一種基于MapReduce模型的立體圖像合成方法
【專利摘要】本發(fā)明涉及一種基于MapReduce模型的立體圖像合成方法，包括如下步驟：(1)原始圖像對(duì)數(shù)據(jù)準(zhǔn)備(2)計(jì)算平均水平像素差；(3)map過(guò)程；(4)reduce過(guò)程；將(3)中的平均信息圖像和(1)中的原始圖像對(duì)一起作為輸入，通過(guò)像素列的交疊實(shí)現(xiàn)立體圖像的合成，同時(shí)，以平均水平像素差作為交疊的基準(zhǔn)，調(diào)整立體圖像的合成效果；(5)邊緣銳化。本發(fā)明具有高效和實(shí)用性的優(yōu)點(diǎn)。
【專利說(shuō)明】
一種基于MapReduce模型的立體圖像合成方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種立體圖像合成方法。
【背景技術(shù)】
[0002]立體顯示技術(shù)是繼第一代的黑白顯示技術(shù)和第二代的彩色顯示技術(shù)后的第三代多媒體顯示技術(shù)，能夠?yàn)槭褂谜邘?lái)極大的視覺(jué)享受。立體圖像合成是指通過(guò)計(jì)算機(jī)的圖像處理算法對(duì)二維圖像進(jìn)行處理，獲得具有立體視覺(jué)圖像的過(guò)程。目前立體圖像合成已經(jīng)成為了當(dāng)今計(jì)算機(jī)研究領(lǐng)域的一個(gè)研究熱點(diǎn)。
[0003]云計(jì)算是一種新興的計(jì)算模式，它通過(guò)分布式、并行化、模塊化的方式提供數(shù)倍乃至數(shù)十倍的計(jì)算性能，可以用于解決單機(jī)模式圖像處理的瓶頸問(wèn)題。Hadoop是由Googl e的三篇分布式計(jì)算論文衍生出的開(kāi)源分布式系統(tǒng)架構(gòu)。它是當(dāng)前最流行的大數(shù)據(jù)技術(shù)框架，借助開(kāi)源的模式，吸引眾多廠商和開(kāi)發(fā)者參與其中，使其生態(tài)圈迅速成熟。Hadoop系統(tǒng)框架由HDFS(Hadoc)P分布式文件系統(tǒng))和MapReduce(并行計(jì)算模型)兩部分構(gòu)成。其中，HDFS為大數(shù)據(jù)量的文件并發(fā)存儲(chǔ)提供可能，能提供高吞吐量的數(shù)據(jù)訪問(wèn)性能，同時(shí)具有高可靠性和穩(wěn)定的容錯(cuò)功能;MapReduce是一種編程模型，具有函數(shù)式編程與矢量編程的特性，把海量數(shù)據(jù)的處理過(guò)程并行化、簡(jiǎn)單化，極大地方便了不擅長(zhǎng)分布式編程人員的數(shù)據(jù)處理工作。Hadoop框架已經(jīng)在大數(shù)據(jù)處理領(lǐng)域得到廣泛應(yīng)用。
[0004]隨著互聯(lián)網(wǎng)與智能設(shè)備的發(fā)展，多媒體信息進(jìn)入一個(gè)爆炸性增長(zhǎng)的時(shí)代。而圖像作為多媒體信息的重要形式，更成為計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn)。而過(guò)去的研究往往局限于小數(shù)據(jù)量的圖像處理，但隨著圖像數(shù)據(jù)量的不斷增長(zhǎng)，單機(jī)模式下小數(shù)據(jù)量的圖像處理已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足要求。海量圖像的處理過(guò)程必定是一個(gè)耗時(shí)的過(guò)程，怎樣提高處理速度，實(shí)現(xiàn)處理效率的優(yōu)化便成為當(dāng)務(wù)之急。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種基于MapReduce模型的立體圖像合成方法。本發(fā)明通過(guò)將Hadoop框架應(yīng)用于立體圖像合成領(lǐng)域，提供一種高效、實(shí)用的立體圖像合成方法。本發(fā)明的技術(shù)方案如下:
[0006]一種基于MapReduce模型的立體圖像合成方法，包括如下步驟:
[0007](I)原始圖像對(duì)數(shù)據(jù)準(zhǔn)備
