專利名稱：獲取深度圖的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，具體而言，涉及一種獲取深度圖的方法及裝置。
背景技術(shù)：
我國3D產(chǎn)業(yè)發(fā)展迅猛，立體頻道的開通更為3D產(chǎn)業(yè)的整體發(fā)展帶來重大機(jī)遇，雖然3D終端顯示的技術(shù)飛速更新，但3D節(jié)目內(nèi)容的發(fā)展卻遠(yuǎn)遠(yuǎn)落后。隨著數(shù)字圖像采集設(shè)備技術(shù)的進(jìn)步，人們擁有了大量的二維視頻、圖像、照片等媒體素材。在利用現(xiàn)有龐大的二維資源來滿足3D產(chǎn)業(yè)發(fā)展需求的過程中，需要采用3D信息恢復(fù)和場景重建等技術(shù)進(jìn)行3D節(jié)目內(nèi)容的制作。研究表明，三維空間中同一物體在左右眼成像時會有水平方向上的位移，這被稱為“視差”。對人類生理立體視覺要素的研究指出，由于視差的存在，人類左右眼看同一場景時會產(chǎn)生立體感。場景中物體距離攝像機(jī)位置的遠(yuǎn)近即深度信息是產(chǎn)生視差的主要原因，二者之間存在著對應(yīng)關(guān)系。還原二維圖像原有的立體信息(即垂直于圖像平面的第 三維度的深度信息)是二維圖像轉(zhuǎn)換成三維圖像的重要內(nèi)容，目前多數(shù)研究集中在通過獲取圖像的深度圖像來計(jì)算視差進(jìn)而恢復(fù)出3D信息。目前通過單幅圖片來生成深度的方法主要包括基于幾何透視的方法(利用透視成像中的幾何約束關(guān)系確定目標(biāo)對象的空間三維姿態(tài)和整個場景的三維深度信息，主要適用于城市建筑物等含有較為規(guī)則形狀物體的場景)；基于幾何光學(xué)的方法(聚焦法/散焦法聚焦法是在焦距可調(diào)情況下，使圖像中的目標(biāo)點(diǎn)精確聚焦，然后根據(jù)透鏡成像原理求得該點(diǎn)相對于相機(jī)的距離，該方法硬件昂貴、不易實(shí)現(xiàn)，精確聚焦定位不準(zhǔn)會帶來誤差；散焦法根據(jù)模糊程度計(jì)算圖像中各點(diǎn)相對于相機(jī)的距離，但如何準(zhǔn)確建立散焦模型是主要難點(diǎn))；近年來隨著機(jī)器學(xué)習(xí)理論的成熟，采用機(jī)器學(xué)習(xí)和貝葉斯推斷方法進(jìn)行單視深度估計(jì)和場景重建的方法顯示出了較大的優(yōu)勢。該類方法利用多種深度線索和圖像特征，通過訓(xùn)練和學(xué)習(xí)的方法得到待測圖像的深度圖。但是這種方法需要采集訓(xùn)練數(shù)據(jù)、建立樣本庫，計(jì)算的性能也有待進(jìn)一步提聞?，F(xiàn)有算法多采用灰度圖進(jìn)行分析，而基于灰度圖的圖像算法不符合人類視覺生理特性；現(xiàn)有算法對圖像中的物體邊緣信息未加以有效利用；針對散焦的深度計(jì)算方法，現(xiàn)有算法多數(shù)采用全圖逐像素運(yùn)算，計(jì)算量較大。針對現(xiàn)有技術(shù)中生成深度圖算法計(jì)算量大的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容
針對相關(guān)技術(shù)中生成深度圖算法計(jì)算量大的問題，目前尚未提出有效的解決方案，為此，本發(fā)明的主要目的在于提供一種獲取深度圖的方法及裝置，以解決上述問題。為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種獲取深度圖的方法，該方法包括將三原色空間圖像轉(zhuǎn)化為YUV圖像；提取YUV圖像中的Y分量圖；對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息；對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣；對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖。進(jìn)一步地，根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖包括根據(jù)閉合邊緣確定Y分量圖中的閉合區(qū)域；從閉合區(qū)域中提取Y分量圖中的目標(biāo)對象信息；將散焦圖像的數(shù)據(jù)加載在目標(biāo)對象信息之上，以獲取深度圖。進(jìn)一步地，在提取YUV圖像中的Y分量圖之后，且在對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息之前，方法還包括采用直方圖均衡法對Y分量圖進(jìn)行圖像增強(qiáng)處理。進(jìn)一步地，對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息的步驟包括利用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息。進(jìn)一步地，在對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣之后，方法還包括對閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。 為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種獲取深度圖的裝置，該裝置包括轉(zhuǎn)換模塊，用于將三原色空間圖像轉(zhuǎn)化為YUV圖像；第一提取模塊，用于提取YUV圖像中的Y分量圖；檢測模塊，對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息；第一處理模塊，用于對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣；分析模塊，用于對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；獲取模塊，用于根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖。進(jìn)一步地，裝置還包括第二處理模塊，用于根據(jù)閉合邊緣確定Y分量圖中的閉合區(qū)域；第二提取模塊，用于從閉合區(qū)域中提取Y分量圖中的目標(biāo)對象信息；加載模塊，用于將散焦圖像的數(shù)據(jù)加載在目標(biāo)對象信息之上，以獲取深度圖進(jìn)一步地，裝置還包括第三處理模塊，用于將Y分量圖進(jìn)行圖像增強(qiáng)，以獲取增強(qiáng)后的Y分量圖。進(jìn)一步地，檢測模塊還包括計(jì)算模塊，用于利用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息。進(jìn)一步地，裝置還包括第四處理模塊，用于對閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。通過本發(fā)明，采用將三原色空間圖像轉(zhuǎn)化為YUV圖像；提取YUV圖像中的Y分量圖；對￥分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息；對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣；對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖，解決了現(xiàn)有技術(shù)中生成深度圖算法計(jì)算量大的問題，進(jìn)而實(shí)現(xiàn)有效降低運(yùn)算量的效果。


此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中圖I是根據(jù)本發(fā)明實(shí)施例的獲取深度圖的方法的流程圖；以及圖2是根據(jù)本發(fā)明實(shí)施例的獲取深度圖的裝置的結(jié)構(gòu)示意圖。
具體實(shí)施例方式需要說明的是，在不沖突的情況下，本申請中的實(shí)施例及實(shí)施例中的特征可以相互組合。下面將參考附圖并結(jié)合實(shí)施例來詳細(xì)說明本發(fā)明。圖I是根據(jù)本發(fā)明實(shí)施例的獲取深度圖的方法的流程圖。如圖I所示，本發(fā)明的獲取深度圖的方法包括如下步驟步驟S102，將三原色空間圖像轉(zhuǎn)化為YUV圖像；步驟S104，提取YUV圖像中的Y分量圖；步驟S106，對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息；步驟S108，對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣； 步驟S110，對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；步驟S112，根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖。 其中，三原色空間圖像即RGB空間圖像。YUV指的是彩色視頻模擬信號的一種表達(dá)方式，其中Y分量是亮度信號，即灰階值，Y分量是符合人類視覺生理特性的。將RGB圖像轉(zhuǎn)化為YUV圖像，提取YUV圖像中的Y分量，將其作為后續(xù)的運(yùn)算數(shù)據(jù)，更符合人眼特性，更方便于紋理分析。在本申請實(shí)現(xiàn)的獲取深度圖的方法實(shí)施例中，通過將RGB圖像轉(zhuǎn)化為YUV圖像，然后提取YUV圖像中的Y分量圖，并在對Y分量圖進(jìn)行邊緣檢測，獲取Y分量圖中的邊緣信息之后，對其進(jìn)行膨脹操作，以獲取閉合邊緣，最后通過對閉合邊緣進(jìn)行散焦分析，來得到散焦圖像的數(shù)據(jù)獲取深度圖，由于僅通過Y分量圖中的邊緣信息來獲取深度圖，解決了現(xiàn)有技術(shù)中對全圖逐像素運(yùn)算，運(yùn)算量較大的問題，進(jìn)而達(dá)到了有效降低運(yùn)算量的效果。本申請上述實(shí)施例中，在根據(jù)散焦圖像的數(shù)據(jù)獲取深度圖之前，方法還可以包括以下步驟根據(jù)閉合邊緣確定Y分量圖中的閉合區(qū)域；從閉合區(qū)域中提取Y分量圖中的目標(biāo)對象信息。然后，將散焦圖像的數(shù)據(jù)加載在目標(biāo)對象信息之上，以獲取深度圖。本申請上述實(shí)施例中，在提取YUV圖像中的Y分量圖之后，且在對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中能夠得到的所有邊緣信息之前，該方法還可以包括采用直方圖均衡法將Y分量圖進(jìn)行圖像增強(qiáng)，以獲取增強(qiáng)后的Y分量圖。對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息可以包括對圖像增強(qiáng)后的Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息。該實(shí)施例通過采用直方圖均衡法將Y分量圖進(jìn)行圖像增強(qiáng)，使得Y分量圖更加的清晰，因而，在后續(xù)的圖像處理過程中，可以從Y分量圖獲取更多、更準(zhǔn)確的有效信息。優(yōu)選地，對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息步驟包括利用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息。