一种图像景深渲染方法、系统及终端与流程

本发明涉及计算机视觉和计算机图形学技术领域，特别涉及一种图像景深渲染方法、系统及终端。

背景技术：

景深(depthoffiled，dof)是摄影学和光学成像领域中的一个重要的概念。景深是指在摄像机镜头或其他成像设备前，被拍摄的场景或者物体能够取得清晰成像图像的场景到镜头的距离范围。在最后拍摄得到的图像中，在景深范围之内的场景是清晰的，而在景深范围之前或者之后的区域则会形成模糊的图像。然而，使用手机的摄像头或者卡片照相机进行拍照时，由于会受到设备便携性的要求，摄像头的传感器与镜头大小、设备重量都受到了很大的局限。所以在这些设备上，镜头光圈很小，拍摄的图像具有较大的景深，前景背景均较为清晰，景深范围的调节能力十分有限，无法达到单反相机所能达到的景深效果。尤其是在景深渲染效果方面存在着颜色泄露的问题，这也极大的限制了智能手机所拍摄图像的质量和效果。而移动设备的发展趋势一直是在追求更轻更薄，所以很难通过调整智能手机的摄像头来得到大光圈浅景深的效果。但是，智能手机的计算性能一直在不断持续的提高。所以人们希望利用智能手机的计算能力，通过图像后期处理的方法，来解决图像景深效果颜色泄露的问题，这也是该领域研究的一个热点。

