[发明专利]一种基于图形处理器的3D视频颜色自动校正方法

说明书

技术领域

本发明涉及一种基于图形处理器的3D视频颜色自动校正方法。

背景技术

视觉是人类获取信息的最主要的手段，视觉所获取的信息量约占人类所获取的总信息量的60%，其对人类的重要性不言而喻。而图像正是人类获取视觉信息的主要途径，是对场景做出客观描述的第一手材料。图像处理就是人们对图像进行加工，以满足其视觉心理或应用需求的行为，有助于其做出相应的行为规划和决策。随着人工智能和计算机图形学等课题的深入研究和不断发展，图像处理技术进入了高速发展期。

在针对一些特定的研究（如立体视觉、医学图像分析与遥感图像融合）时，人们希望从图像采集设备中得到的图像序列具有良好的颜色一致性。但是，由于受图像采集设备和光源分布变化的影响，摄像机在不同视点下拍摄的相同物体的光度和色度可能存在较大差异。

人类的视觉系统具有颜色恒常性，能够在一定程度上消除各种条件下颜色的影响，正确感知物体固有的颜色。使用计算机进行图像分析时，也需要计算机系统具备对图像间的这种差异进行处理的能力，否则会影响后续处理的效果。比如，全景图像的拼接中，图像序列间颜色的不匹配会严重影响图像拼接效果，甚至产生错误拼接。因此，在实际应用中通常需要考虑图像的颜色校正问题。

现有的图像颜色校正方法通常可以分为两类：1）基于图像设备的校正方法，通过确定源颜色空间到目标颜色空间的映射关系实现颜色空间转换，其中的代表方法是矩阵法（Marszalec E and Pietikainen M 1996)、查表法（Henry R Kang 1995）、多项式驾照法（王永刚2001）和人工神经网络法（赵忠旭2000），这类方法常用于确定图像输入输出设备的前提下；2）基于图像分析的校正方法，一方面可以利用色度均值（Gasparinif and Schettinir 2003）和分布特性根据自身需要进行自校正，另一方面可以指定参考图像，其它待校正图像的颜色风格都要与其一致，通常采用统计信息（郑建铧 2003）或区域信息作为校正信息进行准确的校正。

对于图像颜色校正，传统的校正算法都需要好几个过程，需要进行大量的计算，而传统算法的大量代数运算均由CPU完成，大大限制了图像颜色校正的速度；此外，部分算法需要对图像进行分割并提取图像的特征点，然后再进行匹配校正，这些步骤均需要进行大量运算，而且特征点提取和匹配的正确率会受图像质量及图像畸变程度的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种新型的基于图形处理器的3D视频颜色自动校正方法，充分利用图形处理器GPU的并行性和可编程能力，将大量代数运算从CPU转移至GPU，释放了CPU且减少了CPU与GPU之间的通信量，大大提高了图像颜色校正的速度；同时，颜色自动校正算法只需要用户指定参考图像和待校正图像，算法会根据待校正图像与参考图像间准确的校正信息来选取合适的校正方式和校正参数，从而使待校正图像在校正后获得预期的效果，算法真正的实现了全自动校正；此外，算法不会受图像失真或者画面畸变的影响，算法具有良好的鲁棒性。

本发明的目的是通过以下技术方案来实现的：一种基于图形处理器的3D视频颜色自动校正方法，它包括以下步骤：

S1：将3D视频拆分为每一帧的左右眼原图；

S2：选择其中一帧左右眼原图作为待校正图像，并同时选取参考图像；

S3：将待校正图像和参考图像转换为图形处理器GPU可以处理的文件形式，充分利用图形处理器GPU的并行性和可编程能力将大量代数运算从中央处理器CPU转移至图形处理器GPU；

S4：将待校正图像和参考图像从RGB格式转换为Lab格式；

S5：利用图形处理器GPU提取待校正图像和参考图像的有效统计信息，并对待校正图像进行校正；

S6：将待校正图像从Lab格式转换为RGB格式，并进行越界检测校正处理；

S7：重复步骤S2～S6，完成3D视频颜色自动校正。

其中，步骤S3所述的将待校正图像和参考图像转换为图形处理器GPU可以处理的文件形式的方法包括以下两种：

（1）将待校正图像和参考图像转换为图形处理器GPU可以处理的纹理数据；

（2）将待校正图像和参考图像读入内存并将上行到图形处理器GPU中。

进一步地，将待校正图像和参考图像转换为图形处理器GPU可以处理的纹理数据的步骤为：使用DirectX提供的函数将待校正图像和参考图像转换为图形处理器GPU可以处理的纹理数据。

进一步地，将待校正图像和参考图像读入内存并将上行到图形处理器GPU中的步骤为：