二維圖像景深生成方法和裝置的制造方法
【專利摘要】本發(fā)明公開了一種二維圖像景深生成方法和裝置，其方法包括：獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個圖像類，并計算各圖像類對應的最高清晰度值；分別獲取各圖像類的對象，估算各圖像類的對象的清晰度值，并根據(jù)各圖像類對應的最高清晰度值，對各圖像類的對象進行歸類；根據(jù)歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算各圖像類的對象的深度值；根據(jù)各圖像類的對象的深度值，采用景深值估計算法，估算各圖像類的對象的景深值，經校正后存儲，并形成圖像景深。本發(fā)明解決了現(xiàn)有技術中獲取單視點景深時出現(xiàn)圖像失真的問題。實現(xiàn)了從二維圖像中生成景深，以降低圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
【專利說明】
二維圖像景深生成方法和裝置
技術領域
[0001] 本發(fā)明設及3D顯示技術領域，尤其設及一種二維圖像景深生成方法和裝置。
【背景技術】
[0002] 隨著顯示技術的發(fā)展，3D顯示技術被越來越多地應用于各種3D顯示裝置中，裸眼 3D電視的用戶不需要佩戴如3加艮鏡之類的外部裝置，即可實現(xiàn)3D顯示體驗。
[0003] 實現(xiàn)電視的裸眼3D顯示，需要用戶從不同的角度來體驗裸眼3D電視的3D顯示效 果，裸眼3D電視需要呈現(xiàn)出略有差異的多個視點的圖像。而多視點的內容非常少，一般是通 過將2視點或視點+景深的內容轉換成多視點后進行裸眼3D顯示，或是通過將單視點（或二 維）內容轉換城多視點后進行裸眼3D顯示，但是，2視點或視點+景深的方式成本高、復雜，由 于目前具有巨量的單視點內容，因此通過將單視點轉換成多視點內容后進行裸眼3D顯示更 為可行。
[0004] 單視點轉多視點主要通過獲取單視點圖像景深，然后擅染出多個視點進行顯示， 在現(xiàn)有技術中，獲取單視點景深的方法主要包括:通過圖像移位、連續(xù)圖像預測等方法，但 是現(xiàn)有方法在有些情況下存在圖像裂縫、錯位、失真抖動等問題，影響裸眼3D的顯示效果。

【發(fā)明內容】

[0005] 本發(fā)明的主要目的在于提出一種二維圖像景深生成方法和裝置，旨在實現(xiàn)從二維 圖像中生成景深，W降低圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0006] 為實現(xiàn)上述目的，本發(fā)明提供一種二維圖像景深生成方法，包括：
[0007] 獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的多個圖像類，并 計算各圖像類對應的最高清晰度值；
[000引分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清晰度值，并根據(jù)所 述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類；
[0009] 根據(jù)所述歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算所述 各圖像類的對象的深度值；
[0010] 根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述各圖像類的 對象的景深值。
[0011] 優(yōu)選地，所述對所述目標圖像進行圖像類分類處理，得到對應的多個圖像類，并計 算各圖像類對應的最高清晰度值的步驟包括：
[0012] 根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關系，將所述目標圖像分類為前景 圖像類、中景圖像類和背景圖像類；
[0013] 根據(jù)所述前景圖像類、中景圖像類和背景圖像類的灰度信息，分別估算所述前景 圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、化和郵。
[0014] 優(yōu)選地，所述分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清晰度 值，并根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類的步驟包 括：
[0015] 分別檢測所述前景圖像類、中景圖像類和背景圖像類中的物體的邊界和輪廓，獲 取所述前景圖像類、中景圖像類和背景圖像類中對應的對象；
[0016] 根據(jù)所述前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算所述前 景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值；
[0017] 通過清晰度值比較操作，對所述前景圖像類、中景圖像類和背景圖像類中對應的 對象進行歸類。
[0018] 優(yōu)選地，所述通過清晰度值比較操作，對所述前景圖像類、中景圖像類和背景圖像 類中對應的對象進行歸類的步驟包括：
[0019] 比較所述前景圖像類中的任一對象的清晰度值和所述中景圖像類的最高清晰度 值化的大??；
[0020] 若所述前景圖像類中的任一對象的清晰度值大于或等于所述中景圖像類的最高 清晰度值她，則將所述對象歸類至所述中景圖像類中，并將所述對象的清晰度值定義為所 述中景圖像類的最高清晰度值化；
[0021] 比較所述中景圖像類中的任一對象的清晰度值和所述背景圖像類的最高清晰度 值郵的大?。?br>[0022] 若所述中景圖像類中的任一對象的清晰度值小于或等于所述背景圖像類的最高 清晰度值郵，則將所述對象歸類至所述背景圖像類中。
[0023] 優(yōu)選地，所述根據(jù)歸類后的所述各圖像類的對象的清晰度值，采用深度值估計算 法，估算所述各圖像類的對象的深度值的步驟包括：
[0024] 設定基準清晰度化，根據(jù)所述準清晰度化建立DP轉換函數(shù)；
[0025] 設定所述基準清晰度Qs為所述中景圖像類的最高清晰度她，采用所述DP轉換函數(shù) 估算所述前景圖像類的對象的深度值；
[0026] 設定所述基準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP轉換函數(shù) 估算所述中景圖像類中的對象的深度值；
[0027] 設定所述基準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP轉換函數(shù) 估算所述背景圖像類中的對象的深度值。
[0028] 優(yōu)選地，所述根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述 各圖像類的對象的景深值的步驟包括：
[0029] 采用線性函數(shù)Line,對所述中景圖像類的對象的深度值進行線性變換，估算所述 中景圖像類的對象的景深值；
[0030] 采用曲線函數(shù)Curve,對所述背景圖像類的對象的深度值進行非線性壓縮變換，估 算所述背景圖像類的對象的景深值；
[0031] 采用曲線函數(shù)Curve,對所述前圖像類對象的深度值進行非線性壓縮變換，并疊加 所述中景圖像類的對象的深度值中的最大值，估算所述前景圖像類的對象的景深值。
[0032] 優(yōu)選地，所述根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述 各圖像類的對象的景深值的步驟之后，還包括：
[0033] 根據(jù)各圖像類的對象的景深值大小形成對比圖像，根據(jù)所述對比圖像對所述各圖 像類的對象的景深值進行校正；
[0034] 將進行校正后的所述各圖像類的對象的景深值進行存儲，生成對應的圖像景深。
[0035] 為實現(xiàn)上述目的，本發(fā)明還提出一種二維圖像景深生成裝置，其特征在于，所述裝 置包括：
[0036] 分類模塊，用于獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的 多個圖像類，并計算各圖像類對應的最高清晰度值；
[0037] 清晰度估計模塊，用于分別獲取所述各圖像類的對象，估算所述各圖像類的對象 的清晰度值，并根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類；
[0038] 深度值估計模塊，用于根據(jù)歸類后的所述各圖像類的對象的清晰度值，采用深度 值估計算法，估算所述各圖像類的對象的深度值；
[0039] 景深值估計模塊，用于根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法， 估算所述各圖像類的對象的景深值。
[0040] 優(yōu)選地，所述分類模塊，還用于根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關 系，將所述目標圖像分類為前景圖像類、中景圖像類和背景圖像類;根據(jù)所述前景圖像類、 中景圖像類和背景圖像類的灰度信息，分別估算所述前景圖像類、中景圖像類和背景圖像 類對應的最高清晰度值Qf、化和郵。
[0041] 優(yōu)選地，所述清晰度估計模塊，還用于分別檢測所述前景圖像類、中景圖像類和背 景圖像類中的物體的邊界和輪廓，獲取所述前景圖像類、中景圖像類和背景圖像類中對應 的對象;根據(jù)所述前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算所述前景 圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值;通過清晰度值比較操作， 對所述前景圖像類、中景圖像類和背景圖像類中對應的對象進行歸類。
[0042] 優(yōu)選地，所述清晰度估計模塊，還用于比較所述前景圖像類中的任一對象的清晰 度值和所述中景圖像類的最高清晰度值Qm的大小;若所述前景圖像類中的任一對象的清晰 度值大于或等于所述中景圖像類的最高清晰度值她，則將所述對象歸類至所述中景圖像類 中，并將所述對象的清晰度值定義為所述中景圖像類的最高清晰度值Qm;比較所述中景圖 像類中的任一對象的清晰度值和所述背景圖像類的最高清晰度值卵的大小;若所述中景圖 像類中的任一對象的清晰度值小于或等于所述背景圖像類的最高清晰度值卵，則將所述對 象歸類至所述背景圖像類中。
[0043] 優(yōu)選地，所述深度值估計模塊，還用于設定基準清晰度Qs,根據(jù)所述準清晰度Qs建 立DP轉換函數(shù);設定所述基準清晰度Qs為所述中景圖像類的最高清晰度她，采用所述DP轉 換函數(shù)估算所述前景圖像類的對象的深度值;設定所述基準清晰度Qs為所述背景圖像類的 最高清晰度卵，采用所述DP轉換函數(shù)估算所述中景圖像類中的對象的深度值;設定所述基 準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP轉換函數(shù)估算所述背景圖像類 中的對象的深度值。
[0044] 優(yōu)選地，所述景深值估計模塊，還用于采用線性函數(shù)Line,對所述中景圖像類的對 象的深度值進行線性變換，估算所述中景圖像類的對象的景深值;采用曲線函數(shù)Curve,對 所述背景圖像類的對象的深度值進行非線性壓縮變換，估算所述背景圖像類的對象的景深 值;采用曲線函數(shù)Curve,對所述前圖像類對象的深度值進行非線性壓縮變換，并疊加所述 中景圖像類的對象的深度值中的最大值，估算所述前景圖像類的對象的景深值。
[0045] 優(yōu)選地，所述裝置還包括：
[0046] 校正模塊，用于根據(jù)各圖像類的對象的景深值大小形成對比圖像，根據(jù)所述對比 圖像對所述各圖像類的對象的景深值進行校正；