技术实现要素：

有鉴于此，本发明的目的在于提供一种图像景深渲染方法、系统及终端，它能够克服图像景深效果颜色泄露的问题。其具体方案如下：

一种图像景深渲染方法，包括：

获取与目标物体对应的原始rgb图和深度图；

计算所述深度图的模糊半径coc；

利用与所述模糊半径coc对应的卷积核，对所述原始rgb图进行滤波处理，得到相应的渲染图像；

对所述渲染图像和所述原始rgb图做alpha融合，得到融合后图像。

优选的，所述获取与目标物体对应的原始rgb图和深度图的过程，包括：

对所述目标物体进行图像采集，得到第一rgb图和第二rgb图；

利用所述第一rgb图和所述第二rgb图，确定相应的深度图。

优选的，所述获取与目标物体对应的原始rgb图和深度图的过程，包括：

对所述目标物体进行图像采集，得到k张rgb图，其中，k为大于或等于3的整数；

利用所述k张rgb图，确定相应的深度图。

优选的，所述利用与所述模糊半径coc对应的卷积核，对所述原始rgb图进行滤波处理，得到相应的渲染图像的过程，包括：

对所述原始rgb图中的任一rgb图进行下采样，得到相应的rgb小图；

利用与所述模糊半径coc和所述rgb小图对应的卷积核，对所述rgb小图进行滤波处理，得到渲染小图；

对所述渲染小图进行上采样，得到所述渲染图像。

优选的，所述对所述渲染图像和所述原始rgb图做alpha融合，得到融合后图像的过程，包括：

将所述渲染图像与所述原始rgb图中的任一rgb图进行alpha融合，得到所述融合后图像。

优选的，所述计算所述深度图的模糊半径coc的过程，包括：

对所述深度图进行下采样，得到相应的深度小图；

计算所述深度小图对应的模糊半径coc。

优选的，所述计算所述深度小图对应的模糊半径coc的过程之前，还包括：

利用快速导向滤波器，对所述深度小图进行相应的滤波处理，以提升所述深度小图的精度。

本发明还公开了一种图像景深渲染系统，包括：

图像获取模块，用于获取与目标物体对应的原始rgb图和深度图；

模糊半径计算模块，用于计算所述深度图的模糊半径coc；

rgb图滤波模块，用于利用与所述模糊半径coc对应的卷积核，对所述原始rgb图进行滤波处理，得到相应的渲染图像；

图像融合模块，用于对所述渲染图像和所述rgb图做alpha融合，得到融合后图像。

优选的，所述rgb图滤波模块，包括：

rgb图下采样单元，用于对所述原始rgb图中的任一rgb图进行下采样，得到相应的rgb小图；

rgb小图滤波单元，用于利用与所述模糊半径coc和所述rgb小图对应的卷积核，对所述rgb小图进行滤波处理，得到渲染小图。

渲染小图上采样单元，用于对所述渲染小图进行上采样，得到相应的渲染图像。

本发明还公开了一种终端，包括图像采集器、处理器以及存储器；其中，上述处理器通过调取保存于上述存储器中的指令来执行以下步骤：

通过所述图像采集器获取与目标物体对应的原始rgb图，并确定与所述原始rgb图对应的深度图；

计算所述深度图的模糊半径coc；

利用与所述模糊半径coc对应的卷积核，对所述原始rgb图进行滤波处理，得到相应的渲染图像；

对所述渲染图像和所述原始rgb图做alpha融合，得到融合后图像。

本发明中，图像景深渲染方法，包括：获取与目标物体对应的原始rgb图和深度图；计算上述深度图的模糊半径coc；利用与上述模糊半径coc对应的卷积核，对上述原始rgb图进行滤波处理，得到相应的渲染图像；对上述渲染图像和上述原始rgb图做alpha融合，得到融合后图像。在本发明中通过计算深度图的模糊半径coc，得到与模糊半径coc对应的卷积核，通过卷积核滤波处理对原始rgb图进行滤波，可以理解的是，通过计算模糊半径coc对应的卷积核，再对原始rgb图中的像素值作卷积核滤波处理，得到原始rgb图相应的渲染图像，通过这样的计算方法，在原始rgb图相应的渲染图像中都可以找到与原始rgb图中像素点对应的像素点，正是通过这样的一一映射关系，解决了现有技术中景深渲染图像中的颜色泄露问题。

而且，在本发明中通过使用快速导向滤波器，对上述深度图进行滤波处理，能够提升上述深度图在深度不连续的问题，而且对上述渲染图像和上述原始rgb图做alpha融合，得到融合后图像，通过这样的方法能够保证景深以内的区域清晰，景深以外的区域模糊，使得图像的景深成像的效果更好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例一公开的一种图像景深渲染方法流程图；

图2为本发明实施例二公开的一种图像景深渲染方法流程图；

图3为本发明实施例三公开的一种图像景深渲染方法流程图；

图4为本发明实施例公开的一种图像景深渲染系统结构示意图；

图5为本发明实施例公开的一种终端设备示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例一公开了一种图像景深渲染方法，参见图1所示，该方法包括：

步骤s11：获取与目标物体对应的原始rgb图和深度图；

在本实施例中，获取与目标物体对应的原始rgb图和深度图的方法有很多种，比如通过手机的照相功能得到目标物体的原始rgb图，原始rgb图所对应的深度图，可以通过拍摄不同角度物体的图片，通过相关的计算来获取上述rgb图对应的深度图，当然也可以通过飞行时间相机(timeofflightcamera，tof)或者是kinect相机拍摄得到原始rgb图对应的深度图，从而得到图片中的各种深度信息，可以理解的是，以上方法仅仅是获取目标物体对应的原始rgb图和深度图的一部分方法，而不是全部。

步骤s12：计算上述深度图的模糊半径coc；

其中，模糊半径coc的计算公式为：

式中，coc为深度图的模糊半径，u为拍摄rgb图时的物距，uf为对焦的距离，f为相机的焦距，d为相机镜头的直径。

步骤s13：利用与上述模糊半径coc对应的卷积核，对上述原始rgb图进行滤波处理，得到相应的渲染图像；

其中，与上述原始rgb图中的像素点p对应的卷积核的计算公式为：

式中，wp表示以像素点q为中心的位于上述原始rgb图中的像素点p点的权值，k为对模糊半径coc进行归一化处理后得到的归一化因子，σr、σs为值域/空域的标准差，ip(r，g，b)为像素点p的三维颜色值，iq(r，g，b)为q的三维颜色值，p(x，y，z)为像素点p的三维位置值，q(x，y，z)为像素点q的三维位置值。