由于在對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息之后，獲取的邊緣信息可能會有所缺失，為了解決該問題，該實(shí)施例通過采用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖的邊緣信息來得到相應(yīng)的邊緣區(qū)域，并可以通過設(shè)置閾值來控制提取的邊緣區(qū)域的范圍。具體的，上述實(shí)施例中利用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息的過程可以包括利用canny算法提取未被虛化目標(biāo)對象的邊緣信息(即焦平面目標(biāo)對象及距離焦平面在預(yù)設(shè)范圍內(nèi)的目標(biāo)對象邊緣信息)，因此，在通過設(shè)置閾值來控制提取的邊緣區(qū)域的范圍之后，可以得到更準(zhǔn)確的焦平面目標(biāo)對象信息及離焦平面較近的目標(biāo)對象信息的邊緣信息。本申請上述實(shí)施例中使用的Canny算法是一個多級邊緣檢測算法，考慮梯度的同時也考慮梯度的方向信息，因此采用該算法進(jìn)行邊緣檢測得到邊緣信息會得到更加愛準(zhǔn)確的檢測結(jié)果。優(yōu)選地，在對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣之后，上述實(shí)施例的方法還可以包括對閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。上述實(shí)施例中，采用膨脹操作獲取閉合邊緣，以獲得比較平滑的圖像邊緣。由于經(jīng)過膨脹操作后的圖像中的物像會“變長”或“加粗”，因此，在對Y分量圖中的邊緣信息進(jìn)行膨脹操作時，會獲得邊緣變粗的閉合邊緣。如果僅對膨脹操作處理得到的閉合邊緣進(jìn)行散焦分析，則得到的深度圖在后續(xù)的運(yùn)算過程中存在運(yùn)算復(fù)雜、不準(zhǔn)確的問題，為了解決該問題，該實(shí)施例采用對閉合邊緣進(jìn)行腐蝕操作的處理，以使得閉合邊緣恢復(fù)到進(jìn)行膨脹操作前的大小。圖2是根據(jù)本發(fā)明實(shí)施例的獲取深度圖的裝置的結(jié)構(gòu)示意圖，如圖2所示該裝置 包括轉(zhuǎn)換模塊201，第一提取模塊203，檢測模塊205，第一處理模塊207，分析模塊209和獲取模塊211。具體地，轉(zhuǎn)換模塊201，用于將三原色顏色空間圖像轉(zhuǎn)化為YUV圖像；第一提取模塊203，用于提取YUV圖像中的Y分量圖；檢測模塊205，用于對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息，以獲取Y分量圖中的邊緣信息；第一處理模塊207，用于對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣；分析模塊209，用于對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；獲取模塊211，用于根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖。在本申請實(shí)現(xiàn)的獲取深度圖的裝置實(shí)施例中，通過將RGB圖像轉(zhuǎn)化為YUV圖像，然后提取YUV圖像中的Y分量圖，并在對Y分量圖進(jìn)行邊緣檢測，獲取Y分量圖中的邊緣信息之后，對其進(jìn)行膨脹操作，以獲取閉合邊緣，最后通過對閉合邊緣進(jìn)行散焦分析，來得到散焦圖像的數(shù)據(jù)獲取深度圖，由于僅通過Y分量圖中的邊緣信息來獲取深度圖，從而無需再對邊緣信息之外的圖像像素進(jìn)行運(yùn)算，解決了現(xiàn)有技術(shù)中對全圖逐像素運(yùn)算，運(yùn)算量較大的問題，進(jìn)而達(dá)到了有效降低運(yùn)算量的效果。在本申請的實(shí)施例中，裝置還可以包括第二處理模塊和第三處理模塊。第二處理模塊，用于根據(jù)閉合邊緣確定Y分量圖中的閉合區(qū)域；第二提取模塊，用于從閉合區(qū)域中提取Y分量圖中的目標(biāo)對象信息。優(yōu)選地，本申請實(shí)施例中的獲取模塊可以包括加載模塊，用于將散焦圖像的數(shù)據(jù)加載在目標(biāo)對象信息之上，以獲取深度圖。本申請上述實(shí)施例中，該裝置還可以包括第三處理模塊，用于將Y分量圖進(jìn)行圖像增強(qiáng)，以獲取增強(qiáng)后的Y分量圖。該實(shí)施例通過將Y分量圖進(jìn)行圖像增強(qiáng)，使得Y分量圖對比度更加強(qiáng)烈，因而，在后續(xù)的圖像處理過程中，可以從Y分量圖獲取更多、更準(zhǔn)確的有效信息。優(yōu)選地，圖像增強(qiáng)可以采用直方圖均衡法。優(yōu)選地，檢測模塊還可以包括計(jì)算模塊，用于利用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息。由于在對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息之后，提取出來的邊緣信息可能會有所缺失，為了解決該問題，該實(shí)施例通過采用canny算法對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息來得到相應(yīng)的邊緣區(qū)域，并可以通過設(shè)置閾值來控制提取的邊緣區(qū)域的范圍。本申請的上述實(shí)施例中，該裝置還可以包括第四處理模塊，用于對所述閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。從以上的描述中，可以看出，本發(fā)明實(shí)現(xiàn)了如下技術(shù)效果通過提取YUV圖像中的Y分量圖的邊緣信息，對其進(jìn)行處理后，僅僅對處理后的閉合邊緣進(jìn)行散焦分析，根據(jù)分析數(shù)據(jù)獲取深度圖，有效地降低了運(yùn)算量。