[0047] 生成模塊，用于將進行校正后的所述各圖像類的對象的景深值進行存儲，生成對 應的圖像景深。
[0048] 本發(fā)明提供的一種二維圖像景深生成方法和裝置，通過獲取目標圖像，對目標圖 像進行圖像類分類處理，得到對應的多個圖像類，并計算各圖像類對應的最高清晰度值;分 別獲取各圖像類的對象，估算各圖像類的對象的清晰度值，并根據(jù)各圖像類對應的最高清 晰度值，對各圖像類的對象進行歸類;根據(jù)歸類后的各圖像類的對象的清晰度值，采用深度 值估計算法，估算各圖像類的對象的深度值;根據(jù)各圖像類的對象的深度值，采用景深值估 計算法，估算各圖像類的對象的景深值，經校正后存儲，并形成圖像景深，解決了現(xiàn)有技術 中獲取單視點景深時出現(xiàn)圖像失真的問題。實現(xiàn)了從二維圖像中生成景深，從而降低圖像 失真，提高圖像穩(wěn)定性，滿足用戶需求。
【附圖說明】
[0049] 圖1是本發(fā)明二維圖像景深生成方法第一實施例的流程示意圖；
[0050] 圖2是本發(fā)明實施例中獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到 對應的多個圖像類，并計算各圖像類對應的最高清晰度值的一種流程示意圖；
[0051] 圖3是本發(fā)明實施例中分別獲取所述各圖像類的對象，估算所述各圖像類的對象 的清晰度值的一種流程示意圖；
[0052] 圖4是本發(fā)明實施例中通過清晰度值比較操作，對所述前景圖像類、中景圖像類和 背景圖像類中對應的對象進行歸類的一種流程示意圖；
[0053] 圖5是本發(fā)明實施例中根據(jù)所述各圖像類的對象的清晰度值，采用深度值估計算 法，估算所述各圖像類的對象的深度值的一種流程示意圖；
[0054] 圖6是本發(fā)明實施例中根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法， 估算所述各圖像類的對象的景深值的一種流程示意圖；
[0055] 圖7是本發(fā)明二維圖像景深生成方法第二實施例的流程示意圖；
[0056] 圖8是本發(fā)明二維圖像景深生成裝置第一實施例的功能模塊示意圖；
[0057] 圖9是本發(fā)明二維圖像景深生成裝置第二實施例的功能模塊示意圖。
[0058] 本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結合實施例，參照附圖做進一步說明。
【具體實施方式】
[0059] 應當理解，此處所描述的具體實施例僅僅用W解釋本發(fā)明，并不用于限定本發(fā)明。
[0060] 本發(fā)明實施例的主要解決方案是:獲取目標圖像，對目標圖像進行圖像類分類處 理，得到對應的多個圖像類，并計算各圖像類對應的最高清晰度值;分別獲取各圖像類的對 象，估算各圖像類的對象的清晰度值，并根據(jù)各圖像類對應的最高清晰度值，對各圖像類的 對象進行歸類;根據(jù)歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算各圖 像類的對象的深度值;根據(jù)各圖像類的對象的深度值，采用景深值估計算法，估算各圖像類 的對象的景深值，經校正后存儲，并形成圖像景深。
[0061] 由此，解決了現(xiàn)有技術中獲取單視點景深時出現(xiàn)圖像失真的問題。實現(xiàn)了從二維 圖像中生成景深，W降低圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0062] 如圖1所示，本發(fā)明第一實施例提出一種二維圖像景深生成方法，包括：
[0063] 步驟SI,獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的多個圖 像類，并計算各圖像類對應的最高清晰度值。
[0064] 本發(fā)明方法的執(zhí)行主體可W為一種3D電視，本實施例W3D電視進行舉例，當然也 不限定于其他能夠實現(xiàn)3D圖像顯示的設備。
[0065] 具體地，3D電視獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值。
[0066] 其中，3D電視根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類為 前景圖像類、中景圖像類和背景圖像類。
[0067] 其中，上述目標圖像可W為二維圖像，3D電視根據(jù)二維圖像中物體的遠近、鄰接、 交疊等位置和相對方向關系，并結合物體形狀姿態(tài)、陰影暗示等，將物體分為前景圖像類、 中景圖像類和背景圖像類。
[0068] 其中，在完成根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類為 前景圖像類、中景圖像類和背景圖像類后，3D電視根據(jù)前景圖像類、中景圖像類和背景圖像 類的灰度信息，分別估算前景圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、Qm 和郵。
[0069] 其中，3D電視首先將上述前景圖像類、中景圖像類和背景圖像類轉換成HSI格式化 為色度信息、S為彩色飽和度信息、I為灰度信息）；然后，對前景圖像類、中景圖像類和背景 圖像類的灰度信息I進行處理，獲取灰度信息I的交流分量I'、并根據(jù)I'的頻譜特征的最高 頻率，估算出前景圖像類、中景圖像類和背景圖像類的最高清晰度分別為Qf、化、郵。
[0070] 其中，在具體實現(xiàn)時，W前景圖像類的最高清晰度估算為例：
[0071] 1、前景圖像的每個像素 WRGB來表示、像素表示為：{3(3,〇,6(3,〇,8(3,〇}，其 中，S和t分別表示像素的行和列坐標;將RGB轉換成HSI格式，像素灰度信息表示為：Ks,t) =[R(s，t)+G(s，t)+B(s，t)]/3;
[0072] 2、前景圖像的平均灰度值表示為：
[0073]

[0074] 其中，S和T為前景圖像像素的最大坐標，像素灰度信息I的交流分量表示為：
[0075
[0076
[0077] 其中，g為0、1、2、…、S-I，1 = 0、1、2、…、T-I，取I U(g, 1) I的最大值為前景圖像類最 高清晰Qf值。
[0078] 4、同理可估算出中景圖像類和背景圖像類的最高清晰度化和郵。
[0079] 步驟S2,分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清晰度值，并 根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類。
[0080] 具體地，在完成獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值后，3D電視分別獲取各圖像類的對象，估算各 圖像類的對象的清晰度值，并根據(jù)各圖像類對應的最高清晰度值，對各圖像類的對象進行 歸類。
[0081] 其中，3D電視分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象。
[0082] 在具體實現(xiàn)時，可W采用如下方式：
[0083] 1、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取到前景圖像 類中的各個物體對象，標記為ql、q2、...；
[0084] 2、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取中景圖像類 中的各個物體對象，標記為zl、z2、...；
[0085] 3、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取背景圖像類 中的各個物體對象，標記為bl、b2、...。
[0086] 其中，在完成分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象后，3D電視根據(jù)前景圖像 類、中景圖像類和背景圖像類中對應的對象，分別估算前景圖像類、中景圖像類和背景圖像 類中對應的各個對象的清晰度值。
[0087] 在具體實現(xiàn)時，可W采用如下方式：
[0088] 1、將前景圖像類中的各個物體對象ql、q2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為qlf、q2f、...；
[0089] 2、將中景圖像類中的各個物體對象zl、z2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為Zlf、z2f、...；
[0090] 3、將背景圖像類中的各個物體對象bl、b2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為blf、b2f、...。
[0091] 其中，在完成根據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算 前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值后，3D電視比較前景 圖像類中的任一對象的清晰度值和中景圖像類的最高清晰度值化的大小。
[0092] 其中，若前景圖像類中的任一對象的清晰度值大于或等于中景圖像類的最高清晰 度值她，則將該對象歸類至中景圖像類中，該對象不再是在前景圖像類之內，并將該對象的 清晰度值定義為所述中景圖像類的最高清晰度值化。
[0093] 其中，在完成比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰 度值Qm的大小后，3D電視比較中景圖像類中的任一對象的清晰度值和背景圖像類的最高清 晰度值郵的大小。
[0094] 其中，若中景圖像類中的任一對象的清晰度值小于或等于背景圖像類的最高清晰 度值卵，則將該對象歸類至背景圖像類中，該對象不再是在中景圖像類之內。通過運種方 式，實現(xiàn)進一步調整對象歸類，從而使=個分類圖像中的中景圖像類中的對象具有最好的 清晰度。
[0095] 步驟S3,根據(jù)所述歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估 算所述各圖像類的對象的深度值。
[0096] 具體地，在完成分別獲取各圖像類的對象，估算各圖像類的對象的清晰度值后，3D 電視根據(jù)歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算各圖像類的對 象的深度值。
[0097] 其中，3D電視設定基準清晰度化，根據(jù)準清晰度化建立DP轉換函數(shù)。
[0098] 在具體實現(xiàn)時，可采用如下方式：
[0099] 1、設定準清晰度化；
[0100] 2、設定深度轉換函數(shù)DP(X),比如?。?br>[0101] DP(i)=0(xi-Qs)/Qs，
[0102] 其中i為物體對象、Xi為物體對象i的清晰度值、Qs為基準清晰度、0為設定系數(shù)，貝U 化對應的絕對深度值為0。
[0103] 其中，在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，3D電視設定 基準清晰度Qs為中景圖像類的最高清晰度她，采用DP轉換函數(shù)估算前景圖像類的對象的深 度值;設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估算中景圖像類 中的對象的深度值;設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估 算背景圖像類中的對象的深度值。
[0104] 在具體實現(xiàn)時，可采用如下方式：