则滤波后的图像中像素点p的像素值计算方式为：

i(p)＝i^r(p)*wp，

式中，i^r(p)是rgb图中像素点p的像素值，wp为卷积核的权值。

可以理解的是，通过计算深度图的模糊半径coc，和与模糊半径coc对应的卷积核，对原始的rgb图进行滤波处理，得到相应的渲染图像，通过这样的方式，可以解决现有技术当中景深图像中颜色泄露的问题。

步骤s14：对上述渲染图像和所述原始rgb图做alpha融合，得到融合后图像。

其中，alpha融合的计算公式为：

idst＝alpha*iblured+(1-alpha)*iorignal；

式中，iblured为上述的渲染图像，iorignal为原始rgb图，alpha＝coc*coc为权值，由模糊半径直接求得。

可以理解的是，在本实施中通过对上述渲染图像和上述原始rgb图做alpha融合，得到融合后图像，当然，此处如果想要得到成像质量更好的原始rgb图，可以运用常见的滤波处理方法，去除原始rgb图中的噪声。通过这样的方式可以得到目标物体的成像效果更好的渲染图像，而且通过这一步骤可以保证目标物体景深以内区域清晰，景深以外图像区域模糊，从而达到理想的图像景深渲染效果。

可见，在本发明中，首先获取与目标物体对应的原始rgb图和深度图；计算上述深度图的模糊半径coc；利用与上述模糊半径coc对应的卷积核，对上述原始rgb图进行滤波处理，得到相应的渲染图像；对上述渲染图像和上述原始rgb图做alpha融合，得到融合后图像。可以理解的是，在本发明中，通过计算模糊半径coc对应的卷积核，再对原始rgb图中的像素值作卷积核滤波处理，得到原始rgb图相应的渲染图像，通过这样的计算方法，在原始rgb图相应的渲染图像中都可以找到与原始rgb图中像素点对应的像素点，正是通过这样的一一映射关系，解决了现有技术中图像景深效果颜色泄露的问题。

本发明实施例二公开了一种具体的图像景深渲染方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化，参见图2所示，该方法包括：

步骤s21：对目标物体进行图像采集，得到第一rgb图和第二rgb图，并利用第一rgb图和第二rgb图，确定相应的深度图。

在本实施例中，为了获取上述目标物体的原始rgb图，可以利用摄像装置来获取目标物体的原始rgb图，例如，利用双目摄像装置，对目标物体进行图像采集，得到第一rgb图和第二rgb图。可以理解的是，此处的第一rgb图和第二rgb图只是为了说明第一rgb图和第二rgb图的位置关系不同，比如，拍摄目标物体时，可以是把双目摄像装置上的两个摄像单元分别放置在目标物体的左侧和右侧，也可以是在其他所要拍摄目标物体的不同位置，此处不作限定。

其中，上述双目摄像装置具体可以设置在手持智能设备、无人机、机器人、计算机、智能电视等设备中。

需要说明的是，在本实施例中，是利用第一rgb图和第二rgb图的空间位置关系，计算得到rgb图对应的深度图，计算方法包括但不限于立体视觉(stereovision)和从运动信息中恹复三维场景结构(structurefrommotion)。

当然，此处也可以不通过计算的方法，来得到rgb图相应的深度图，比如通过某些具有拍摄深度图的相机拍摄得到rgb图对应的深度图，比如，可以通过飞行时间相机tof(timeofflightcamera)、kinect相机直接拍摄得到原始rgb图对应的深度图，这样就可以省去上面的计算过程。

步骤s22：计算深度图的模糊半径coc。

具体的，为了减少计算量，本实施例中，上述计算深度图的模糊半径coc的过程，具体可以包括：

对深度图进行下采样，得到相应的深度小图，然后计算深度小图对应的模糊半径coc。

具体的，在本实施例中，通过下采样的方式对深度图进行缩小，得到深度小图，可以理解的是通过这样的方式，减少了对图片中处理像素的个数，提高了图像的运行速度，减少了运行内存的消耗。对图像下采样的方式，包括但不限于，通过高斯金字塔的下采样方式或者是直接对深度图进行下采样得到相应的深度小图。

