一种高速低资源消耗的视差优化方法、装置及终端

1.本发明涉及图像处理技术领域，特别涉及一种高速低资源消耗的视差优化方法、装置及终端。


背景技术：

2.双目视觉是根据仿生学模仿人的双眼获取视差，进而转成深度距离信息的技术，被广泛应用于无人驾驶，三维人脸识别，同步定位与建图等领域。目前主流的双目视觉算法是半全局立体匹配算法(sgm)，而大多数面向硬件平台的sgm，采用许多复杂的后处理算法进行视差优化，虽然可在一定程度上提高算法处理的精度，但将导致计算量极高并增加资源消耗，影响计算速度。
3.因此，现有技术还有待改进和提高。


技术实现要素：

4.针对现有技术的上述缺陷，本发明提供一种高速低资源消耗的视差优化方法、装置及终端，旨在解决现有技术中采用复杂的后处理算法进行视差优化导致资源消耗高的问题。
5.为了解决上述技术问题，本发明所采用的技术方案如下：
6.本发明的第一方面，提供一种高速低资源消耗的视差优化方法，所述方法包括：
7.获取初始视差图，其中，所述初始视差图是根据第一图像和第二图像采用预设视差算法得到的；
8.在所述第一图像和所述第二图像中选择与所述预设视差算法中的基准图对应的彩色图像作为目标图像，对所述目标图像进行压缩，得到引导图，所述引导图中每一个像素点的像素值都是二值的；
9.根据所述引导图对所述初始视差图进行优化，得到目标视差图。
10.所述的高速低资源消耗的视差优化方法，其中，所述对所述目标图像进行压缩，得到引导图，包括：
11.将所述目标图像的每个通道划分为多个第一区域，每个所述第一区域的大小为n*n，n为正的奇数；
12.根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图。
13.所述的高速低资源消耗的视差优化方法，其中，所述根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图，包括：
14.根据每个所述第一区域内的最大像素值和最小像素值的平均值对每个所述第一区域内的像素值进行二值化，得到所述引导图。
15.所述的高速低资源消耗的视差优化方法，其中，所述根据所述引导图对所述初始视差图进行优化，得到目标视差图，包括：
16.将所述初始视差图划分为多个第二区域，每个所述第二区域的大小为m*m，m为正整数，且m＝2*n-1；
17.根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所述第二区域内每个视差值对应的二值阵列；
18.根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值；
19.根据所述第二区域对应的每个所述二值阵列对应的权值对所述第二区域内的视差值进行加权中值滤波，更新所述第二区域中心的视差值，得到所述目标视差图。
20.所述的高速低资源消耗的视差优化方法，其中，所述根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所述第二区域内每个视差值对应的二值阵列，包括：
21.将所述第二区域内的每个视差值与所述第二区域内的每个视差值进行比较，若相等，则输出第一值，若不相等，则输出第二值，得到所述第二区域内的每个视差值分别对应的大小为m*m的所述二值阵列。
22.所述的高速低资源消耗的视差优化方法，其中，所述根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
23.根据所述引导图采用第一预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
24.所述第一预设公式为：
[0025][0026]
其中，ε为正则因子，u为单位矩阵，p
m,k,i
表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的均值，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的均值，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量。
[0027]
所述的高速低资源消耗的视差优化方法，其中，所述根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
[0028]
根据所述引导图采用第二预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
[0029]
所述第二预设公式为：
[0030][0031]
其中，ε为正则因子，p
m,k,i
表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的和，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的和，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量，和分别表示对和求和。
[0032]
本发明的第二方面，提供一种高速低资源消耗的视差优化装置，包括：
[0033]