[0105] 1、進行前景圖像類中的對象深度值估算，設定基準清晰度Qs為中景圖像類的最高 清晰度她，9^、92'、...分別代入函數(shù)函數(shù)0口^)中，得到前景圖像類中的各個物體對象91、 q2、...的深度值：
[0106] DP(ql) =0(qlf-Qm)/Qm，
[0107] DP(q2)=0(q2f-Qm)/Qm，
[010引...，
[0109] 其中各個深度值小于0;
[0110] 2、進行中景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高 清晰度卵，Z1 f、Z2f、...分別代入函數(shù)函數(shù)DP(X)中，得到中景圖像類中的各個物體對象Z1、 z2、...的深度值：
[0111] DP(zl)=0(zlf-郵）/郵，
[0112] DP(z2)=0(z2f-郵）/郵，
[0113] ...，
[0114] 其中各個深度值大于0;
[0115] 3、進行背景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高 清晰度卵，將blf、b2f、...分別代入函數(shù)函數(shù)DP(X)中，得到背景圖像類各個物體對象bl、 b2、...的深度值：
[0116] DP(bl)=0(blf-郵）/郵，
[0117] DP(b2)=e(b2f-郵）/郵，
[0118] ...，
[0119] 其中各個深度值小于或等于0。
[0120] 步驟S4,根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述各圖 像類的對象的景深值。
[0121] 具體地，在完成根據(jù)各圖像類的對象的清晰度值，采用深度值估計算法，估算各圖 像類的對象的深度值后，3D電視根據(jù)各圖像類的對象的深度值，采用景深值估計算法，估算 各圖像類的對象的景深值。
[0122] 其中，3D電視采用線性函數(shù)Line,對中景圖像類的對象的深度值進行線性變換，估 算中景圖像類的對象的景深值。
[0123] 在具體實現(xiàn)時，可采用如下方式：
[0124] 1、設定某一線性函數(shù)Line(y)=g*DP(y)，其中y為物體對象、g為設定比例系數(shù)；
[01巧]2、將中景圖像類中各個物體對象zl、z2、...的深度值DP(zl)、DP(z2)、...代入 Line函數(shù)中，得到zl、z2、...的景深值分別為gDP(zl)、gDP(z2)、...。
[0126] 其中，在完成采用線性函數(shù)Line,對中景圖像類的對象的深度值進行線性變換，估 算中景圖像類的對象的景深值后，3D電視采用曲線函數(shù)化rve，對背景圖像類的對象的深度 值進行非線性壓縮變換，估算背景圖像類的對象的景深值。
[0127] 在具體實現(xiàn)時，可采用如下方式：
[01%] 1、設定某一曲線函數(shù)化rve(w)，w為物體對象的深度值；
[01巧]2、將背景圖像類中的各個物體對象bl、b2、...的深度值DP(bl)、DP(b2)、...代入 Qirve函數(shù)中，得到bl、b2、...的景深值分別為Qi;rve[DP(bl) ]、Qi;rve[DP(b2)]...。
[0130]其中，在完成采用曲線函數(shù)化rve，對背景圖像類的對象的深度值進行非線性壓縮 變換，估算背景圖像類的對象的景深值后，3D電視采用曲線函數(shù)Curve,對前圖像類對象的 深度值進行非線性壓縮變換，并疊加中景圖像類的對象的深度值中的最大值，估算前景圖 像類的對象的景深值。
[0131 ]在具體實現(xiàn)時，可采用如下方式：
[0132] 1、采用上述曲線函數(shù)Curve(W),將前景圖像類中的各個物體對象ql、q2、...的深 度值 DP(ql)、DP(q2)、...代入 H 函數(shù)中，得到 zl、z2、...的相對景深值 Curve[DP(ql)]、Curve [DP(q2)]、...；
[0133] 2、疊加中景圖像類的最大景深值gDP(Qm)、Qm為中景圖像類的最高清晰度，得到前 景圖像類中的各個物體對象ql、q2、...的景深值分別為9〇口(9111)-加'乂6[0口(91)]、9〇口(9111)- Qi;rve[DP(q2)]、...。
[0134] 其中，上述背景和前景圖像類對象的景深估算時采用同一曲線函數(shù)化rve、也可W 采用不同的曲線函數(shù)化rve，曲線函數(shù)化rve具有如下特征：
[0135] 1、轉換后的景深值與深度值具有相同正負，即對象深度值為負值則景深值為負 值、對象深度值為正值則景深值也為正值；
[0136] 2、深度值越小則景深值越小、深度值越大則景深值越大，例如:深度值-50時Curve (-50 )=-40，深度值-100 時 Curve (-100 )=-60 ,Curve (-50)〉Curve(-100);
[0137] 3、深度絕對值越小則壓縮比越小、深度絕對值越大則壓縮比越大，例如:深度值- 50 時 Curve (-50) = -40、壓縮度為0.2，深度值-100 時 Curve (-100) = -60、壓縮度為0.4。
[0138] 從上述過程可知，中景圖像類對象的景深值是隨著深度值變化而進行線性均勻變 化，而前景圖像類和背景圖像類對象的景深值是隨著深度值變化而進行非線性壓縮變化、 且深度絕對值越大具有更大的壓縮比。
[0139] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，實現(xiàn)了從二維圖像中 生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0140] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，參照圖2,為本發(fā)明實施例中 獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的多個圖像類，并計算各圖 像類對應的最高清晰度值的一種流程示意圖。
[0141] 作為一種實施方式，上述步驟Sl包括：
[0142] 步驟Sl 1，根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關系，將所述目標圖像分 類為前景圖像類、中景圖像類和背景圖像類。
[0143] 具體地，3D電視根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類 為前景圖像類、中景圖像類和背景圖像類。
[0144] 其中，上述圖像可W為二維圖像，3D電視根據(jù)二維圖像中物體的遠近、鄰接、交疊 等位置和相對方向關系，并結合物體形狀姿態(tài)、陰影暗示等，將物體分為前景圖像類、中景 圖像類和背景圖像類。
[0145] 步驟S12,根據(jù)所述前景圖像類、中景圖像類和背景圖像類的灰度信息，分別估算 所述前景圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、化和郵。
[0146] 具體地，在完成根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類 為前景圖像類、中景圖像類和背景圖像類后，3D電視根據(jù)前景圖像類、中景圖像類和背景圖 像類的灰度信息，分別估算前景圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、 化和郵。
[0147] 其中，3D電視首先將上述前景圖像類、中景圖像類和背景圖像類轉換成HSI格式化 為色度信息、S為彩色飽和度信息、I為灰度信息）；然后，對前景圖像類、中景圖像類和背景 圖像類的灰度信息I進行處理，獲取灰度信息I的交流分量I'、并根據(jù)I'的頻譜特征的最高 頻率，估算出前景圖像類、中景圖像類和背景圖像類的最高清晰度分別為Qf、化、郵。
[0148] 其中，在具體實現(xiàn)時，W前景圖像類的最高清晰度估算為例：
[0149] 1、前景圖像的每個像素 WRGB來表示、像素表示為：{3(3,〇,6(3,〇,8(3,〇}，其 中，S和t分別表示像素的行和列坐標;將RGB轉換成HSI格式，像素灰度信息表示為：Ks,t) =[R(s，t)+G(s，t)+B(s，t)]/3;
[0150] 2、前景圖像的平均灰度值表示為：
[0151]
[0152] 其中，S和T為前景圖像像素的最大坐標，像素灰度信息I的交流分量表示為：
[0153
[0154
[0155] 其中，g為0、l、2、…、S-l，l = 0、l、2、...、T-l，取|U(g,l)|的最大值為前景圖像類最 高清晰Qf值。
[0156] 4、同理可估算出中景圖像類和背景圖像類的最高清晰度化和郵。
[0157] 通過上述方案，本發(fā)明提供了一種二維圖像景深的生成方法，實現(xiàn)了從二維圖像 中生成景深，從而降低了圖像失真，提高了圖像穩(wěn)定性，滿足了用戶需求。
[0158] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，參照圖3,為本發(fā)明實施例中 分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清晰度值，并根據(jù)所述各圖像 類對應的最高清晰度值，對所述各圖像類的對象進行歸類的一種流程示意圖。
[0159] 作為一種實施方式，上述步驟S2包括：
[0160] 步驟S21，分別檢測所述前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取所述前景圖像類、中景圖像類和背景圖像類中對應的對象。
[0161] 具體地，在完成獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值后，3D電視分別檢測前景圖像類、中景圖像類 和背景圖像類中的物體的邊界和輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應 的對象。
[0162] 其中，3D電視分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象。
[0163] 在具體實現(xiàn)時，可W采用如下方式：
[0164] 1、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取到前景圖像 類中的各個物體對象，標記為ql、q2、...；
[0165] 2、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取中景圖像類 中的各個物體對象，標記為zl、z2、...；
[0166] 3、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取背景圖像類 中的各個物體對象，標記為bl、b2、...。
[0167] 步驟S22,根據(jù)所述前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估 算所述前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值。
[0168] 具體地，在完成分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界 和輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象后，3D電視根據(jù)前景圖像 類、中景圖像類和背景圖像類中對應的對象，分別估算前景圖像類、中景圖像類和背景圖像 類中對應的各個對象的清晰度值。
[0169] 其中，在具體實現(xiàn)時，可W采用如下方式：
[0170] 1、將前景圖像類中的各個物體對象ql、q2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為qlf、q2f、...；