其中，深度小图的模糊半径coc的计算公式为：

式中，u为拍摄rgb图时的物距，uf为对焦的距离，f为相机的焦距，d为相机镜头的直径。

更进一步的，此处，为了提高深度小图的精度，还可以利用快速导向滤波器，对上述深度小图进行相应的滤波处理，以提升上述深度小图的精度。其中，快速导向滤波器的计算公式为：

式中，i为像素索引，k表示以窗口为ω和半径为r的本地窗口的索引，ii为深度小图中第i个像素的像素值，qi表示深度小图中第i个像素滤波后的输出值，ak和bk分别为第k个窗口的滤波器线性参数，其中，

并且

式中，μk和σk分别为第k个窗口内的像素值的均值和方差，ε为控制平滑度的正则化参数，则经过上述滤波处理后，输出的像素值为其中分别为ak、bk的平均值。

可以理解的是，在本实施例中，使用快速导向滤波器对深度小图进行滤波，可以提高深度小图的精度，而且通过这一技术手段可以解决现有技术当中深度图不连续的缺陷，当然这一步骤在整个图像处理当中的操作步骤顺序是可以根据实际操作当中所要达到的最终目的进行调整的，此处不作限定。

步骤s23：对原始rgb图中的任一rgb图进行下采样，得到相应的rgb小图。

具体的，在本实施例中，通过下采样的方式对原始rgb图进行缩小，得到相应的rgb小图，可以理解的是通过这样的方式，为了和前述部分的操作过程相对应，便于图像的后续处理，其中下采样的方式可以参数步骤s22中的相关步骤，此处不再赘述。

步骤s24：利用与模糊半径coc和rgb小图对应的卷积核，对rgb小图进行滤波处理，得到渲染小图。

其中，与上述rgb小图中的像素点p对应的卷积核的计算公式为：

式中，wp表示以像素点q为中心的位于上述rgb小图中的像素点p点的权值，k为对模糊半径coc进行归一化处理后得到的归一化因子，σr、σs为值域/空域的标准差，ip(r，g，b)为像素点p的三维颜色值，iq(r，g，b)为像素点q的三维颜色值，p(x，y，z)为像素点p的三维位置值，q(x，y，z)为像素点q的三维位置值。

则渲染小图中像素点p的像素值的计算公式为：

i(p)＝i^r(p)*wp；

式中，i^r(p)为原始rgb图中点p的像素值，wp为卷积核的权值。

可以理解的是，通过计算模糊半径coc对应的卷积核，再对原始rgb图中的像素值作卷积核滤波处理，得到原始rgb图相应的渲染图像，通过这样的计算方法，在原始rgb图相应的渲染图像中都可以找到与原始rgb图中像素点对应的像素点，正是通过这样的一一映射关系，解决了现有技术中景深渲染图像中的颜色泄露问题。

步骤s25：对渲染小图进行上采样，得到渲染图像。

具体的，得到渲染小图之后，为了和之前的rgb图作图像融合，得到成像质量更好的图像景深渲染效果，需要把渲染小图进行扩大，扩大到和原始rgb对应大小的图片，此处对上述渲染小图进行上采样，得到渲染图像。当然此处，也可以有其他的方法对渲染小图进行扩大得到渲染图像，此处对图片进行扩大的方法不作限定。

步骤s26：对渲染图像和原始rgb图做alpha融合，得到融合后图像。

其中，alpha融合的计算公式为：

idst＝alpha*iblured+(1-alpha)*iorignal；

式中，iblured为上采样后的渲染图像，iorignal为原始rgb图，alpha＝coc*coc为权值，由模糊半径直接求得。

可以理解的是，将原始rgb图中的任意一张rgb图和渲染图像融合，得到融合后图像，可以保证图像在景深以内的区域清晰，景深以外的区域模糊，从而可以得到渲染效果更好的渲染图像。

