[发明专利]获取深度图的方法及装置

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种获取深度图的方法及装置。

背景技术

我国3D产业发展迅猛，立体频道的开通更为3D产业的整体发展带来重大机遇，虽然3D终端显示的技术飞速更新，但3D节目内容的发展却远远落后。随着数字图像采集设备技术的进步，人们拥有了大量的二维视频、图像、照片等媒体素材。在利用现有庞大的二维资源来满足3D产业发展需求的过程中，需要采用3D信息恢复和场景重建等技术进行3D节目内容的制作。研究表明，三维空间中同一物体在左右眼成像时会有水平方向上的位移，这被称为“视差”。对人类生理立体视觉要素的研究指出，由于视差的存在，人类左右眼看同一场景时会产生立体感。场景中物体距离摄像机位置的远近即深度信息是产生视差的主要原因，二者之间存在着对应关系。还原二维图像原有的立体信息(即垂直于图像平面的第三维度的深度信息)是二维图像转换成三维图像的重要内容，目前多数研究集中在通过获取图像的深度图像来计算视差进而恢复出3D信息。

目前通过单幅图片来生成深度的方法主要包括：基于几何透视的方法(利用透视成像中的几何约束关系确定目标对象的空间三维姿态和整个场景的三维深度信息，主要适用于城市建筑物等含有较为规则形状物体的场景)；基于几何光学的方法(聚焦法/散焦法：聚焦法是在焦距可调情况下，使图像中的目标点精确聚焦，然后根据透镜成像原理求得该点相对于相机的距离，该方法硬件昂贵、不易实现，精确聚焦定位不准会带来误差；散焦法根据模糊程度计算图像中各点相对于相机的距离，但如何准确建立散焦模型是主要难点)；近年来随着机器学习理论的成熟，采用机器学习和贝叶斯推断方法进行单视深度估计和场景重建的方法显示出了较大的优势。该类方法利用多种深度线索和图像特征，通过训练和学习的方法得到待测图像的深度图。但是这种方法需要采集训练数据、建立样本库，计算的性能也有待进一步提高。

现有算法多采用灰度图进行分析，而基于灰度图的图像算法不符合人类视觉生理特性；现有算法对图像中的物体边缘信息未加以有效利用；针对散焦的深度计算方法，现有算法多数采用全图逐像素运算，计算量较大。

针对现有技术中生成深度图算法计算量大的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中生成深度图算法计算量大的问题，目前尚未提出有效的解决方案，为此，本发明的主要目的在于提供一种获取深度图的方法及装置，以解决上述问题。

为了实现上述目的，根据本发明的一个方面，提供了一种获取深度图的方法，该方法包括：将三原色空间图像转化为YUV图像；提取YUV图像中的Y分量图；对Y分量图进行边缘检测，以获取Y分量图中的边缘信息；对边缘信息进行膨胀操作，获取闭合边缘；对闭合边缘进行散焦分析，以获取散焦图像的数据；根据散焦图像的数据来获取深度图。

进一步地，根据散焦图像的数据来获取深度图包括：根据闭合边缘确定Y分量图中的闭合区域；从闭合区域中提取Y分量图中的目标对象信息；将散焦图像的数据加载在目标对象信息之上，以获取深度图。

进一步地，在提取YUV图像中的Y分量图之后，且在对Y分量图进行边缘检测，以获取Y分量图中的边缘信息之前，方法还包括：采用直方图均衡法对Y分量图进行图像增强处理。

进一步地，对Y分量图进行边缘检测，以获取Y分量图中的边缘信息的步骤包括：利用canny算法对Y分量图进行边缘检测，以获取Y分量图中的边缘信息。

进一步地，在对边缘信息进行膨胀操作，获取闭合边缘之后，方法还包括：对闭合边缘进行腐蚀操作，以获取恢复边缘。

为了实现上述目的，根据本发明的一个方面，提供了一种获取深度图的装置，该装置包括：转换模块，用于将三原色空间图像转化为YUV图像；第一提取模块，用于提取YUV图像中的Y分量图；检测模块，对Y分量图进行边缘检测，以获取Y分量图中的边缘信息；第一处理模块，用于对边缘信息进行膨胀操作，获取闭合边缘；分析模块，用于对闭合边缘进行散焦分析，以获取散焦图像的数据；获取模块，用于根据散焦图像的数据来获取深度图。

进一步地，装置还包括：第二处理模块，用于根据闭合边缘确定Y分量图中的闭合区域；第二提取模块，用于从闭合区域中提取Y分量图中的目标对象信息；加载模块，用于将散焦图像的数据加载在目标对象信息之上，以获取深度图

进一步地，装置还包括：第三处理模块，用于将Y分量图进行图像增强，以获取增强后的Y分量图。

进一步地，检测模块还包括：计算模块，用于利用canny算法对Y分量图进行边缘检测，以获取Y分量图中的边缘信息。