CN103955886A - 一种基于图论和灭点检测的2d-3d图像转换方法 - Google Patents

Abstract

本发明涉及一种基于图论和灭点检测的2D-3D图像转换方法，属于2D图像转换为3D图像技术领域。本发明解决了现有的方法获得的图像深度信息精确度不高；不能将图像的全局分割与局部信息处理相结合；对图像基于边缘信息分割，和基于区域信息分割不能同时处理的问题。本发明所述的一种基于图论和灭点检测的2D-3D图像转换方法，是通过以下步骤完成的：基于图论的图像分割；对原始图像进行灭点检测，得到灭点的位置；初始深度图的获取；对原始图像进行区域检测，将距离观察者最远距离的区域检测出来单独赋值，得到精确深度图；3D图像的合成。本发明适用于2D-3D的图像转换。

Description

一种基于图论和灭点检测的2D-3D图像转换方法

技术领域

本发明涉及一种基于图论和灭点检测的2D-3D图像转换方法，属于2D图像转换为3D图像技术领域。

背景技术

近年来，《阿凡达》的面世掀起了一股3D风暴。2010年以来，3D的概念已经被大家接受和推崇，人们对3D视频的渴望也日益迫切。强烈的需求推动了电影电视产业的发展，使电影电视产业走进一个全新的“3D时代”。然而，普通的2D媒体资源无法直接应用于3D***中，随着3D产业的发展，3D视频资源匮乏问题成为阻碍3D技术发展的棘手问题。所以，需要采取一些手段来获取3D媒体资源。

3D技术的优势就在于具有更强的沉浸感和真实性，能让人体会到那种身临其境的感觉。以单幅图像为例，平面图像只能反映物体上下、左右二维的关系，在立体图像中还可以感受到物体前后的第三维关系，这是立体视觉的关键，有些时候在感官上物体可以突出屏幕到外边或者凹进屏幕里边，这种起伏的层次感能然人感受到更真实的立体效果，甚至沉浸其中。在制作3D媒体资源的各种方法中，2D转3D技术是一种比较实用和重要的途径。通过2D转3D技术，可以将现有的丰富的2D资源转换为3D资源，既可以缓解3D资源紧缺的窘状，又可以避免用摄像机直接拍摄3D图像的大成本耗费和技术实践上的诸多不便。

发明内容

本发明的目的是提出一种基于图论和灭点检测的2D-3D图像转换方法，以解决针对现有的方法获得图像深度信息精确度不高；不能将图像的全局分割与局部信息处理相结合；对图像基于边缘信息分割，和基于区域信息分割不能同时处理的问题。

本发明为解决上述技术问题所采用的技术方案是：

本发明所述的一种基于图论和灭点检测的2D-3D图像转换方法，是按照以下步骤实现的：

步骤一、基于图论的图像分割；

步骤二、对原始图像进行灭点检测，得到灭点的位置；

步骤三、初始深度图的获取；

步骤四、对原始图像进行区域检测，将距离观察者最远距离的区域检测出来单独赋值，得到精确深度图；

步骤五、3D图像的合成。

本发明的有益效果是：

一、本发明可以在确保图像中物体或区域的完整性的同时，使得深度值呈现一定的梯度变化，最终获得的深度信息更为精确；

二、可以将图像的全局分割与局部信息处理相结合；

三、消除了图像离散化造成的误差，可以获得良好的分割结果；

四、利用图论的相关特性不仅可对图像基于边缘信息分割，也可以对图像基于区域信息分割。

附图说明

图1为本发明流程图；图2中(a)是原始2D图像，(b)是经过分割后结果；图3中(a)是初始深度图，(b)是检测后的结果图；图4中(a)是原始2D图像，(b)是3D图像。

具体实施方式

本发明是分析单幅静态的2D图像，先采用一种基于图论的图像分割方法，通过相似性度量将原图像中的不同区域分割开来，并通过计算求出每个区域中心的坐标。紧接着又采用了一种灭点检测的方法找到图像中灭点的位置，再根据每个区域中心点的坐标和灭点之间的距离来对该区域进行深度赋值，得到最终的深度图。最后，由原始的2D图像和提取的深度图构建出3D图像。先给出具体实施方式如下：