初始视差获取模块，所述初始视差获取模块用于获取初始视差图，其中，所述初始视差图是根据第一图像和第二图像采用预设视差算法得到的；
[0034]
彩色图像压缩模块，所述彩色图像压缩模块用于在所述第一图像和所述第二图像中选择与所述预设视差算法中的基准图对应的彩色图像作为目标图像，对所述目标图像进行压缩，得到引导图，所述引导图中每一个像素点的像素值都是二值的；
[0035]
目标优化模块，所述目标优化模块用于根据所述引导图对所述初始视差图进行优化，得到目标视差图。
[0036]
本发明的第三方面，提供一种终端，所述终端包括处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述任一项所述的高速低资源消耗的视差优化方法的步骤。
[0037]
本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的高速低资源消耗的视差优化方法的步骤。
[0038]
与现有技术相比，本发明提供了一种高速低资源消耗的视差优化方法、装置及终端，本发明提供的高速低资源消耗的视差优化方法，在计算第一图像和第二图像的视差时，选择与所述预设视差算法中的基准图对应的彩色图像，将该彩色图像的rgb通道的数据进行压缩后缓存，在根据第一图像和第二图像计算得到初始视差图之后，对压缩后的彩色图像作为引导图对初始视差图进行优化，可以实现视差优化，而彩色图像的数据是经过压缩后缓存的，不需要占用大量的逻辑存储资源，能够实现高速低消耗的视差优化。
附图说明
[0039]
图1为本发明提供的高速低资源消耗的视差优化方法的实施例的流程图；
[0040]
图2为本发明提供的高速低资源消耗的视差优化方法的实施例的总体框架示意
图；
[0041]
图3为本发明提供的高速低资源消耗的视差优化方法的实施例中对目标图像进行压缩的过程示意图；
[0042]
图4为本发明提供的高速低资源消耗的视差优化方法的实施例中根据引导图对初始视差图进行优化，得到目标视差图的过程示意图；
[0043]
图5为本发明提供的高速低资源消耗的视差优化方法的实施例中得到二值阵列的过程示意图；
[0044]
图6为本发明提供的高速低资源消耗的视差优化装置的实施例的结构原理图；
[0045]
图7为本发明提供的终端的实施例的原理示意图。
具体实施方式
[0046]
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0047]
本发明提供的高速低资源消耗的视差优化方法，可以应用于具有计算能力的终端中，终端可以执行本发明提供的高速低资源消耗的视差优化方法计算得到第一图像和第二图像的视差，终端可以但不限于是各种计算机、移动终端、智能家电、可穿戴式设备等。
[0048]
实施例一
[0049]
如图1所示，所述高速低资源消耗的视差优化方法的一个实施例中，包括步骤：
[0050]
s100、获取初始视差图，其中，所述初始视差图是根据第一图像和第二图像采用预设视差算法得到的。
[0051]
如图2所示，为了提升视差计算的速度，所述第一图像和所述第二图像为灰度图像，根据所述第一图像和所述第二图像采用预设视差算法可以计算得到所述第一图像和所述第二图像的视差，生成所述初始视差图，所述初始视差图的尺寸和所述第一图像和所述第二图像的尺寸相同，所述初始视差图中每一个像素点的像素值即为所述第一图像和所述第二图像中对应像素点之间的视差值。
[0052]
s200、在所述第一图像和所述第二图像中选择与所述预设视差算法中的基准图对应的彩色图像作为目标图像，对所述目标图像进行压缩，得到引导图，所述引导图中每一个像素点的像素值都是二值的。
[0053]
在本实施例中，选择所述预设视差算法中的基准图对应的彩色图像作为所述目标图像，具体地，在视差算法中，会选定一幅图像作为计算视差的基准图像，基准图像可以是所述第一图像和所述第二图像中的任意一幅，彩色图像是rgb图像，即具有r、g、b三个通道，每个像素点在每个通道上有一个像素值，分别为r值、g值和b值，如图2所示，为了降低逻辑运算和存储消耗，在本实施例中，对所述目标图像进行压缩，得到引导图后缓存，具体地，所述对所述目标图像进行压缩，得到引导图，包括：
[0054]
s210、将所述目标图像的每个通道划分为多个第一区域，每个所述第一区域的大小为n*n，n为正的奇数；
[0055]
s220、根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图。
[0056]
正如前文所说明的，所述目标图像都具有三个通道，每个像素点在每个通道上有一个像素值，所述目标图像的每个通道都可以看做是一张图，对所述目标图像的每个通道，都划分为多个相邻的大小为n*n的第一区域，也就是说，每个所述第一区域内包括n*n个像素点，n的数量可以根据实际情况(例如硬件资源、计算精度等，n越小，占用的逻辑计算资源越大，n越大，计算精度会降低)进行设置，例如，n可以设置为3、5等。由于在本实施例提供的方法中，所述目标图像最终只是用于引导提供边缘信息，在图像变化不大的区域内讲素质几乎一致，区域内的方差和协方差变化较小或一致，而在边缘处才会有较大的变化，因此，不需要精细的rgb像素值，可以通过根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图用于对所述初始视差图进行优化。