[0171] 2、將中景圖像類中的各個物體對象zl、z2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為Zlf、z2f、...；
[0172] 3、將背景圖像類中的各個物體對象bl、b2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為blf、b2f、...。
[0173] 步驟S23,通過清晰度值比較操作，對所述前景圖像類、中景圖像類和背景圖像類 中對應的對象進行歸類。
[0174] 具體地，在完成根據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估 算前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值后，3D電視通過清 晰度值比較操作，對前景圖像類、中景圖像類和背景圖像類中對應的對象進行歸類。
[0175] 首先，3D電視比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰 度值化的大小。
[0176] 其中，若前景圖像類中的任一對象的清晰度值大于或等于中景圖像類的最高清晰 度值她，則將該對象歸類至中景圖像類中，該對象不再是在前景圖像類之內，并將該對象的 清晰度值定義為所述中景圖像類的最高清晰度值化。
[0177] 然后，3D電視比較中景圖像類中的任一對象的清晰度值和背景圖像類的最高清晰 度值郵的大小。
[0178] 其中，若中景圖像類中的任一對象的清晰度值小于或等于背景圖像類的最高清晰 度值卵，則將該對象歸類至背景圖像類中，該對象不再是在中景圖像類之內。通過運種方 式，實現(xiàn)進一步調整對象歸類，從而使=個分類圖像中的中景圖像類中的對象具有最好的 清晰度。
[0179] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0180] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，參照圖4,為本發(fā)明實施例中 通過清晰度值比較操作，對所述前景圖像類、中景圖像類和背景圖像類中對應的對象進行 歸類的一種流程示意圖。
[0181] 作為一種實施方式，上述步驟S3包括：
[0182] 步驟S231，比較所述前景圖像類中的任一對象的清晰度值和所述中景圖像類的最 高清晰度值化的大小。
[0183] 具體地，在完成根據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估 算前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值后，3D電視比較前 景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰度值化的大小。
[0184] 步驟S232,若所述前景圖像類中的任一對象的清晰度值大于或等于所述中景圖像 類的最高清晰度值她，則將所述對象歸類至所述中景圖像類中，并將所述對象的清晰度值 定義為所述中景圖像類的最高清晰度值化。
[0185] 具體地，若前景圖像類中的任一對象的清晰度值大于或等于中景圖像類的最高清 晰度值她，則將該對象歸類至中景圖像類中，該對象不再是在前景圖像類之內，并將該對象 的清晰度值定義為所述中景圖像類的最高清晰度值化。
[0186] 步驟S233,比較所述中景圖像類中的任一對象的清晰度值和所述背景圖像類的最 高清晰度值郵的大小。
[0187] 具體地，在完成比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清 晰度值Qm的大小后，3D電視比較中景圖像類中的任一對象的清晰度值和背景圖像類的最高 清晰度值郵的大小。
[0188] 步驟S234,若所述中景圖像類中的任一對象的清晰度值小于或等于所述背景圖像 類的最高清晰度值郵，則將所述對象歸類至所述背景圖像類中。
[0189] 具體地，若中景圖像類中的任一對象的清晰度值小于或等于背景圖像類的最高清 晰度值卵，則將該對象歸類至背景圖像類中，該對象不再是在中景圖像類之內。通過運種方 式，實現(xiàn)進一步調整對象歸類，從而使=個分類圖像中的中景圖像類中的對象具有最好的 清晰度。
[0190] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0191] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，參照圖5,為本發(fā)明實施例中 根據(jù)歸類后的所述各圖像類的對象的清晰度值，采用深度值估計算法，估算所述各圖像類 的對象的深度值的一種流程示意圖。
[0192] 作為一種實施方式，上述步驟S3包括：
[0193] 步驟S31，設定基準清晰度化，根據(jù)所述準清晰度化建立DP轉換函數(shù)。
[0194] 具體地，在完成分別獲取各圖像類的對象，估算各圖像類的對象的清晰度值后，3D 電視設定基準清晰度化，根據(jù)準清晰度化建立DP轉換函數(shù)。
[01M]其中，在具體實現(xiàn)時，可采用如下方式：
[0196] 1、設定準清晰度化；
[0197] 2、設定深度轉換函數(shù)DP(X),比如?。?br>[019 引 DP(i)=0(xi-Qs)/Qs，
[0199] 其中i為物體對象、Xi為物體對象i的清晰度值、Qs為基準清晰度、0為設定系數(shù)，貝U 化對應的絕對深度值為0。
[0200] 步驟S32,設定所述基準清晰度Qs為所述中景圖像類的最高清晰度她，采用所述DP 轉換函數(shù)估算所述前景圖像類的對象的深度值。
[0201] 具體地，在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，3D電視設 定基準清晰度Qs為中景圖像類的最高清晰度她，采用DP轉換函數(shù)估算前景圖像類的對象的 深度值。
[0202] 其中，在具體實現(xiàn)時，可采用如下方式：
[0203] 進行前景圖像類中的對象深度值估算，設定基準清晰度Qs為中景圖像類的最高清 晰度她，9^、92'、...分別代入函數(shù)函數(shù)0口^)中，得到前景圖像類中的各個物體對象91、 q2、...的深度值：
[0204] DP(ql)=0(qlf-Qm)/Qm，
[0205] DP(q2)=0(q2f-Qm)/Qm，
[0206] ...，
[0207] 其中各個深度值小于0。
[0208] 步驟S33,設定所述基準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP 轉換函數(shù)估算所述中景圖像類中的對象的深度值。
[0209] 具體地，在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，3D電視設 定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估算中景圖像類中的對象 的深度值。
[0210] 其中，在具體實現(xiàn)時，可采用如下方式：
[0211] 進行中景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高清 晰度Qb，zlf、z2f、...分別代入函數(shù)函數(shù)DP(X)中，得到中景圖像類中的各個物體對象zl、 z2、...的深度值：
[0212] DP(zl)=0(zlf-郵）/郵，
[0213] DP(z2)=0(z2f-郵）/郵，
[0214] ...，
[0215] 其中各個深度值大于0。
[0216] 步驟S34,設定所述基準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP 轉換函數(shù)估算所述背景圖像類中的對象的深度值。
[0217] 具體地，在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，3D電視設 定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估算背景圖像類中的對象 的深度值。
[0218] 其中，進行背景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的 最高清晰度卵，將blf、b2f、...分別代入函數(shù)函數(shù)DP(X)中，得到背景圖像類各個物體對象 bl、b2、...的深度值：
[0219] DP(bl)=0(blf-郵）/郵，
[0220] DP(b2)=e(b2f-郵）/郵，
[0221] ...，
[0222] 其中各個深度值小于或等于0。
[0223] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0224] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，參照圖6,為本發(fā)明實施例中 根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述各圖像類的對象的景 深值的一種流程示意圖。
[02巧]作為一種實施方式，上述步驟S4包括：
[0226] 步驟S41，采用線性函數(shù)Line,對所述中景圖像類的對象的深度值進行線性變換， 估算所述中景圖像類的對象的景深值。
[0227] 具體地，在完成根據(jù)所各圖像類的對象的清晰度值，采用深度值估計算法，估算各 圖像類的對象的深度值后，3D電視采用線性函數(shù)Line,對中景圖像類的對象的深度值進行 線性變換，估算中景圖像類的對象的景深值。
[02%]其中，在具體實現(xiàn)時，可采用如下方式：
[0229] 1、設定某一線性函數(shù)Line(y)=g*DP(y)，其中y為物體對象、g為設定比例系數(shù)；
[0230] 2、將中景圖像類中各個物體對象zl、z2、...的深度值DP(zl)、DP(z2)、...代入 Line函數(shù)中，得到zl、z2、...的景深值分別為gDP(zl)、gDP(z2)、...。
[0231] 步驟S42,采用曲線函數(shù)Curve,對所述背景圖像類的對象的深度值進行非線性壓 縮變換，估算所述背景圖像類的對象的景深值。
[0232] 具體地，在完成采用線性函數(shù)Line,對中景圖像類的對象的深度值進行線性變換， 估算中景圖像類的對象的景深值后，3D電視采用曲線函數(shù)Curve,對背景圖像類的對象的深 度值進行非線性壓縮變換，估算背景圖像類的對象的景深值。
[0233] 其中，在具體實現(xiàn)時，可采用如下方式：
[0234] 1、設定某一曲線函數(shù)化rve(w)，w為物體對象的深度值；
[02巧]2、將背景圖像類中的各個物體對象bl、b2、...的深度值DP(bl)、DP(b2)、...代入 Qirve函數(shù)中，得到bl、b2、...的景深值分別為Qi;rve[DP(bl) ]、Qi;rve[DP(b2)]...。
[0236]步驟S43,采用曲線函數(shù)Curve,對所述前圖像類對象的深度值進行非線性壓縮變 換，并疊加所述中景圖像類的對象的深度值中的最大值，估算所述前景圖像類的對象的景 深值。
[0237] 具體地，在完成采用曲線函數(shù)化rve，對背景圖像類的對象的深度值進行非線性壓 縮變換，估算背景圖像類的對象的景深值后，3D電視采用曲線函數(shù)Curve,對前圖像類對象 的深度值進行非線性壓縮變換，并疊加中景圖像類的對象的深度值中的最大值，估算前景 圖像類的對象的景深值。
[0238] 其中，在具體實現(xiàn)時，可采用如下方式：
[0239] 1、采用上述曲線函數(shù)Curve(W),將前景圖像類中的各個物體對象ql、q2、...的深 度值 DP(ql)、DP(q2)、...代入 H 函數(shù)中，得到 zl、z2、...的相對景深值 Curve[DP(ql)]、Curve [DP(q2)]、...；
