[发明专利]一种从单幅2D图像获取3D成像图像的方法

说明书

技术领域

本发明属于图像信息处理领域，具体涉及一种从单幅2D图像获取3D成像图像的方法。

背景技术

3D视频信号处理已成为当前视觉处理中的一个重要热点问题。随着3D技术的迅速发展，只能呈现出平面画面的2D图像能够以具有立体感的方式呈现出来，从而带给观看者更为逼真、独特的视觉体验。因此，3D技术被广泛应用于许多领域。例如，3D技术已成为当今电影发展的大趋势，但是片源不足却成为了制约电影产业兴起的主要瓶颈。将2D电影转换为3D电影不仅能大大增加数字立体电影的题材和数量，还能让一些经典的老电影以新的形式重新登上荧屏绽放异彩。与电影产业密切相关的电子游戏行业也可借助3D技术改善其游戏体验。通过将2D的游戏场景转换为3D立体场景，可以有效地提高游戏玩家的沉浸感，从而极大地拓宽游戏市场。此外，目前市场上还出现了将作为平面媒体的报纸与3D技术相结合，实现在平面媒体上目睹3D立体效果，从而在创新印刷媒介信息传播方式的同时造就了一场视觉变革。由此可见，对2D彩色图像进行3D转换处理，对文化、娱乐等领域的发展具有十分重要的意义。

2D图像至3D图像转换技术的核心任务是从普通的2D图像中获取其所对应的深度信息。目前，针对该问题的处理方法主要有两种：利用单帧图像获取深度图的方法和利用多帧图像获取深度图的方法。单帧图像方法采用机器学习、聚焦/散焦信息、阴影遮挡信息、纹理梯度、几何透视等深度线索恢复图像深度。但是这些方法在输入图像的相关深度线索不明显或缺失的情况下将有可能生成不可靠的深度图。多帧方法主要采用多目视图或运动信息来恢复图像深度。但是当摄像机静止时，利用运动视差生成的深度图将有可能有误。从单幅2D图像生成其对应的深度图是一个不适定问题，并非所有的深度线索都能从单幅图像或多幅连续图像帧中重新获得，等等这些因素都使深度图的生成面临较大的困难。

近年来，市场上还针对普通2D视频的深度图恢复出现了一些半自动操作软件。例如，DDD公司推出的“Depth Tweening”产品即采用基于机器学习的深度扩散方法来恢复视频非关键帧的深度图。该方法首先利用手工绘制的关键帧的深度图进行训练，然后再利用训练得到的分类器计算非关键帧的深度图。此外，飞利浦公司也推出了一款名为“BlueBox”的深度图生成工具。该软件工具采用基于统计学原理的深度扩散方法，首先由用户手动指定关键帧的深度信息，然后该软件会通过所建立的最优化准则函数计算得到视频其它非关键帧的深度图。由此可见，目前已有的深度图求取工具主要问题在于需要人工参与，且深度图的赋值主要依靠主观判断。

在此背景下，研究一种既成本代价小、普适性好，又能自动地获取图像的深度图以对各种2D图像进行3D转换处理的方法显得尤为重要。

发明内容

本发明所要解决的技术问题是提供一种从单幅2D图像获取3D成像图像的方法，克服现有技术中2D图像至3D图像转换过程通常需要借助图像深度线索获知深度信息的难题，从而给观看者带来比普通2D图像更好的视觉体验。

一种从单幅2D图像获取3D成像图像的方法，包括以下步骤：

步骤A：获取单幅2D图像的显著对象分割图

步骤B：利用步骤A获得的显著对象分割图获取单幅2D图像的深度图；

步骤C：根据步骤B获得的深度图分别得到3D成像所需的左眼视图及右眼视图，合成左眼视图及右眼视图，获得与单幅2D图像对应的3D图像；

其中，所述步骤B的具体步骤如下：

步骤B1：求取显著对象分割图的暗原色图像及大气光值A；

所述暗原色图像各像素点的像素值按以下表达式确定：