W且高度为H的立体图像的左视点图像、右视点图像及左视差图像对应记为{IL,i(x,y)}、{IR,i(x,y)}及{dL(x,y)};将用户提供的宽度为W'且高度为H'的参考图像记为{IT,i(x',y')};其中,1≤x≤W,1≤y≤H,i=1,2,3分别表示RGB颜色空间的三个分量,RGB颜色空间的第1个分量为红分量、RGB颜色空间的第2个分量为绿分量、RGB颜色空间的第3个分量为蓝分量,IL,i(x,y)表示{IL,i(x,y)}中坐标位置为(x,y)的像素点的第i个分量的值,IR,i(x,y)表示{IR,i(x,y)}中坐标位置为(x,y)的像素点的第i个分量的值,dL(x,y)表示{dL(x,y)}中坐标位置为(x,y)的像素点的像素值,1≤x'≤W',1≤y'≤H',IT,i(x',y')表示{IT,i(x',y')}中坐标位置为(x',y')的像素点的第i个分量的值;步骤二:在{IL,i(x,y)}中用户通过编辑操作手工选择对象;然后将{IL,i(x,y)}中落于用户选择的对象内的所有像素 ...
【技术特征摘要】
1.一种立体图像颜色和深度编辑方法,其特征在于包括以下步骤:步骤一:将待处理的宽度为W且高度为H的立体图像的左视点图像、右视点图像及左视差图像对应记为{IL,i(x,y)}、{IR,i(x,y)}及{dL(x,y)};将用户提供的宽度为W'且高度为H'的参考图像记为{IT,i(x',y')};其中,1≤x≤W,1≤y≤H,i=1,2,3分别表示RGB颜色空间的三个分量,RGB颜色空间的第1个分量为红分量、RGB颜色空间的第2个分量为绿分量、RGB颜色空间的第3个分量为蓝分量,IL,i(x,y)表示{IL,i(x,y)}中坐标位置为(x,y)的像素点的第i个分量的值,IR,i(x,y)表示{IR,i(x,y)}中坐标位置为(x,y)的像素点的第i个分量的值,dL(x,y)表示{dL(x,y)}中坐标位置为(x,y)的像素点的像素值,1≤x'≤W',1≤y'≤H',IT,i(x',y')表示{IT,i(x',y')}中坐标位置为(x',y')的像素点的第i个分量的值;步骤二:在{IL,i(x,y)}中用户通过编辑操作手工选择对象;然后将{IL,i(x,y)}中落于用户选择的对象内的所有像素点的每个分量的值按序排列构成一个列向量,将{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第1个分量的值构成的列向量记为xO,1,将{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第2个分量的值构成的列向量记为xO,2,将{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第3个分量的值构成的列向量记为xO,3;再根据xO,1、xO,2和xO,3,得到{IL,i(x,y)}对应的值矩阵,记为xO,其中,xO,1、xO,2和xO,3的维数均为num×1,xO的维数为3num×1,num表示{IL,i(x,y)}中落于用户选择的对象内的像素点的总个数;将{IT,i(x',y')}中的所有像素点的每个分量的值按序排列构成一个列向量,将{IT,i(x',y')}中的所有像素点的第1个分量的值按序排列构成的列向量记为xT,1,将{IT,i(x',y')}中的所有像素点的第2个分量的值按序排列构成的列向量记为xT,2,将{IT,i(x',y')}中的所有像素点的第3个分量的值按序排列构成的列向量记为xT,3;再根据xT,1、xT,2和xT,3,得到{IT,i(x',y')}对应的值矩阵,记为xT,其中,xT,1、xT,2和xT,3的维数均为num'×1,xT的维数为3num'×1,num'表示{IT,i(x',y')}中的像素点的总个数,num'=W'×H';步骤三:对xO进行多元高斯分布拟合,拟合得到xO的多元高斯概率密度函数,记为f(yO),然后以(α,m,M)来表示xO的颜色分布;其中,f()为函数表示形式,yO=xO-μO,μO表示xO的均值向量,μO,1表示{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第1个分量的值的平均值,也即为xO,1中的所有元素的值的平均值,μO,2表示{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第2个分量的值的平均值,也即为xO,2中的所有元素的值的平均值,μO,3表示{IL,i(x,y)}中落于用户选择的对象内的所有像素点的第3个分量的值的平均值,也即为xO,3中的所有元素的值的平均值,Γ()表示伽马函数,α表示f(yO)的形状参数,m表示f(yO)的尺度参数,M表示f(yO)的散布矩阵,满足tr(M)=p,tr(M)表示求M的迹,(yO)T为yO的转置,(mM)-1表示求mM的逆矩阵,|mM|表示求mM行列式的值,exp()表示以自然基数e为底的指数函数,π=3.14159…;对xT进行多元高斯分布拟合,拟合得到xT的多元高斯概率密度函...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。