[0240] 2、疊加中景圖像類的最大景深值gDP(Qm)、Qm為中景圖像類的最高清晰度，得到前 景圖像類中的各個物體對象ql、q2、...的景深值分別為9〇口(9111)-加'乂6[0口(91)]、9〇口(9111)- Qi;rve[DP(q2)]、...。
[0241] 其中，上述背景和前景圖像類對象的景深估算時采用同一曲線函數(shù)化rve、也可W 采用不同的曲線函數(shù)化rve，曲線函數(shù)化rve具有如下特征：
[0242] 1、轉換后的景深值與深度值具有相同正負，即對象深度值為負值則景深值為負 值、對象深度值為正值則景深值也為正值；
[0243] 2、深度值越小則景深值越小、深度值越大則景深值越大，例如:深度值-50時Curve (-50 )=-40，深度值-100 時 Curve (-100 )=-60 ,Curve (-50)〉Curve(-100);
[0244] 3、深度絕對值越小則壓縮比越小、深度絕對值越大則壓縮比越大，例如:深度值- 50 時 Curve (-50) = -40、壓縮度為0.2，深度值-100 時 Curve (-100) = -60、壓縮度為0.4。
[0245] 從上述過程可知，中景圖像類對象的景深值是隨著深度值變化而進行線性均勻變 化，而前景圖像類和背景圖像類對象的景深值是隨著深度值變化而進行非線性壓縮變化、 且深度絕對值越大具有更大的壓縮比。
[0246] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0247] 如圖7所示，本發(fā)明第二實施例提出一種二維圖像景深的生成方法，在基于上述第 一實施例方法的步驟S4之后，本實施例方法還包括：
[0248] 步驟S5,根據(jù)各圖像類的對象的景深值大小形成對比圖像根據(jù)所述對比圖像對所 述各圖像類的對象的景深值進行校正。
[0249] 具體地，在完成根據(jù)各圖像類的對象的深度值，采用景深值估計算法，估算各圖像 類的對象的景深值后，3D電視根據(jù)中景圖像類的對象的景深值大小，將中景圖像類的對象 進行排序和疊加，并形成對比圖像。
[0250] 其中，在具體實現(xiàn)時，可W對中景圖像類對象zl、z2、...，按照其景深值gDP(zl)、g DP(z2)、...的大小進行排序和層加，將景深值大的對象排在在景深值小的對象的上層，形 成對比圖像。
[0251] 在完成根據(jù)中景圖像類的對象的景深值大小，將中景圖像類的對象進行排序和疊 加，并形成對比圖像后，3D電視比較對比圖像和中景圖像類中的各個對象的空間關系，調整 中景圖像類的對象的景深值。
[0252] 其中，在具體實現(xiàn)時，可W比較對比圖像和原中景圖像中各個對象的遮擋、位置等 空間關系，對異?？臻g位置關系的對象，W景深值大的對象為參考，對稱調整景深值小的對 象的景深，調整中景圖像類的對象的景深值。例如：由上述對象景深值估計得到的Zl對象景 深值gDP (Z1)為1OO，Z 2對象的景深值gDP (Z 2)為80，在新中景圖像中Z1疊加在Z 2的上方，但 是在原有舊中景圖像中z2是在Zl的上方；因此對zl、z2進行對稱調整景深值：Wzl為參考、 即Zl景深值保持100不變，z2的景深值調整為80+2*(100-80)，即120。
[0253] 在完成比較對比圖像和中景圖像類中的各個對象的空間關系，調整中景圖像類的 對象的景深值后，3D電視判斷中景圖像類的對象的景深值是否有變化。
[0254] 若中景圖像類的對象的景深值有變化，則獲取中景圖像類的對象的景深值的最大 變化量，并在前景圖像類中的對象的景深值上疊加中景圖像類的景深值的最大變化量，例 如：由上述對象景深值估計得到的中景圖像類的最大景深值gDP(Qm)為500,經過上述第二 步后、中景圖像類的最大景深值調整為550、即變化量為50,則前景圖像類中所有對象的景 深值增加50后形成新的深度值。
[0255] 若中景圖像類的對象的景深值無變化，則前景圖像類的對象的景深值不調整。
[0256] 步驟S6,將進行校正后的所述各圖像類的對象的景深值進行存儲，生成對應的圖 像景涂。
[0257] 具體地，在完成對各圖像類的對象的景深值進行校正后，3D電視將進行校正后的 各圖像類的對象的景深值進行存儲，生成對應的圖像景深。
[0258] 其中，3D電視將進行校正后的前景圖像類、中景圖像類和背景圖像類對象的景深 值進行存儲，從而形成二維圖像的景深，上述景深可W存儲本地存儲設備中，W便于即時提 取。
[0259] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成方法，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0260] 基于上述方法實施例的實施，本發(fā)明還提供對應的裝置實施例。
[0261] 如圖8所示，本發(fā)明本發(fā)明第一實施例提出一種二維圖像景深的生成裝置，包括：
[0262] 分類模塊100，用于獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對 應的多個圖像類，并計算各圖像類對應的最高清晰度值。
[0263] 本發(fā)明裝置的執(zhí)行主體可W為一種3D電視，本實施例W3D電視進行舉例，當然也 不限定于其他能夠實現(xiàn)3D圖像顯示的設備。
[0264] 具體地，分類模塊100獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應 的多個圖像類，并計算各圖像類對應的最高清晰度值。
[0265] 其中，分類模塊100根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分 類為前景圖像類、中景圖像類和背景圖像類。
[0266] 其中，上述目標圖像可W為二維圖像，分類模塊100根據(jù)二維圖像中物體的遠近、 鄰接、交疊等位置和相對方向關系，并結合物體形狀姿態(tài)、陰影暗示等，將物體分為前景圖 像類、中景圖像類和背景圖像類。
[0267] 其中，在完成根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類為 前景圖像類、中景圖像類和背景圖像類后，分類模塊100根據(jù)前景圖像類、中景圖像類和背 景圖像類的灰度信息，分別估算前景圖像類、中景圖像類和背景圖像類對應的最高清晰度 值Qf、化和郵。
[0268] 其中，分類模塊100首先將上述前景圖像類、中景圖像類和背景圖像類轉換成HSI 格式化為色度信息、S為彩色飽和度信息、I為灰度信息）；然后，對前景圖像類、中景圖像類 和背景圖像類的灰度信息I進行處理，獲取灰度信息I的交流分量I'、并根據(jù)I'的頻譜特征 的最高頻率，估算出前景圖像類、中景圖像類和背景圖像類的最高清晰度分別為Qf、化、郵。
[0269] 其中，在具體實現(xiàn)時，W前景圖像類的最高清晰度估算為例：
[0270] 1、前景圖像的每個像素 WRGB來表示、像素表示為：{3(3,〇,6(3,〇,8(3,〇}，其 中，S和t分別表示像素的行和列坐標;將RGB轉換成HSI格式，像素灰度信息表示為：Ks,t) =[R(s，t)+G(s，t)+B(s，t)]/3;
[0271] 2、前景圖像的平均灰度值表示為：
[0272]
[0273] 其中，S和T為前景圖像像素的最大坐標，像素灰度信息I的交流分量表示為：
[02
[02
[0276] 其中，g為0、1、2、…、S-I，1 = 0、1、2、…、T-1，取|U(g,l) I的最大值為前景圖像類最 高清晰Qf值。
[0277] 4、同理可估算出中景圖像類和背景圖像類的最高清晰度化和郵。
[0278] 清晰度估計模塊200,用于分別獲取所述各圖像類的對象，估算所述各圖像類的對 象的清晰度值，并根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸 類。
[0279] 具體地，在完成獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值后，清晰度估計模塊200分別獲取各圖像類的 對象，估算各圖像類的對象的清晰度值，并根據(jù)各圖像類對應的最高清晰度值，對各圖像類 的對象進行歸類。
[0280] 其中，清晰度估計模塊200分別檢測前景圖像類、中景圖像類和背景圖像類中的物 體的邊界和輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象。
[0281] 在具體實現(xiàn)時，可W采用如下方式：
[0282] 1、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取到前景圖像 類中的各個物體對象，標記為ql、q2、...；
[0283] 2、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取中景圖像類 中的各個物體對象，標記為zl、z2、...；
[0284] 3、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取背景圖像類 中的各個物體對象，標記為bl、b2、...。
[0285] 其中，在完成分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象后，清晰度估計模塊200根 據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算前景圖像類、中景圖像類 和背景圖像類中對應的各個對象的清晰度值。
[0286] 在具體實現(xiàn)時，可W采用如下方式：
[0287] 1、將前景圖像類中的各個物體對象ql、q2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為qlf、q2f、...；
[0288] 2、將中景圖像類中的各個物體對象zl、z2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為Zlf、z2f、...；
[0289] 3、將背景圖像類中的各個物體對象bl、b2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為blf、b2f、...。
[0290] 其中，在完成根據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算 前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值后，清晰度估計模塊 200比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰度值化的大小。
[0291] 其中，若前景圖像類中的任一對象的清晰度值大于或等于中景圖像類的最高清晰 度值她，則將該對象歸類至中景圖像類中，該對象不再是在前景圖像類之內，并將該對象的 清晰度值定義為所述中景圖像類的最高清晰度值化。
[0292] 其中，在完成比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰 度值Qm的大小后，清晰度估計模塊200比較中景圖像類中的任一對象的清晰度值和背景圖 像類的最高清晰度值郵的大小。
[0293] 其中，若中景圖像類中的任一對象的清晰度值小于或等于背景圖像類的最高清晰 度值卵，則將該對象歸類至背景圖像類中，該對象不再是在中景圖像類之內。通過運種方 式，實現(xiàn)進一步調整對象歸類，從而使=個分類圖像中的中景圖像類中的對象具有最好的 清晰度。
[0294] 深度值估計模塊300,用于根據(jù)歸類后的所述各圖像類的對象的清晰度值，采用深 度值估計算法，估算所述各圖像類的對象的深度值。