具体实施方式一：本实施方式所述的一种基于图论和灭点检测的2D-3D图像转换方法，包括以下步骤：

步骤一、基于图论的图像分割；

步骤二、对原始图像进行灭点检测，得到灭点的位置；

步骤三、初始深度图的获取；

步骤四、对原始图像进行区域检测，将距离观察者最远距离的区域检测出来单独赋值，得到精确深度图；

步骤五、3D图像的合成。

结合图1理解本实施方式。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中的图像分割是按照以下步骤进行的：

步骤一(一)、设G＝(V,E)表示一幅无向图，其中，

V＝{v₁,v₂,…,v_n}为原图中全部像素点的集合，n表示图像中全部像素总数；

E＝{e₁,e₂,…,e_m}为边的集合，m表示图像中全部边的总数；

e表示连接两个点的一条边，ek表示以vi和v_j为结点的无向边，表示两个结点之间的连接关系，k∈(1，…，m)，i和j表示像素的横纵坐标值；

每条边(v_i,v_j)∈E对应一个权重ω(v_i,v_j)，这个权重是一个非负值，用来测量附近元素v_i和v_j的相异度；

步骤一(二)、权重选用欧氏距离：将图像映射到一个特征空间，在特征空间中的每个点表示为(x,y,r,g,b)，其中(x,y)表示图像中每个像素的坐标，(r,g,b)表示每个像素的色彩信息，权重的公式为：

$\mathrm{\ω}(v_i,v_j)=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(r_i-r_j)}^2+{(g_i-g_j)}^2+{(b_i-b_j)}^2}---\left(1\right)$

步骤一(三)、定义内部相异度Int(C)，表示该区域图中最小生成树的最大权重MST(C,E)，其中区域公式为：

$\mathrm{Int}\left(C\right)=\underset{e\∈\mathrm{MST}(C,E)}{\max }\mathrm{\ω}\left(e\right)---\left(2\right)$

定义区间相异度Dif(C₁,C₂)，表示连接两个区域的所有边缘的最小权重，其中区域公式为：

$\mathrm{Dif}(C_1,C_2)=\underset{v_i\∈C_1,v_j\∈C_2,(v_i,v_j)\∈E}{\min }\mathrm{\ω}(v_i,v_j)---\left(3\right)$

如果C₁和C₂之间没有边缘，则认为Dif(C₁,C₂)＝∞；

之后，通过公式(3)检测出不同区域间的Dif(C₁,C₂)，并将检测结果与Int(C₁)和Int(C₂)相比较，来评估不同区域之间是否存在边界。结合图2、图3理解本实施方式，其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤一(三)中的比较过程为：

定义判决参数D(C₁,C₂)：

其中最小内部相异度MInt定义为，

MInt(C₁,C₂)＝min(Int(C₁)+τInt(C₁),Int(C₂)+τInt(C₂))    (5)

考虑一种极端情况，当|C|＝1时，Int(C)＝0，这样D(C₁,C₂)大于Int(C)，C1、C2是C的具体值；为防止这种极端情况发生，定义参数τ，

τ(C)＝g/|C|    (6)

这里C代表C的大小，g是常数，对于较大的区域划分，g的值也较大。其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤三的获取过程为：

求出分割后图像区域的中心点，利用每一区域中心点与灭点之间的距离大小赋予区域相应的深度值，用(x₀,y₀)表示灭点的位置，用(x_i,y_i)表示各中心点，则二者距离最大值D_max为

D_max＝max(|x_i-x₀|+|y_i-y₀|)    (7)

深度赋值的梯度dt为

dt＝255/D_max    (8)

最终各点深度为

depth＝(|x_i-x₀|+|y_i-y₀|)×dt    (9)

完成赋值后，就得到了原图像的一幅初始深度图。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤四所述的赋值为0。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤五的构建过程为：用原始2D图像和其精确深度图来生成对应的左视图和右视图，并合成最终的3D图像。结合图4理解本实施方式，其它步骤及参数与具体实施方式一至五之一相同。