[0057]
所述根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图，包括：
[0058]
根据每个所述第一区域内的最大像素值和最小像素值的平均值对每个所述第一区域内的像素值进行二值化，得到所述引导图。
[0059]
具体地，对于每个所述第一区域，可以获取所述第一区域内的像素值的最大值和最小值，根据二者的平均值对所述第一区域内的像素值进行二值化。在本实施例中，如图3所示，通过将所述第一区域内的像素值的最大值和最小值相加后除2(向右移一位)得到压缩阈值，然后将该区域内的n*n个像素值与压缩阈值进行比较，大于等于的输出1，反之输出0，这样，可以将16比特或24比特的rgb数据压缩成3比特进行缓存，极大地减少了存储消耗。
[0060]
首先对所述目标图像三个通道的像素值进行缓存，再进行处理得到所述引导图。在硬件实现上，对于所述目标图像缓存，是对rgb三个通道的每个通道的缓存都使用两行行缓存单元，每行行缓存均有同一深度fifo(先进先出模块)构成，其深度取决于输入图像的列数，实现将左右图像从左往右输出以缓存图像的两行像素值。对于生成所述引导图，是通过排序找出每个通道的n*n大小的第一区域内像素值的最大值和最小值，通过移位的方式找出该第一区域内像素范围的分界值(即前文中的压缩阈值)，随后将第一区域内每个像素值与分界值进行比较，大于等于的输出1，小于的输出0，随后对下一个第一区域进行同样的操作。
[0061]
不难看出，通过步骤s200的操作，对于所述目标图像的每个像素点在每个通道的像素值都会被处理成01二值的，这样就生成了每个像素点的像素值均为0或1的一张新图，记为引导图。
[0062]
请再次参阅图1，本实施例提供的高速低资源消耗的视差优化方法，在生成所述引导图之后，还包括步骤：
[0063]
s300、根据所述引导图对所述初始视差图进行优化，得到目标视差图。
[0064]
如图4所示，在得到所述引导图和所述初始视差图之后，首先对所述初始视差图进行处理，得到多个二值阵列，再根据所述引导图计算每个阵列的权重，最终根据每个二值阵列的权重和初始视差图进行加权中值滤波计算，得到目标视差图。具体地，所述根据所述引导图对所述初始视差图进行优化，得到目标视差图，包括步骤：
[0065]
s310、将所述初始视差图划分为多个第二区域，每个所述第二区域的大小为m*m，m为正整数，且m＝2*n-1。
[0066]
s320、根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所
述第二区域内每个视差值对应的二值阵列。
[0067]
所述初始视差图中的每个像素点的像素值为视差值，将所述初始视差图划分为相邻的多个所述第二区域，每个所述第二区域的大小为m*m，也就是说，每个所述第二区域内有m*m个视差值，m＝2*n-1，m的值可以选取5、9等。
[0068]
每个所述第二区域内的每个视差值对应生成一个所述的二值阵列，具体地，所述根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所述第二区域内每个视差值对应的二值阵列，包括：
[0069]
将所述第二区域内的每个视差值与所述第二区域内的每个视差值进行比较，若相等，则输出第一值，若不相等，则输出第二值，得到所述第二区域内的每个视差值分别对应的大小为m*m的所述二值阵列。
[0070]
对于所述第二区域中的每个视差值，将其与所述第二区域内的每个视差值进行比较，若相等，则输出第一值，如1，反之则输出第二值，如0，这样，对于所述第二区域中的每个视差值，都会生成一个由1和0组成的二值阵列，也就是说，对于每个所述第二区域，都会生成m*m个所述二值阵列。
[0071]
如图5所示，具体地，在硬件实现上，生成所述二值阵列可以是通过一个选择阵列模块实现，以n＝3，m＝5为例，用pab表示一个所述第二区域中第a行第b列个视差值，在每个选择阵列中都存在一个使能信号sel，首先将p00-p44分别设置有25个选择阵列的sel，随后同时与p00-p44这25个视差值进行比较，相等则控制对应的选择器(mux)输出1，反之输出0。
[0072]
s330、根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值。
[0073]
在传统的引导滤波公式中有大量的矩阵运算和除法运算，其中包括复杂的求逆过程，而在本实施例提供的方法中，由于第rgb三通道的图像数据进行了压缩，每个通道的数据都是0和1，因此，协方差矩阵的影响可以忽略不计。因此，在本实施例的一种可能的实现方式中，所述根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
[0074]
根据所述引导图采用第一预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
[0075]
所述第一预设公式为：
[0076][0077]
其中，ε为正则因子，u为单位矩阵，p
m,k,i