[0295] 具體地，在完成分別獲取各圖像類的對象，估算各圖像類的對象的清晰度值后，深 度值估計模塊300根據(jù)歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算各 圖像類的對象的深度值。
[0296] 其中，深度值估計模塊300設定基準清晰度化，根據(jù)準清晰度化建立DP轉換函數(shù)。
[0297] 在具體實現(xiàn)時，可采用如下方式：
[029引1、設定準清晰度化；
[0巧9] 2、設定深度轉換函數(shù)DP(X),比如取：
[0300] DP(i)=e(xi-Qs)/Qs，
[0301] 其中i為物體對象、Xi為物體對象i的清晰度值、Qs為基準清晰度、0為設定系數(shù)，貝U 化對應的絕對深度值為0。
[0302] 其中，在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，深度值估計 模塊300設定基準清晰度Qs為中景圖像類的最高清晰度她，采用DP轉換函數(shù)估算前景圖像 類的對象的深度值;設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估 算中景圖像類中的對象的深度值;設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用 DP轉換函數(shù)估算背景圖像類中的對象的深度值。
[0303] 在具體實現(xiàn)時，可采用如下方式：
[0304] 1、進行前景圖像類中的對象深度值估算，設定基準清晰度Qs為中景圖像類的最高 清晰度她，9^、92'、...分別代入函數(shù)函數(shù)0口^)中，得到前景圖像類中的各個物體對象91、 q2、...的深度值：
[0305] DP(ql)=0(qlf-Qm)/Qm，
[0306] DP(q2)=0(q2f-Qm)/Qm，
[0307] ...，
[0308] 其中各個深度值小于0;
[0309] 2、進行中景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高 清晰度卵，Z1 f、Z2f、...分別代入函數(shù)函數(shù)DP(X)中，得到中景圖像類中的各個物體對象Z1、 z2、...的深度值：
[0310] DP(zl)=0(zlf-郵）/郵，
[0311] DP(z2)=0(z2f-郵）/郵，
[0312] ...，
[0313] 其中各個深度值大于0;
[0314] 3、進行背景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高 清晰度卵，將blf、b2f、...分別代入函數(shù)函數(shù)DP(X)中，得到背景圖像類各個物體對象bl、 b2、...的深度值：
[0315] DP(bl)=e(blf-郵）/郵，
[0316] DP(b2)=e(b2f-郵）/郵，
[0317] ...，
[0318] 其中各個深度值小于或等于0。
[0319] 景深值估計模塊400,用于根據(jù)所述各圖像類的對象的深度值，采用景深值估計算 法，估算所述各圖像類的對象的景深值。
[0320] 具體地，在完成根據(jù)各圖像類的對象的清晰度值，采用深度值估計算法，估算各圖 像類的對象的深度值后，景深值估計模塊400根據(jù)各圖像類的對象的深度值，采用景深值估 計算法，估算各圖像類的對象的景深值。
[0321] 其中，景深值估計模塊400采用線性函數(shù)Line,對中景圖像類的對象的深度值進行 線性變換，估算中景圖像類的對象的景深值。
[0322] 在具體實現(xiàn)時，可采用如下方式：
[0323] 1、設定某一線性函數(shù)Line(y)=g*DP(y)，其中y為物體對象、g為設定比例系數(shù)；
[0324] 2、將中景圖像類中各個物體對象zl、z2、...的深度值DP(zl)、DP(z2)、...代入 Line函數(shù)中，得到zl、z2、...的景深值分別為gDP(zl)、gDP(z2)、...。
[0325] 其中，在完成采用線性函數(shù)Line,對中景圖像類的對象的深度值進行線性變換，估 算中景圖像類的對象的景深值后，景深值估計模塊400采用曲線函數(shù)Curve,對背景圖像類 的對象的深度值進行非線性壓縮變換，估算背景圖像類的對象的景深值。
[0326] 在具體實現(xiàn)時，可采用如下方式：
[0327] 1、設定某一曲線函數(shù)化rve(w)，w為物體對象的深度值；
[0328] 2、將背景圖像類中的各個物體對象bl、b2、...的深度值DP(bl)、DP(b2)、...代入 Qirve函數(shù)中，得到bl、b2、...的景深值分別為Qi;rve[DP(bl) ]、Qi;rve[DP(b2)]...。
[0329] 其中，在完成采用曲線函數(shù)化rve，對背景圖像類的對象的深度值進行非線性壓縮 變換，估算背景圖像類的對象的景深值后，景深值估計模塊400采用曲線函數(shù)化rve，對前圖 像類對象的深度值進行非線性壓縮變換，并疊加中景圖像類的對象的深度值中的最大值， 估算前景圖像類的對象的景深值。
[0330] 在具體實現(xiàn)時，可采用如下方式：
[0331] 1、采用上述曲線函數(shù)Curve(W),將前景圖像類中的各個物體對象ql、q2、...的深 度值 DP(ql)、DP(q2)、...代入 H 函數(shù)中，得到 zl、z2、...的相對景深值 Curve[DP(ql)]、Curve [DP(q2)]、...；
[0332] 2、疊加中景圖像類的最大景深值gDP(Qm)、Qm為中景圖像類的最高清晰度，得到前 景圖像類中的各個物體對象ql、q2、...的景深值分別為9〇口(9111)-加'乂6[0口(91)]、9〇口(9111)- Qi;rve[DP(q2)]、...。
[0333] 其中，上述背景和前景圖像類對象的景深估算時采用同一曲線函數(shù)化rve、也可W 采用不同的曲線函數(shù)化rve，曲線函數(shù)化rve具有如下特征：
[0334] 1、轉換后的景深值與深度值具有相同正負，即對象深度值為負值則景深值為負 值、對象深度值為正值則景深值也為正值；
[0335] 2、深度值越小則景深值越小、深度值越大則景深值越大，例如:深度值-50時Curve (-50 )=-40，深度值-100 時 Curve (-100 )=-60 ,Curve (-50)〉Curve(-100);
[0336] 3、深度絕對值越小則壓縮比越小、深度絕對值越大則壓縮比越大，例如:深度值- 50 時 Curve (-50) = -40、壓縮度為0.2，深度值-100 時 Curve (-100) = -60、壓縮度為0.4。
[0337] 從上述過程可知，中景圖像類對象的景深值是隨著深度值變化而進行線性均勻變 化，而前景圖像類和背景圖像類對象的景深值是隨著深度值變化而進行非線性壓縮變化、 且深度絕對值越大具有更大的壓縮比。
[0338] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，實現(xiàn)了從二維圖像中 生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0339] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，本發(fā)明實施例中的分類模塊 100，還用于根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關系，將所述目標圖像分類為前 景圖像類、中景圖像類和背景圖像類;根據(jù)所述前景圖像類、中景圖像類和背景圖像類的灰 度信息，分別估算所述前景圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、Qm和 Qbo
[0340] 具體地，分類模塊100根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像 分類為前景圖像類、中景圖像類和背景圖像類。
[CX341]其中，上述圖像可W為二維圖像，分類模塊100根據(jù)二維圖像中物體的遠近、鄰接、 交疊等位置和相對方向關系，并結合物體形狀姿態(tài)、陰影暗示等，將物體分為前景圖像類、 中景圖像類和背景圖像類。
[0342] 在完成根據(jù)目標圖像中的物體的位置關系和形態(tài)關系，將目標圖像分類為前景圖 像類、中景圖像類和背景圖像類后，分類模塊100根據(jù)前景圖像類、中景圖像類和背景圖像 類的灰度信息，分別估算前景圖像類、中景圖像類和背景圖像類對應的最高清晰度值Qf、Qm 和郵。
[0343] 其中，分類模塊100首先將上述前景圖像類、中景圖像類和背景圖像類轉換成HSI 格式化為色度信息、S為彩色飽和度信息、I為灰度信息）；然后，對前景圖像類、中景圖像類 和背景圖像類的灰度信息I進行處理，獲取灰度信息I的交流分量I'、并根據(jù)I'的頻譜特征 的最高頻率，估算出前景圖像類、中景圖像類和背景圖像類的最高清晰度分別為Qf、化、郵。
[0344] 其中，在具體實現(xiàn)時，W前景圖像類的最高清晰度估算為例：
[0345] 1、前景圖像的每個像素 WRGB來表示、像素表示為：{3(3,〇,6(3,〇,8(3,〇}，其 中，S和t分別表示像素的行和列坐標;將RGB轉換成HSI格式，像素灰度信息表示為：Ks,t) =[R(s，t)+G(s，t)+B(s，t)]/3;
[0346] 2、前景圖像的平均灰度值表示為：
[0：347;
[0348； 坐標，像素灰度信息I的交流分量表示為：
[0349；
[0350；
[0；351]其中，g為0、1、2、…、5-1，1 = 0、1、2、...、1'-1，取|1](邑，1)|的最大值為前景圖像類最 高清晰Qf值。
[0352] 4、同理可估算出中景圖像類和背景圖像類的最高清晰度化和郵。
[0353] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0354] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，本發(fā)明實施例中的清晰度估 計模塊200,還用于分別檢測所述前景圖像類、中景圖像類和背景圖像類中的物體的邊界和 輪廓，獲取所述前景圖像類、中景圖像類和背景圖像類中對應的對象;根據(jù)所述前景圖像 類、中景圖像類和背景圖像類中對應的對象，分別估算所述前景圖像類、中景圖像類和背景 圖像類中對應的各個對象的清晰度值;通過清晰度值比較操作，對所述前景圖像類、中景圖 像類和背景圖像類中對應的對象進行歸類。
[0355] 具體地，在完成獲取目標圖像，對目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值后，清晰度估計模塊200分別檢測前景圖像 類、中景圖像類和背景圖像類中的物體的邊界和輪廓，獲取前景圖像類、中景圖像類和背景 圖像類中對應的對象。
[0356] 其中，清晰度估計模塊200分別檢測前景圖像類、中景圖像類和背景圖像類中的物 體的邊界和輪廓，獲取前景圖像類、中景圖像類和背景圖像類中對應的對象。
[0357] 在具體實現(xiàn)時，可W采用如下方式：
[0358] 1、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取到前景圖像 類中的各個物體對象，標記為ql、q2、...；
[0359] 2、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取中景圖像類 中的各個物體對象，標記為zl、z2、...；
[0360] 3、通過捜索和檢測前景圖像類中各個物體的邊界和輪廓，劃分并獲取背景圖像類 中的各個物體對象，標記為bl、b2、...。
