[发明专利]一种基于一维集成成像系统的阵列图生成及填补方法

说明书

一种基于一维集成成像系统的阵列图生成及填补方法属裸眼3D显示技术领域，本发明根据几何光学及DIBR的思想，利用深度图模拟了任意位置的视点图像，先利用光流法对图像内部大块空洞进行填充，再用Criminisi图像修复算法对其他空洞进行填补；本发明结合光流法与Criminisi图像修复算法这两种算法的优势对图像进行填补，既参考了视频中不同帧的图像信息，又提高了Criminisi图像修复算法的运算速度，比起只用Criminisi图像修复算法进行空洞填补，在相同参数的设置下，本发明平均节省45.448％的时间，且填补效果更佳。

技术领域

本发明属裸眼3D显示技术领域，具体涉及一种基于一维集成成像系统的阵列图生成及填补方法。

背景技术

1908年，诺贝尔奖获得者Lippmann首先提出了集成成像。它是一种利用微透镜阵列记录和再现三维空间场景的立体显示技术。集成成像具有连续视点、全视差、无视疲劳以及无需辅助设备等优点从而受到各国的广泛关注。但是，集成成像本身也存在一些缺点与不足。集成成像造价高昂，不适用于大屏幕显示，并且对屏幕分辨率的要求更高，对存储空间及数据处理能力都有较高要求。一维集成成像在一定程度上解决了上述问题。一维集成成像舍弃了集成成像的垂直立体感，只在水平方向上有立体感，大大减少了数据量,增加了对屏幕分辨率的利用率。故而一维集成成像技术可以较快的处理速度在集成成像的实现方法之中脱颖而出。

但目前，基于一维集成成像的立体片源并不常见。若要生成适合一维集成成像的立体片源，就需要进行空洞填补。criminisi算法是目前常用的图像修复算法。该修复算法的算法复杂度与图片大小与像素块大小有关，图片越大，该算法运行时间越长；单位像素块越小，该算法运行时间越长，但修复越细致，修复效果越好。在实践中发现该算法能较好地对位于图像边缘的空洞进行修复且花费时间少，而在对图片内部的大块空洞区域修补时，修复时间长，且修复效果欠佳。

由于以上算法的缺陷，在实际应用中很难取得理想的效果，有待改进。

发明内容

为解决以上算法的缺陷，本发明旨在提供一种Criminisi算法与光流法相结合的空洞填补算法，结合光流法与Criminisi算法与光流法的优势，最大限度的提高空洞填补的准确率和效率。

本发明的基于一维集成成像系统的阵列图生成及填补方法，包括下列步骤：

1.1设原图像为I_original-k，深度图为H_k，生成的带有空洞的视点图为W_k-r，

其中：k表示视频中第k帧图像；r表示第r个视点，r的取值范围是1～2*N，N为半视点数；

1.1.1根据所需要的深度效果，预设人眼能感受到的出屏深度和入屏深度，由几何光学得到：

M/B＝P/(P+D)

其中：B为双眼间距；M为视差，表示左右眼像之间的水平距离，设其最大值为maxM；P为人眼能感受到的景物深度，设其最大值为maxP；D为观察者与屏幕之间的距离；

之后，将人眼能感受到的景物深度P进行单位变换，由毫米变成像素：设经单位转换后的最大正视差为maxPM，该视差将产生入屏效果：maxPM＝maxM*(α/A)；设经单位转换后的最大负视差为maxNM，该视差将导致出屏效果：maxNM＝-abs(maxM)*(α/A)

其中：abs(maxM)＝maxP*B/(D-maxP)；α为屏幕的水平分辨率；A为屏幕的水平宽度；

1.1.2将深度值均匀量化到人眼能感受到的景物深度上，将其转化为视差值，转换公式为：

d(i,j)＝(maxNM-maxPM)/255*H(i,j)+maxPM