本申請利用canny算法獲取邊緣信息的方法，使得后續(xù)執(zhí)行散焦分析得到的結(jié)果更完整，以在深度圖中較好的保留邊緣信息，深度的層次也能通過散焦分析得到較好的反映。顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用 的計(jì)算裝置來實(shí)現(xiàn)，它們可以集中在單個的計(jì)算裝置上，或者分布在多個計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來實(shí)現(xiàn)，從而，可以將它們存儲在存儲裝置中由計(jì)算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實(shí)現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種獲取深度圖的方法，其特征在于，包括 將三原色空間圖像轉(zhuǎn)化為YUV圖像； 提取所述YUV圖像中的Y分量圖； 對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息； 對所述邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣； 對所述閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)； 根據(jù)所述散焦圖像的數(shù)據(jù)來獲取深度圖。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，根據(jù)所述散焦圖像的數(shù)據(jù)來獲取深度圖包括 根據(jù)所述閉合邊緣確定所述Y分量圖中的閉合區(qū)域； 從所述閉合區(qū)域中提取所述Y分量圖中的目標(biāo)對象信息； 將所述散焦圖像的數(shù)據(jù)加載在所述目標(biāo)對象信息之上，以獲取所述深度圖。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在提取所述YUV圖像中的Y分量圖之后，且在對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息之前，所述方法還包括 采用直方圖均衡法對所述Y分量圖進(jìn)行圖像增強(qiáng)處理。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息的步驟包括 利用canny算法對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，在對所述邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣之后，所述方法還包括 對所述閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。
6.一種獲取深度圖的裝置，其特征在于，包括 轉(zhuǎn)換模塊，用于將三原色空間圖像轉(zhuǎn)化為YUV圖像； 第一提取模塊，用于提取所述YUV圖像中的Y分量圖； 檢測模塊，對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息； 第一處理模塊，用于對所述邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣； 分析模塊，用于對所述閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)； 獲取模塊，用于根據(jù)所述散焦圖像的數(shù)據(jù)來獲取深度圖。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括 第二處理模塊，用于根據(jù)所述閉合邊緣確定所述Y分量圖中的閉合區(qū)域； 第二提取模塊，用于從所述閉合區(qū)域中提取所述Y分量圖中的目標(biāo)對象信息； 加載模塊，用于將所述散焦圖像的數(shù)據(jù)加載在所述目標(biāo)對象信息之上，以獲取所述深度圖。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括 第三處理模塊，用于將所述Y分量圖進(jìn)行圖像增強(qiáng)，以獲取增強(qiáng)后的Y分量圖。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述檢測模塊還包括 計(jì)算模塊，用于利用canny算法對所述Y分量圖進(jìn)行邊緣檢測，以獲取所述Y分量圖中的邊緣信息。
10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括第四處理模塊，用于對所述閉合邊緣進(jìn)行腐蝕操作，以獲取恢復(fù)邊緣。
全文摘要
本發(fā)明公開了一種獲取深度圖的方法及裝置。其中，該方法包括將三原色空間圖像轉(zhuǎn)化為YUV圖像；提取YUV圖像中的Y分量圖；對Y分量圖進(jìn)行邊緣檢測，以獲取Y分量圖中的邊緣信息；對邊緣信息進(jìn)行膨脹操作，獲取閉合邊緣；對閉合邊緣進(jìn)行散焦分析，以獲取散焦圖像的數(shù)據(jù)；根據(jù)散焦圖像的數(shù)據(jù)來獲取深度圖。通過本發(fā)明，能夠解決現(xiàn)有技術(shù)中生成深度圖算法計(jì)算量大的問題，有效降低運(yùn)算量。
文檔編號G06T5/30GK102708570SQ20121015446
公開日2012年10月3日 申請日期2012年5月17日 優(yōu)先權(quán)日2012年5月17日
發(fā)明者姬鑫宇, 楊鈾, 石坤 申請人:北京數(shù)碼視訊科技股份有限公司