[0361] 在完成分別檢測前景圖像類、中景圖像類和背景圖像類中的物體的邊界和輪廓， 獲取前景圖像類、中景圖像類和背景圖像類中對應的對象后，清晰度估計模塊200根據(jù)前景 圖像類、中景圖像類和背景圖像類中對應的對象，分別估算前景圖像類、中景圖像類和背景 圖像類中對應的各個對象的清晰度值。
[0362] 其中，在具體實現(xiàn)時，可W采用如下方式：
[0363] 1、將前景圖像類中的各個物體對象ql、q2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為qlf、q2f、...；
[0364] 2、將中景圖像類中的各個物體對象zl、z2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為Zlf、z2f、...；
[0365] 3、將背景圖像類中的各個物體對象bl、b2、...轉換成HSI格式，與上述圖像類的最 高清晰度估算方式相同，估算出各個物體對象的清晰度分別為blf、b2f、...。
[0366] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0367] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，本發(fā)明實施例中的清晰度估 計模塊200,還用于比較所述前景圖像類中的任一對象的清晰度值和所述中景圖像類的最 高清晰度值Qm的大小;若所述前景圖像類中的任一對象的清晰度值大于或等于所述中景圖 像類的最高清晰度值她，則將所述對象歸類至所述中景圖像類中，并將所述對象的清晰度 值定義為所述中景圖像類的最高清晰度值Qm;比較所述中景圖像類中的任一對象的清晰度 值和所述背景圖像類的最高清晰度值卵的大小;若所述中景圖像類中的任一對象的清晰度 值小于或等于所述背景圖像類的最高清晰度值郵，則將所述對象歸類至所述背景圖像類 中。
[0368] 具體地，在完成根據(jù)前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估 算前景圖像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值后，清晰度估計模 塊2(K)比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰度值化的大小。
[0369] 若前景圖像類中的任一對象的清晰度值大于或等于中景圖像類的最高清晰度值 Qm,則將該對象歸類至中景圖像類中，該對象不再是在前景圖像類之內，并將該對象的清晰 度值定義為所述中景圖像類的最高清晰度值化。
[0370] 在完成比較前景圖像類中的任一對象的清晰度值和中景圖像類的最高清晰度值 Qm的大小后，清晰度估計模塊200比較中景圖像類中的任一對象的清晰度值和背景圖像類 的最高清晰度值郵的大小。
[0371] 若中景圖像類中的任一對象的清晰度值小于或等于背景圖像類的最高清晰度值 Qb,則將該對象歸類至背景圖像類中，該對象不再是在中景圖像類之內。通過運種方式，實 現(xiàn)進一步調整對象歸類，從而使=個分類圖像中的中景圖像類中的對象具有最好的清晰 度。
[0372] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0373] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，本發(fā)明實施例中的深度值估 計模塊300，還用于設定基準清晰度Qs，根據(jù)所述準清晰度Qs建立DP轉換函數(shù);設定所述基 準清晰度Qs為所述中景圖像類的最高清晰度Qm，采用所述DP轉換函數(shù)估算所述前景圖像類 的對象的深度值;設定所述基準清晰度Qs為所述背景圖像類的最高清晰度卵，采用所述DP 轉換函數(shù)估算所述中景圖像類中的對象的深度值;設定所述基準清晰度Qs為所述背景圖像 類的最高清晰度郵，采用所述DP轉換函數(shù)估算所述背景圖像類中的對象的深度值。
[0374] 具體地，在完成分別獲取各圖像類的對象，估算各圖像類的對象的清晰度值后，深 度值估計模塊300設定基準清晰度化，根據(jù)準清晰度化建立DP轉換函數(shù)。
[0375] 其中，在具體實現(xiàn)時，可采用如下方式：
[0376] 1、設定準清晰度化；
[0377] 2、設定深度轉換函數(shù)DP(X),比如取：
[037引 DP(i)=0(xi-Qs)/Qs，
[0379] 其中i為物體對象、Xi為物體對象i的清晰度值、Qs為基準清晰度、0為設定系數(shù)，貝U 化對應的絕對深度值為0。
[0380] 在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，深度值估計模塊 300設定基準清晰度Qs為中景圖像類的最高清晰度她，采用DP轉換函數(shù)估算前景圖像類的 對象的深度值。
[0381] 其中，在具體實現(xiàn)時，可采用如下方式：
[0382] 進行前景圖像類中的對象深度值估算，設定基準清晰度Qs為中景圖像類的最高清 晰度她，9^、92'、...分別代入函數(shù)函數(shù)0口^)中，得到前景圖像類中的各個物體對象91、 q2、...的深度值：
[0383] DP(ql)=0(qlf-Qm)/Qm，
[0384] DP(q2)=0(q2f-Qm)/Qm，
[0385] ...，
[0386] 其中各個深度值小于0。
[0387] 在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，深度值估計模塊 300設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估算中景圖像類中 的對象的深度值。
[0388] 其中，在具體實現(xiàn)時，可采用如下方式：
[0389] 進行中景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的最高清 晰度Qb，zlf、z2f、...分別代入函數(shù)函數(shù)DP(X)中，得到中景圖像類中的各個物體對象zl、 z2、...的深度值：
[0390] DP(zl)=0(zlf-郵）/郵，
[0391] DP(z2)=0(z2f-郵）/郵，
[0392] ...，
[0393] 其中各個深度值大于0。
[0394] 在完成設定基準清晰度Qs,根據(jù)準清晰度Qs建立DP轉換函數(shù)后，深度值估計模塊 300設定基準清晰度Qs為背景圖像類的最高清晰度卵，采用DP轉換函數(shù)估算背景圖像類中 的對象的深度值。
[0395] 其中，進行背景圖像類中的對象深度值估算，設定基準清晰度Qs為背景圖像類的 最高清晰度卵，將blf、b2f、...分別代入函數(shù)函數(shù)DP(X)中，得到背景圖像類各個物體對象 bl、b2、...的深度值：
[0396] DP(bl)=e(blf-郵）/郵，
[0397] DP(b2)=e(b2f-郵）/郵，
[039引...，
[0399] 其中各個深度值小于或等于0。
[0400] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0401] 進一步的，為了更好地實現(xiàn)從二維圖像中生成景深，本發(fā)明實施例中的景深值估 計模塊400,還用于采用線性函數(shù)Line,對所述中景圖像類的對象的深度值進行線性變換， 估算所述中景圖像類的對象的景深值;采用曲線函數(shù)化rve，對所述背景圖像類的對象的深 度值進行非線性壓縮變換，估算所述背景圖像類的對象的景深值;采用曲線函數(shù)Curve,對 所述前圖像類對象的深度值進行非線性壓縮變換，并疊加所述中景圖像類的對象的深度值 中的最大值，估算所述前景圖像類的對象的景深值。
[0402] 具體地，在完成根據(jù)所各圖像類的對象的清晰度值，采用深度值估計算法，估算各 圖像類的對象的深度值后，景深值估計模塊400采用線性函數(shù)Line,對中景圖像類的對象的 深度值進行線性變換，估算中景圖像類的對象的景深值。
[0403] 其中，在具體實現(xiàn)時，可采用如下方式：
[0404] 1、設定某一線性函數(shù)Line(y)=g*DP(y)，其中y為物體對象、g為設定比例系數(shù)；
[0405] 2、將中景圖像類中各個物體對象zl、z2、...的深度值DP(zl)、DP(z2)、...代入 Line函數(shù)中，得到zl、z2、...的景深值分別為gDP(zl)、gDP(z2)、...。
[0406] 在完成采用線性函數(shù)Line,對中景圖像類的對象的深度值進行線性變換，估算中 景圖像類的對象的景深值后，景深值估計模塊400采用曲線函數(shù)Curve,對背景圖像類的對 象的深度值進行非線性壓縮變換，估算背景圖像類的對象的景深值。
[0407] 其中，在具體實現(xiàn)時，可采用如下方式：
[040引1、設定某一曲線函數(shù)化rve(w)，w為物體對象的深度值；
[0409] 2、將背景圖像類中的各個物體對象bl、b2、...的深度值DP(bl)、DP(b2)、...代入 Qirve函數(shù)中，得到bl、b2、...的景深值分別為Qi;rve[DP(bl) ]、Qi;rve[DP(b2)]...。
[0410] 步驟S43,采用曲線函數(shù)Curve,對所述前圖像類對象的深度值進行非線性壓縮變 換，并疊加所述中景圖像類的對象的深度值中的最大值，估算所述前景圖像類的對象的景 深值。
[0411] 具體地，在完成采用曲線函數(shù)化rve，對背景圖像類的對象的深度值進行非線性壓 縮變換，估算背景圖像類的對象的景深值后，3D電視采用曲線函數(shù)Curve,對前圖像類對象 的深度值進行非線性壓縮變換，并疊加中景圖像類的對象的深度值中的最大值，估算前景 圖像類的對象的景深值。
[0412] 其中，在具體實現(xiàn)時，可采用如下方式：
[0413] 1、采用上述曲線函數(shù)Curve(W),將前景圖像類中的各個物體對象ql、q2、...的深 度值 DP(ql)、DP(q2)、...代入 H 函數(shù)中，得到 zl、z2、...的相對景深值 Curve[DP(ql)]、Curve [DP(q2)]、...；
[0414] 2、疊加中景圖像類的最大景深值gDP(Qm)、Qm為中景圖像類的最高清晰度，得到前 景圖像類中的各個物體對象ql、q2、...的景深值分別為9〇口(9111)-加'乂6[0口(91)]、9〇口(9111)- Qi;rve[DP(q2)]、...。
[0415] 其中，上述背景和前景圖像類對象的景深估算時采用同一曲線函數(shù)化rve、也可W 采用不同的曲線函數(shù)化rve，曲線函數(shù)化rve具有如下特征：
[0416] 1、轉換后的景深值與深度值具有相同正負，即對象深度值為負值則景深值為負 值、對象深度值為正值則景深值也為正值；
[0417] 2、深度值越小則景深值越小、深度值越大則景深值越大，例如:深度值-50時Curve (-50 )=-40，深度值-100 時 Curve (-100 )=-60 ,Curve (-50)〉Curve(-100);
[0418] 3、深度絕對值越小則壓縮比越小、深度絕對值越大則壓縮比越大，例如:深度值- 50 時 Curve (-50) = -40、壓縮度為0.2，深度值-100 時 Curve (-100) = -60、壓縮度為0.4。
[0419] 從上述過程可知，中景圖像類對象的景深值是隨著深度值變化而進行線性均勻變 化，而前景圖像類和背景圖像類對象的景深值是隨著深度值變化而進行非線性壓縮變化、 且深度絕對值越大具有更大的壓縮比。
[0420] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0421] 如圖9所示，本發(fā)明第二實施例提出一種二維圖像景深生成裝置，W上述第一實施 例中的裝置為基礎，本實施例裝置還包括：
