[发明专利]一种基于K‑means图像分割的深度图提取方法

说明书

技术领域

本发明涉及3D显示技术领域，具体涉及一种基于K-means图像分割的深度图提取方法，是一种能够准确提取深度信息以及加速产生立体影片中深度图的方法。

背景技术

目前3D显示技术大多数都是利用视差原理来实现的，分别提供给左眼以及右眼两幅不同的图像，来模拟平时观察者观察外界事物的特征，使观察者在适当的的角度观看画面时产生三维立体空间感。在合成双目图像之前需要计算每个像素点的深度信息，即图像中物体的的前后距离关系。各个像素点的深度信息即构成了深度图。基于产生的深度图的基础上，就能够将双视角立体影片合成为三维立体影片了。

深度图的的产生是3D显示技术中至为重要的一步，然而，在产生深度图的过程中耗时而且不够准确。图像中每一个像素点所对应的深度信息是非常重要的，因为，一旦深度值有误差，那么将会导致产生的立体图像图像出现严重的失真，从而造成无法让观看者正常观赏的后果。对于耗时性，深度图的产生也是一个庞大的计算过程，一般的算法需要很长的时间来完成深度图的提取，这对于实时显示技术而言是一个巨大的挑战。

在现今的实现技术中，被广泛运用的是由三星的Yong Ju Jung等人提出的“A novel 2D-to-3D conversion technique based on relative height depth cue”。但是这种方法对于图像的线性要求特别高，图像的左右方向必须有很强的线性感，才能对图像有很好的分割并赋深度图值，因此对于视频图像的处理能力是很具有局限性的。而且这种线性检测技术是相当耗时的。

为了得到准确以及快速的深度图提取方法，图像分割为深度图提取中至关重要的一步，为了得到很好的分割效果，Jui-Sheng Lee等人提出的“3D DEPTH MAP GENERATION FOR EMBEDDED STEREO APPLICATIONS”用到了k-means算法进行图像分割。这种方法的确是的深度图的提取更为快速。但是由于k-means的是以图像灰度图的差值大小作为相似性依据，再对同一类赋予相同的深度信息。这种方法的确能够对图像进行初步的分割，但是其分割的种类是由设定的K值所确定的。然而一幅图像里面所包含的信息量以及种类远远大于K个。这种算法的的结果会导致得到的深度图信息不准确。这就是这种算法的局限性所在。

鉴于以上情况，业界需要一种既能快速产生深度图信息，同时又能确保得到的深度图信息准确的的方法，这为目前3D显示技术需要的努力实现的目标。

发明内容

本发明的目的在于提供一种基于K-means图像分割的深度图提取方法，这种方法既能确保得到的深度图准确，同时又有计算速度快的优点。

为达前述目的，本发明采用的技术方案是：

一种基于K-means图像分割的深度图提取方法，其特征在于，该方法具体包括以下步骤：

(A)：把输入的图像转化为灰度图；

(B)：基于k-means的图像分割方法，把图像中同一属性的元素提取出来，并对同一属性元素赋予同一数值，得到一个与图像等大的矩阵；

(C)：应用中值滤波对得到的矩阵进行处理，消除椒盐噪声；

(D)：分别对深度图的第一行以及第一列进行赋值，得到初始化的深度图；

(E)：从第二行第二列开始，根据该像素周围的分类情况以及该像素的高度对每个像素对应位置赋予深度值；

(F)：对得到的深度图进行后处理。

所述的2D视频转3D视频的深度图提取方法，其特征在于，其中在步骤(B)，用k-means对图像进行分割时，把传统的k-means算法以距离差作为分割标准改用以图像的灰度差作为分割标准，把传统的任意选择初试聚类中心改为通过灰度直方图选取初试聚类中心，具体流程如下：

(1)求出图像的灰度直方图，找到直方图中的K个波峰点；

(2)把初试聚类中心设为波峰附近的值；

(3)分别计算每个像素点与这几个初始聚类中心的灰度差，比较几个差值，把差值最小的像素和对应的初始聚类中心归为一类；计算公式如下：