表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的均值，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的均值，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量。
[0078]
从前文中对所述第一预设公式中各项的解释不难看出，对于每个所述第二区域中，有m*m个所述二值阵列，每个所述二值阵列的大小为m*m，那么每个所述二值阵列可以划分为n*n个大小为n*n的区域，每个区域中包括n*n个数据。因此，对于取值范围为1到m*m的任一个m，k的取值范围为1到n*n，也就是说，每个所述二值阵列可以计算得到n*n个a
m,
k和n*n个b
m,k
，对所有的a
m,k
求均值后再与所述引导图中与所述第二区域对应的区域内的中心像素值相乘，再与所有的b
m,k
的均值相加，可以得到所述第二区域中第m个视差值对应的所述二值阵列的权值经过验证，采用所述第一预设公式进行计算与传统的引导滤波算法计算精度几乎一致，因此本实施例提供的方法在算法层面成功在确保精度的前提下大幅减少了运算。
[0079]
进一步地，在本实施例中，每个所述二值阵列的权值最终是为了后续进行加权中值滤波，若使用所述第一预设公式计算权值，在硬件层面会需要大量的定点数除法器，这会严重影响精度，因此，在另一种可能的实现方式中，采用扩大相同倍数的方式避免了除法的运算，即，根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
[0080]
根据所述引导图采用第二预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
[0081]
所述第二预设公式为：
[0082][0083]
其中，ε为正则因子，p
m,
k,i表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的和，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的和，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量，和分别表示对和求和。
[0084]
s340、根据所述第二区域对应的每个所述二值阵列对应的权值对所述第二区域内进行加权中值滤波，更新所述第二区域中心的视差值，得到所述目标视差图。
[0085]
具体地，根据所述第二区域对应的每个所述二值阵列对应的权值对所述第二区域内的视差值进行加权中值滤波，更新所述第二区域中心的视差值，是首先对于所述目标区域内中同样的视差值，只保留其中一个的权值，随后按照权值大小对所述目标区域内的n*n个权值进行排序，最后将中值的那个权值对应的视差值作为目标视差值，将所述目标区域中心点的视差值更新为所述目标视差值。也就是说，对于每个所述第二区域，会更新该第二区域中大小为n*n的区域的中心点的视差值。
[0086]
在硬件实现上，对于视差和rgb压缩数据，各由四个行缓存模块进行数据的区域缓
存操作，且是同步进行，缓存后的计算由两级流水线构成，第一集计算由视差区域内的n*n个像素点和引导图作为输入的权值，第二级首先将目标区域内相同的视差值找出，只保留相同的视差值中的一个，其余赋为0，然后对权值进行排序找出中值对应的视差值作为输出。
[0087]
综上所述，本实施例提供一种高速低资源消耗的视差优化方法，在计算第一图像和第二图像的视差时，选择与所述预设视差算法中的基准图对应的彩色图像，将该彩色图像的rgb通道的数据进行压缩后缓存，在根据第一图像和第二图像计算得到初始视差图之后，对压缩后的彩色图像作为引导图对初始视差图进行优化，可以实现视差优化，而彩色图像的数据是经过压缩后缓存的，不需要占用大量的逻辑存储资源，能够实现高速低消耗的视差优化。
[0088]
应该理解的是，虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0089]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0090]
实施例二
[0091]
基于上述实施例，本发明还相应提供了一种高速低资源消耗的视差优化装置，如图6所示，所述高速低资源消耗的视差优化装置包括：
[0092]
初始视差获取模块，所述初始视差获取模块用于获取初始视差图，其中，所述初始视差图是根据第一图像和第二图像采用预设视差算法得到的，具体如实施例一中所述；
[0093]
彩色图像压缩模块，所述彩色图像压缩模块用于在所述第一图像和所述第二图像中选择一幅图像对应的彩色图像作为目标图像，对所述目标图像进行压缩，得到引导图，所述引导图中每一个像素点的像素值都是二值的，具体如实施例一中所述；
[0094]
目标优化模块，所述目标优化模块用于根据所述引导图对所述初始视差图进行优化，得到目标视差图，具体如实施例一中所述。
[0095]
实施例三
[0096]
基于上述实施例，本发明还相应提供了一种终端，如图7所示，所述终端包括处理器10以及存储器20。图7仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0097]