[0422] 校正模塊500,用于對所述各圖像類的對象的景深值進行校正。
[0423] 具體地，在完成根據(jù)各圖像類的對象的深度值，采用景深值估計算法，估算各圖像 類的對象的景深值后，校正模塊500根據(jù)中景圖像類的對象的景深值大小，將中景圖像類的 對象進行排序和疊加，并形成對比圖像。
[0424] 其中，在具體實現(xiàn)時，可W對中景圖像類對象zl、z2、...，按照其景深值gDP(zl)、g DP(z2)、...的大小進行排序和層加，將景深值大的對象排在在景深值小的對象的上層，形 成對比圖像。
[0425] 在完成根據(jù)中景圖像類的對象的景深值大小，將中景圖像類的對象進行排序和疊 加，并形成對比圖像后，校正模塊500比較對比圖像和中景圖像類中的各個對象的空間關 系，調整中景圖像類的對象的景深值。
[0426] 其中，在具體實現(xiàn)時，可W比較對比圖像和原中景圖像中各個對象的遮擋、位置等 空間關系，對異?？臻g位置關系的對象，W景深值大的對象為參考，對稱調整景深值小的對 象的景深，調整中景圖像類的對象的景深值。例如：由上述對象景深值估計得到的Zl對象景 深值gDP (Z1)為100，Z 2對象的景深值gDP (Z 2)為80，在新中景圖像中Z1疊加在Z 2的上方，但 是在原有舊中景圖像中z2是在Zl的上方；因此對zl、z2進行對稱調整景深值：Wzl為參考、 即Zl景深值保持100不變，z2的景深值調整為80+2*(100-80)，即120。
[0427] 在完成比較對比圖像和中景圖像類中的各個對象的空間關系，調整中景圖像類的 對象的景深值后，校正模塊500判斷中景圖像類的對象的景深值是否有變化。
[0428] 若中景圖像類的對象的景深值有變化，則獲取中景圖像類的對象的景深值的最大 變化量，并在前景圖像類中的對象的景深值上疊加中景圖像類的景深值的最大變化量，例 如：由上述對象景深值估計得到的中景圖像類的最大景深值gDP(Qm)為500,經過上述第二 步后、中景圖像類的最大景深值調整為550、即變化量為50,則前景圖像類中所有對象的景 深值增加50后形成新的深度值。
[0429] 若中景圖像類的對象的景深值無變化，則前景圖像類的對象的景深值不調整。
[0430] 生成模塊600,用于將進行校正后的所述各圖像類的對象的景深值進行存儲，生成 對應的圖像景深。
[0431] 具體地，在完成對各圖像類的對象的景深值進行校正后，生成模塊600將進行校正 后的各圖像類的對象的景深值進行存儲，生成對應的圖像景深。
[0432] 其中，生成模塊600將進行校正后的前景圖像類、中景圖像類和背景圖像類對象的 景深值進行存儲，從而形成二維圖像的景深，上述景深可W存儲本地存儲設備中，W便于即 時提取。
[0433] 通過上述方案，本發(fā)明提供了一種二維圖像景深生成裝置，更好地實現(xiàn)了從二維 圖像中生成景深，W降低了圖像失真，提高圖像穩(wěn)定性，滿足用戶需求。
[0434] W上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技 術領域，均同理包括在本發(fā)明的專利保護范圍內。
【主權項】
1. 一種二維圖像景深生成方法，其特征在于，所述方法包括： 獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的多個圖像類，并計算 各圖像類對應的最高清晰度值； 分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清晰度值，并根據(jù)所述各 圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類； 根據(jù)所述歸類后的各圖像類的對象的清晰度值，采用深度值估計算法，估算所述各圖 像類的對象的深度值； 根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算所述各圖像類的對象 的景深值。2. 根據(jù)權利要求1所述的方法，其特征在于，所述對所述目標圖像進行圖像類分類處 理，得到對應的多個圖像類，并計算各圖像類對應的最高清晰度值的步驟包括： 根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關系，將所述目標圖像分類為前景圖像 類、中景圖像類和背景圖像類； 根據(jù)所述前景圖像類、中景圖像類和背景圖像類的灰度信息，分別估算所述前景圖像 類、中景圖像類和背景圖像類對應的最高清晰度值Qf、Qm和Qb。3. 根據(jù)權利要求2所述的方法，其特征在于，所述分別獲取所述各圖像類的對象，估算 所述各圖像類的對象的清晰度值，并根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖 像類的對象進行歸類的步驟包括： 分別檢測所述前景圖像類、中景圖像類和背景圖像類中的物體的邊界和輪廓，獲取所 述前景圖像類、中景圖像類和背景圖像類中對應的對象； 根據(jù)所述前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算所述前景圖 像類、中景圖像類和背景圖像類中對應的各個對象的清晰度值； 通過清晰度值比較操作，對所述前景圖像類、中景圖像類和背景圖像類中對應的對象 進行歸類。4. 根據(jù)權利要求3所述的方法，其特征在于，所述通過清晰度值比較操作，對所述前景 圖像類、中景圖像類和背景圖像類中對應的對象進行歸類的步驟包括： 比較所述前景圖像類中的任一對象的清晰度值和所述中景圖像類的最高清晰度值Qm 的大??； 若所述前景圖像類中的任一對象的清晰度值大于或等于所述中景圖像類的最高清晰 度值Qm，則將所述對象歸類至所述中景圖像類中，并將所述對象的清晰度值定義為所述中 景圖像類的最高清晰度值Qm; 比較所述中景圖像類中的任一對象的清晰度值和所述背景圖像類的最高清晰度值Qb 的大?。? 若所述中景圖像類中的任一對象的清晰度值小于或等于所述背景圖像類的最高清晰 度值Qb，則將所述對象歸類至所述背景圖像類中。5. 根據(jù)權利要求4所述的方法，其特征在于，所述根據(jù)歸類后的所述各圖像類的對象的 清晰度值，采用深度值估計算法，估算所述各圖像類的對象的深度值的步驟包括： 設定基準清晰度Qs，根據(jù)所述準清晰度Qs建立DP轉換函數(shù)； 設定所述基準清晰度Qs為所述中景圖像類的最高清晰度Qm，采用所述DP轉換函數(shù)估算 所述前景圖像類的對象的深度值； 設定所述基準清晰度Qs為所述背景圖像類的最高清晰度Qb，采用所述DP轉換函數(shù)估算 所述中景圖像類中的對象的深度值； 設定所述基準清晰度Qs為所述背景圖像類的最高清晰度Qb，采用所述DP轉換函數(shù)估算 所述背景圖像類中的對象的深度值。6. 根據(jù)權利要求5所述的方法，其特征在于，所述根據(jù)所述各圖像類的對象的深度值， 采用景深值估計算法，估算所述各圖像類的對象的景深值的步驟包括： 采用線性函數(shù)Line，對所述中景圖像類的對象的深度值進行線性變換，估算所述中景 圖像類的對象的景深值； 采用曲線函數(shù)Curve，對所述背景圖像類的對象的深度值進行非線性壓縮變換，估算所 述背景圖像類的對象的景深值； 采用曲線函數(shù)Curve，對所述前圖像類對象的深度值進行非線性壓縮變換，并疊加所述 中景圖像類的對象的深度值中的最大值，估算所述前景圖像類的對象的景深值。7. 根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述各圖像類的對象的深度值， 采用景深值估計算法，估算所述各圖像類的對象的景深值的步驟之后，還包括： 根據(jù)各圖像類的對象的景深值大小形成對比圖像，根據(jù)所述對比圖像對所述各圖像類 的對象的景深值進行校正； 將進行校正后的所述各圖像類的對象的景深值進行存儲，生成對應的圖像景深。8. -種二維圖像景深生成裝置，其特征在于，所述裝置包括： 分類模塊，用于獲取目標圖像，對所述目標圖像進行圖像類分類處理，得到對應的多個 圖像類，并計算各圖像類對應的最高清晰度值； 清晰度估計模塊，用于分別獲取所述各圖像類的對象，估算所述各圖像類的對象的清 晰度值，并根據(jù)所述各圖像類對應的最高清晰度值，對所述各圖像類的對象進行歸類； 深度值估計模塊，用于根據(jù)歸類后的所述各圖像類的對象的清晰度值，采用深度值估 計算法，估算所述各圖像類的對象的深度值； 景深值估計模塊，用于根據(jù)所述各圖像類的對象的深度值，采用景深值估計算法，估算 所述各圖像類的對象的景深值。9. 根據(jù)權利要求8所述的裝置，其特征在于， 所述分類模塊，還用于根據(jù)所述目標圖像中的物體的位置關系和形態(tài)關系，將所述目 標圖像分類為前景圖像類、中景圖像類和背景圖像類;根據(jù)所述前景圖像類、中景圖像類和 背景圖像類的灰度信息，分別估算所述前景圖像類、中景圖像類和背景圖像類對應的最高 清晰度值Qf、Qm和Qb。10. 根據(jù)權利要求9所述的裝置，其特征在于， 所述清晰度估計模塊，還用于分別檢測所述前景圖像類、中景圖像類和背景圖像類中 的物體的邊界和輪廓，獲取所述前景圖像類、中景圖像類和背景圖像類中對應的對象;根據(jù) 所述前景圖像類、中景圖像類和背景圖像類中對應的對象，分別估算所述前景圖像類、中景 圖像類和背景圖像類中對應的各個對象的清晰度值;通過清晰度值比較操作，對所述前景 圖像類、中景圖像類和背景圖像類中對應的對象進行歸類。11. 根據(jù)權利要求10所述的裝置，其特征在于， 所述清晰度估計模塊，還用于比較所述前景圖像類中的任一對象的清晰度值和所述中 景圖像類的最高清晰度值Qm的大小;若所述前景圖像類中的任一對象的清晰度值大于或等 于所述中景圖像類的最高清晰度值Qm，則將所述對象歸類至所述中景圖像類中，并將所述 對象的清晰度值定義為所述中景圖像類的最高清晰度值Qm;比較所述中景圖像類中的任一 對象的清晰度值和所述背景圖像類的最高清晰度值Qb的大小;若所述中景圖像類中的任一 對象的清晰度值小于或等于所述背景圖像類的最高清晰度值Qb，則將所述對象歸類至所述 背景圖像類中。12. 根據(jù)權利要求11所述的裝置，其特征在于， 所述深度值估計模塊，還用于設定基準清晰度Qs，根據(jù)所述準清晰度Qs建立DP轉換函 數(shù);設定所述基準清晰度Qs為所述中景圖像類的最高清晰度Qm，采用所述DP轉換函數(shù)估算 所述前景圖像類的對象的深度值;設定所述基準清晰度Qs為所述背景圖像類的最高清晰度 Qb，采用所述DP轉換函數(shù)估算所述中景圖像類中的對象的深度值;設定所述基準清晰度Qs 為所述背景圖像類的最高清晰度Qb，采用所述DP轉換函數(shù)估算所述背景圖像類中的對象的 深度值。13. 根據(jù)權利要求12所述的裝置，其特征在于， 所述景深值估計模塊，還用于采用線性函數(shù)Line，對所述中景圖像類的對象的深度值 進行線性變換，估算所述中景圖像類的對象的景深值;采用曲線函數(shù)Curve，對所述背景圖 像類的對象的深度值進行非線性壓縮變換，估算所述背景圖像類的對象的景深值;采用曲 線函數(shù)Curve，對所述前圖像類對象的深度值進行非線性壓縮變換，并疊加所述中景圖像類 的對象的深度值中的最大值，估算所述前景圖像類的對象的景深值。14. 根據(jù)權利要求8所述的裝置，其特征在于，所述裝置還包括： 校正模塊，用于根據(jù)各圖像類的對象的景深值大小形成對比圖像，根據(jù)所述對比圖像 對所述各圖像類的對象的景深值進行校正； 生成模塊，用于將進行校正后的所述各圖像類的對象的景深值進行存儲，生成對應的 圖像景深。
【文檔編號】G06T7/00GK105957053SQ201610244073
【公開日】2016年9月21日
【申請日】2016年4月19日
【發(fā)明人】徐遙令
【申請人】深圳創(chuàng)維－Rgb電子有限公司