[0008]將由雙視點(diǎn)攝像頭進(jìn)行采集的，包含立體景深信息的原始圖像對(duì);存儲(chǔ)在Hadoop平臺(tái)上的HDFS分布式文件系統(tǒng)中，方便MapReduce框架并行化讀?。?br>[0009](2)計(jì)算平均水平像素差
[0010]通過(guò)SAD算法對(duì)原始圖像對(duì)進(jìn)行匹配，進(jìn)而獲得平均水平像素差，方法如下:以左視圖的源匹配點(diǎn)為中心，構(gòu)造一個(gè)大小為(2N+1)*(2N+1)的窗口統(tǒng)計(jì)其灰度值的和，然后在右視圖中以d為位移矢量在水平方向上移動(dòng)同樣大小的窗口并統(tǒng)計(jì)灰度值的和，當(dāng)灰度值的和最小時(shí)，當(dāng)前的位移矢量d即為水平像素差;對(duì)整個(gè)原始圖像對(duì)的所有像素點(diǎn)使用上面的方法，獲得水平像素差矩陣，在整個(gè)水平像素差矩陣上進(jìn)行平均取值，獲得平均水平像素差;
[0011 ] (3)map 過(guò)程
[0012]對(duì)于原始圖像對(duì)，通過(guò)MapReduce框架的map過(guò)程，將左右圖像對(duì)進(jìn)行相加除2，可以獲得平均信息圖像；
[0013](4)reduce 過(guò)程
[0014]將(3)中的平均信息圖像和(I)中的原始圖像對(duì)一起作為輸入，通過(guò)像素列的交疊實(shí)現(xiàn)立體圖像的合成，同時(shí)，以平均水平像素差作為交疊的基準(zhǔn)，調(diào)整立體圖像的合成效果;
[0015](5)邊緣銳化
[0016]對(duì)于經(jīng)過(guò)(4)處理后輸出的合成圖像，進(jìn)行銳化處理，輸出銳化后的立體圖像。
[0017]本發(fā)明的有益效果如下:
[0018]1.本發(fā)明提供的基于MapReduce模型合成立體圖像的算法，能夠利用MapReduce框架，實(shí)現(xiàn)對(duì)立體圖像合成的分布式計(jì)算，提高處理速度和效率。
[0019]2.本發(fā)明可以根據(jù)計(jì)算出來(lái)的水平像素差調(diào)整增量，方便的調(diào)整立體圖像的顯示效果，具有自我優(yōu)化能力。
[0020]3.本發(fā)明可擴(kuò)展性強(qiáng)，可以應(yīng)用于立體視頻合成領(lǐng)域，非常方便進(jìn)行并行化處理。
【附圖說(shuō)明】
[0021]圖1方案框圖。
[0022]圖2邊緣銳化。
【具體實(shí)施方式】
[0023]本發(fā)明提出的方法的基本思想是:本發(fā)明使用專門(mén)用于大數(shù)據(jù)處理的Hadoop平臺(tái)來(lái)進(jìn)行圖像處理過(guò)程。利用MapReduce模型進(jìn)行分布式編程，將平均信息圖合成算法與Map和Reduce過(guò)程相結(jié)合，并行化計(jì)算獲得立體圖像。為了優(yōu)化立體圖像的顯示效果，加入水平像素差自適應(yīng)調(diào)節(jié)，在立體圖像合成的過(guò)程中不斷反饋參數(shù)優(yōu)化立體合成過(guò)程。在最終輸出前，進(jìn)行邊緣銳化，解決平均信息圖算法引入邊緣模糊的問(wèn)題。方案整體示意圖如圖1，具體步驟如下:
[0024]I原始圖像對(duì)數(shù)據(jù)準(zhǔn)備
[0025]由雙視點(diǎn)攝像頭進(jìn)行采集的，獲得大量包含立體景深信息的圖像對(duì)。將圖像對(duì)數(shù)據(jù)存儲(chǔ)在Hadoop平臺(tái)上的HDFS分布式文件系統(tǒng)中，方便MapReduce框架并行化讀取，同時(shí)可以簡(jiǎn)化輸入過(guò)程，同時(shí)具有較高的安全性。
[0026]2計(jì)算平均水平像素差
[0027]對(duì)原始圖像對(duì)，我們可以通過(guò)SAD算法對(duì)左右圖像對(duì)進(jìn)行匹配，進(jìn)而獲得平均水平像素差。具體方法如下:以左視圖的源匹配點(diǎn)為中心，構(gòu)造一個(gè)大小為(2N+1 )*(2N+1)的窗口統(tǒng)計(jì)其灰度值的和，然后在右視圖中以d為位移矢量在水平方向上移動(dòng)同樣大小的窗口并統(tǒng)計(jì)灰度值的和。當(dāng)灰度值和最小時(shí)，當(dāng)前的位移矢量d即為水平像素差。對(duì)整個(gè)圖片的所有像素點(diǎn)使用上面的方法，可以獲得水平像素差矩陣。在整個(gè)像素差矩陣上進(jìn)行平均取值，就可以獲得平均水平像素差。