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有高速低资源消耗的视差优化程序30，该高速低资源消耗的视差优化程序30可被处理器10所执行，从而实现本技术中高速低资源消耗的视差优化方法。
[0098]
所述处理器10在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述高速低资源消耗的视差优化方法等。
[0099]
在一实施例中，当处理器10执行所述存储器20中高速低资源消耗的视差优化程序30时实现以下步骤：
[0100]
获取初始视差图，其中，所述初始视差图是根据第一图像和第二图像采用预设视差算法得到的；
[0101]
在所述第一图像和所述第二图像中选择与所述预设视差算法中的基准图的彩色图像作为目标图像，对所述目标图像进行压缩，得到引导图，所述引导图中每一个像素点的像素值都是二值的；
[0102]
根据所述引导图对所述初始视差图进行优化，得到目标视差图。
[0103]
其中，所述对所述目标图像进行压缩，得到引导图，包括：
[0104]
将所述目标图像的每个通道划分为多个第一区域，每个所述第一区域的大小为n*n，n为正的奇数；
[0105]
根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图。
[0106]
其中，所述根据每个所述第一区域内的像素值范围，将每个所述第一区域内的像素值二值化，得到所述引导图，包括：
[0107]
根据每个所述第一区域内的最大像素值和最小像素值的平均值对每个所述第一区域内的像素值进行二值化，得到所述引导图
[0108]
其中，所述根据所述引导图对所述初始视差图进行优化，得到目标视差图，包括：
[0109]
将所述初始视差图划分为多个第二区域，每个所述第二区域的大小为m*m，m为正整数，且m＝2*n-1；
[0110]
根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所述第二区域内每个视差值对应的二值阵列；
[0111]
根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值；
[0112]
根据所述第二区域对应的每个所述二值阵列对应的权值对所述第二区域内的视差值进行加权中值滤波，更新所述第二区域中心的视差值，得到所述目标视差图。
[0113]
其中，所述根据所述第二区域内的每个视差值与所述第二区域内的其他视差值输出所述第二区域内每个视差值对应的二值阵列，包括：
[0114]
将所述第二区域内的每个视差值与所述第二区域内的每个视差值进行比较，若相等，则输出第一值，若不相等，则输出第二值，得到所述第二区域内的每个视差值分别对应的大小为m*m的所述二值阵列。
[0115]
其中，所述根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
[0116]
根据所述引导图采用第一预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
[0117]
所述第一预设公式为：
[0118][0119]
其中，ε为正则因子，u为单位矩阵，p
m,k,i
表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的均值，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的均值，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量。
[0120]
其中，所述根据所述引导图和所述初始视差图获取每个所述二值阵列对应的权值，包括：
[0121]
根据所述引导图采用第二预设公式对所述初始视差图进行引导滤波，获取每个所述第二区域内的每个所述二值阵列对应的权值；
[0122]
所述第二预设公式为：
[0123][0124]
其中，ε为正则因子，p
m,k,i
表示所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的第i个数据，i
k,i
表示所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的第i个像素点在三个通道的像素值组成的向量，为所述引导图中与所述第二区域对应的区域内第k个大小为n*n的区域内的所有像素值的和，为所述第二区域的第m个所述二值阵列中第k个大小为n*n的区域内的所有数据的和，qm为所述第二区域内的第m个视差值对应的所述二值阵列的权值，ic表示所述引导图中与所述第二
区域对应的大小为m*m的区域内的中心像素点在三个通道的像素值组成的向量，和分别表示对和求和。
[0125]
实施例四
[0126]
本发明还提供一种计算机可读存储介质，其中，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的高速低资源消耗的视差优化方法的步骤。
[0127]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。