Claims (6)

1.一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于所述方法包括以下步骤：

步骤一、基于图论的图像分割；

步骤二、对原始图像进行灭点检测，得到灭点的位置；

步骤三、初始深度图的获取；

步骤四、对原始图像进行区域检测，将距离观察者最远距离的区域检测出来单独赋值，得到精确深度图；

步骤五、3D图像的合成。

2.根据权利要求1所述的一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于步骤一中的图像分割是按照以下步骤进行的：

步骤一(一)、设G＝(V,E)表示一幅无向图，其中，

V＝{v₁,v₂,…,v_n}为原图中全部像素点的集合，n表示图像中全部像素总数；

E＝{e₁,e₂,…,e_m}为边的集合，m表示图像中全部边的总数；

e表示连接两个点的一条边，e_k表示以v_i和v_j为结点的无向边，表示两个结点之间的连接关系，k∈(1，…，m)，i和j表示像素的横纵坐标值；

每条边(v_i,v_j)∈E对应一个权重ω(v_i,v_j)，这个权重是一个非负值，用来测量附近元素v_i和v_j的相异度；

步骤一(二)、权重选用欧氏距离：将图像映射到一个特征空间，在特征空间中的每个点表示为(x,y,r,g,b)，其中(x,y)表示图像中每个像素的坐标，(r,g,b)表示每个像素的色彩信息，权重的公式为：

$\mathrm{\ω}(v_i,v_j)=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(r_i-r_j)}^2+{(g_i-g_j)}^2+{(b_i-b_j)}^2}---\left(1\right)$

步骤一(三)、定义内部相异度Int(C)，表示该区域图中最小生成树的最大权重MST(C,E)，其中区域公式为：

$\mathrm{Int}\left(C\right)=\underset{e\∈\mathrm{MST}(C,E)}{\max }\mathrm{\ω}\left(e\right)---\left(2\right)$

定义区间相异度Dif(C₁,C₂)，表示连接两个区域的所有边缘的最小权重，其中区域公式为：

$\mathrm{Dif}(C_1,C_2)=\underset{v_i\∈C_1,v_j\∈C_2,(v_i,v_j)\∈E}{\min }\mathrm{\ω}(v_i,v_j)---\left(3\right)$

如果C₁和C₂之间没有边缘，则认为Dif(C₁,C₂)＝∞；

之后，通过公式(3)检测出不同区域间的Dif(C₁,C₂)，并将检测结果与Int(C₁)和Int(C₂)相比较，来评估不同区域之间是否存在边界。

3.根据权利要求2所述的一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于步骤一(三)中的比较过程为：

定义判决参数D(C₁,C₂)：

其中最小内部相异度MInt定义为，

MInt(C₁,C₂)＝min(Int(C₁)+τInt(C₁),Int(C₂)+τInt(C₂))    (5)

考虑一种极端情况，当|C|＝1时，Int(C)＝0，这样D(C₁,C₂)大于Int(C)，C1、C2是C的具体值；为防止这种极端情况发生，定义参数τ，

τ(C)＝g/|C|    (6)

这里|C|代表C的大小，g是常数，对于较大的区域划分，g的值也较大。

4.根据权利要求3所述的一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于步骤三的获取过程为：

求出分割后图像区域的中心点，利用每一区域中心点与灭点之间的距离大小赋予区域相应的深度值，用(x₀,y₀)表示灭点的位置，用(x_i,y_i)表示各中心点，则二者距离最大值D_max为

D_max＝max(|x_i-x₀|+|y_i-y₀|)    (7)

深度赋值的梯度dt为

dt＝255/D_max    (8)

最终各点深度为

depth＝(|x_i-x₀|+|y_i-y₀|)×dt    (9)

完成赋值后，就得到了原图像的一幅初始深度图。

5.根据权利要求4所述的一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于步骤四所述的赋值为0。

6.根据权利要求5所述的一种基于图论和灭点检测的2D-3D图像转换方法，其特征在于步骤五的合成过程为：用原始2D图像和其精确深度图来生成对应的左视图和右视图，并合成最终的3D图像。