[0028]3 map過(guò)程
[0029]對(duì)原始圖像對(duì)，將左右圖像對(duì)進(jìn)行相加除2，可以獲得平均信息圖像。平均信息圖像中包含了更多的差異信息，更少的相同信息，可以增加合成圖像立體顯示效果。將這一過(guò)程通過(guò)MapReduce框架的map過(guò)程進(jìn)行實(shí)現(xiàn)，可以提高算法的運(yùn)行效率，同一時(shí)間可以處理更多的圖片。
[0030]4 reduce過(guò)程
[0031]在reduce過(guò)程中，將3中的平均信息圖像和I中的左右圖像對(duì)一起作為輸入，通過(guò)像素列的交疊實(shí)現(xiàn)立體圖像的合成。同時(shí)，以5.2中的平均水平像素差作為交疊的基準(zhǔn)，調(diào)整立體圖像的合成效果。
[0032]5邊緣銳化
[0033]對(duì)于4輸出的合成立體圖像，通過(guò)圖像銳化的方法解決邊緣模糊的問(wèn)題。輸入立體圖像，用sobel算子計(jì)算獲取圖像邊緣，將立體圖像與邊緣進(jìn)行加和，輸出銳化后的立體圖像。具體過(guò)程的示意圖如圖2。
[0034]本發(fā)明適用于多媒體領(lǐng)域的立體媒體資源生產(chǎn)業(yè)務(wù)。傳統(tǒng)的基于單機(jī)模式的立體圖像合成系統(tǒng)已經(jīng)無(wú)法應(yīng)對(duì)大數(shù)據(jù)時(shí)代海量圖像的處理和合成任務(wù)。本發(fā)明使用MapReduce模型解決大規(guī)模圖像的并行計(jì)算問(wèn)題，來(lái)縮減圖像合成系統(tǒng)的后臺(tái)計(jì)算時(shí)間，主要利用到了Hadoop的大數(shù)據(jù)讀取特性和MapReduce的并行計(jì)算的能力。
【主權(quán)項(xiàng)】
1.一種基于MapReduce模型的立體圖像合成方法，包括如下步驟: (1)原始圖像對(duì)數(shù)據(jù)準(zhǔn)備 將由雙視點(diǎn)攝像頭進(jìn)行采集的，包含立體景深信息的原始圖像對(duì);存儲(chǔ)在Hadoop平臺(tái)上的HDFS分布式文件系統(tǒng)中，方便MapReduce框架并行化讀??； (2)計(jì)算平均水平像素差 通過(guò)SAD算法對(duì)原始圖像對(duì)進(jìn)行匹配，進(jìn)而獲得平均水平像素差，方法如下:以左視圖的源匹配點(diǎn)為中心，構(gòu)造一個(gè)大小為(2N+1)*(2N+1)的窗口統(tǒng)計(jì)其灰度值的和，然后在右視圖中以d為位移矢量在水平方向上移動(dòng)同樣大小的窗口并統(tǒng)計(jì)灰度值的和，當(dāng)灰度值的和最小時(shí)，當(dāng)前的位移矢量d即為水平像素差;對(duì)整個(gè)原始圖像對(duì)的所有像素點(diǎn)使用上面的方法，獲得水平像素差矩陣，在整個(gè)水平像素差矩陣上進(jìn)行平均取值，獲得平均水平像素差； (3)map過(guò)程 對(duì)于原始圖像對(duì)，通過(guò)MapRe due e框架的map過(guò)程，將左右圖像對(duì)進(jìn)行相加除2，可以獲得平均信息圖像； (4)reduce過(guò)程 將(3)中的平均信息圖像和(I)中的原始圖像對(duì)一起作為輸入，通過(guò)像素列的交疊實(shí)現(xiàn)立體圖像的合成，同時(shí)，以平均水平像素差作為交疊的基準(zhǔn)，調(diào)整立體圖像的合成效果； (5)邊緣銳化 對(duì)于經(jīng)過(guò)(4)處理后輸出的合成圖像，進(jìn)行銳化處理，輸出銳化后的立體圖像。
【文檔編號(hào)】G06T5/50GK106097289SQ201610377079
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年5月30日
【發(fā)明人】侯春萍, 王李坤, 王寶亮, 常鵬
【申請(qǐng)人】天津大學(xué)