低复杂度二维影像视讯转换成三维影像视讯的方法技术

本发明专利技术涉及影像视讯转换领域，具体是低复杂度二维影像视讯转换成三维影像视讯的方法，包括如下步骤：步骤一、判断二维影像视讯类型，步骤二、根据确定的二维影像视讯类型进行相应的景深信息处理，步骤三、修正深度图，得到最终深度图，步骤四，通过深度图得到3D图像；自动将二维影像视讯分类，并且根据不同分类提出不同的低复杂度算法处理来产生出相对应的深度图；在维持良好的深度图质量之下，可达到90%以上的计算复杂度简化，且适合透过硬件或者是嵌入式系统软件来实现实时三维影像视讯产生，提供高质量三维影像视讯系统播放内容。

【技术实现步骤摘要】
低复杂度二维影像视讯转换成三维影像视讯的方法
本专利技术涉及影像视讯转换领域，具体是指低复杂度二维影像视讯转换成三维影像视讯的方法。
技术介绍
二维影像视讯与三维影像视讯的最大差别在于是否具有深度图信息，深度图信息包含了所有二维影像视讯中对象与观看者/拍摄者的相对距离，所以深度图信息对于三维立体显示技术的播放效果呈现非常重要。传统产生影像视讯深度信息图的方式主要分为两种，一种是使用多镜头相机拍摄同一场景，同时得到两个以上的场景视角二维影像视讯，再利用画面差异度(Disparity)即可计算出其景深信息图；而另一种方式则是以一般相机拍摄的影像视讯来产生深度图，但是一般相机一次只能拍摄单一视角的二维画面，所以使用单一视角的二维影像计算出景深的方式计算复杂度高，如BattiatoSebastiano在2004年发表的《Depthmapgenerationbyimageclassification》论文中提到主要包括了几种方法：影像分类(ImageClassification)、消失点侦测(VanishingPointDetection)、均值本文档来自技高网...

【技术保护点】
1.低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于，包括如下步骤：/n步骤一、判断二维影像视讯类型；/n步骤二、根据确定的二维影像视讯类型进行相应的景深信息处理；/n步骤三、修正深度图，得到最终深度图；/n步骤四，通过深度图得到3D图像。/n

【技术特征摘要】
1.低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于，包括如下步骤：
步骤一、判断二维影像视讯类型；
步骤二、根据确定的二维影像视讯类型进行相应的景深信息处理；
步骤三、修正深度图，得到最终深度图；
步骤四，通过深度图得到3D图像。


2.根据权利要求1所述的低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于：所述步骤一中，二维影像视讯分为具消失区域特征类、风景特征类和近拍照特征类。


3.根据权利要求2所述的低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于：所述步骤一中，判断二维影像视讯类型的方法具体包括：
通过找出二维影像视讯的所有边缘特征点从而确定边缘特征点的密集程度，并找出消失特征线的数量，判断边缘特征点的密集程度和密集程度阈值大小，以及消失特征线的数量与消失特征线阈值大小，若边缘特征点的密集程度大于密集程度阈值，消失特征线的数量大于消失特征线阈值，则判断二维影像视讯类型为近拍照特征类；接着利用颜色计算梯度值进而得到天空和远山的比例，若天空和远山的比例大于颜色阈值，则判断二维影像视讯类型为风景特征类；若天空和远山的比例小于颜色阈值，则判断二维影像视讯类型为具消失区域特征类。


4.根据权利要求3所述的低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于：所述边缘特征点的判断方法具体包括：
侦测出所有边缘特征点，以每个像素及周围八个像素的RGB色域平均值，透过垂直方向的屏蔽阵列求出垂直的梯度Gx，透过水平方向的屏蔽阵列求出水平的梯度Gy，公式如下：



计算出Gx和Gy之后进而得出判断值G，公式为G=|Gx|+|Gy|，该判断值G大于经验阈值，则判断该像素为边缘特征点。


5.根据权利要求4所述的低复杂度二维影像视讯转换成三维影像视讯的方法，其特征在于：所述消失特征线数量的计算方法包括：
侦测出边缘特征点后，进行消失线的侦测，以边缘特征点为中心以及周围24个像素形成5x5的区域，若边缘特征点相邻的区域和最外层区域均有边缘特征点，则以该中心的边缘特征点透过霍夫变换计算147°到168°的直线信息，并记录其值，排序所有的值，并找出通过最多边缘特征点的直线当作消失特征线，其中，为通过中心边缘特征点直线的倾斜角度，的计算公式为，x、y为该中心的边缘特征点的坐标。


6.根据权利要求5...

【专利技术属性】
技术研发人员：李睿胜，谭杨，游疆，
申请(专利权)人：基腾成都科技有限公司，
类型：发明
国别省市：四川;51