本发明实施例三公开了一种图像景深渲染方法，相对于上一实施例，本发明对技术方案作了进一步的说明和优化，参见图3所示的一种基于多摄像头采集设备实施本发明提出的图像景深渲染算法流程图，具体的：

步骤s31：对目标物体进行图像采集，得到k张rgb图，其中，其中k为大于或等于3的整数，并利用k张rgb图，确定相应的深度图。

可以理解的是，在本实施例中，利用包括k个摄像单元的多目摄像装置，对目标物体进行图像采集，得到k张rgb图，具体的，此处是为了获得深度图中更加精确的图像深度信息，所以采集k张rgb图来相互校正所要进行景深渲染的rgb图所对应的深度图。

其中，上述多摄像头采集设备可以安装在所要拍摄目标物体的各个方向和位置，以达到实际操作当中的目的为准。

步骤s32：计算深度图的模糊半径coc。

具体的，在本实施例中，上述计算深度图的模糊半径coc的过程，具体可以包括：

对深度图进行下采样，得到相应的深度小图，然后计算深度小图对应的模糊半径coc。

其中，深度小图的模糊半径coc的计算公式为：

式中，u为拍摄rgb图时的物距，uf为对焦的距离，f为相机的焦距，d为相机镜头的直径。

可以理解的是，通常在处理图像的过程中，为了提高程序的运行效率，在图片的处理过程中，可以对图像的尺寸进行相应的调整，显然，运用这样的技术手段可以提高程序的运行效率，所以采用下采样的方式对图片进行缩小，以减少程序在运行当中的计算量。

更进一步的，此处为了提高深度小图的精度，还可以利用快速导向滤波器，对上述深度小图进行相应的滤波处理，以提升上述深度小图的精度。

可以理解的是，在本实施例中，使用快速导向滤波器(fast-guide-filter)对深度小图进行滤波，可以提高深度小图的精度，而且通过这一技术手段可以解决现有技术当中深度图不连续的缺陷，当然这一步骤在整个图像处理当中的操作步骤顺序是可以根据实际操作当中所要达到的最终目的进行调整的，此处不作限定。

步骤s33：对原始rgb图中的任一rgb图进行下采样，得到相应的rgb小图；

具体的，在本实施例中，通过下采样的方式对原始rgb图进行缩小，得到相应的rgb小图，可以理解的是通过这样的方式，为了和前述部分的操作过程相对应，便于图像的后续处理，其中下采样的方式可以参数步骤s22中的相关步骤，此处不再赘述。

步骤s34：利用与模糊半径coc和rgb小图对应的卷积核，对rgb小图进行滤波处理，得到渲染小图；

可以理解的是，通过计算模糊半径coc对应的卷积核，再对rgb小图中的像素值作卷积核滤波处理，得到相应的渲染小图，通过这样的计算方法，在rgb小图相应的渲染小图中都可以找到与rgb小图中像素点对应的像素点，正是通过这样的一一映射关系，解决了现有技术中景深渲染图像中的颜色泄露问题。

步骤s35：对渲染小图进行上采样，得到渲染图像。

可以理解的是，得到渲染小图以后，为了和之前的rgb图作图像融合，得到成像质量更好的图像景深渲染效果，需要把渲染小图进行扩大，扩大到和原始rgb对应大小的图片，此处对上述渲染小图进行上采样，得到渲染图像。当然此处，也可以有其他的方法对渲染小图进行扩大得到渲染图像，此处对图片进行扩大的方法不作限定。

步骤s36：对渲染图像和原始rgb图做alpha融合，得到融合后图像。

可以理解的是，将原始rgb图中所要进行景深渲染的rgb图和渲染图像融合，得到融合后图像，可以保证图像在景深以内的区域清晰，景深以外的区域模糊，从而可以得到渲染效果更好的渲染图像。

更进一步的，为了提高程序的运行速度，还可以利用gpgpu(gpgpu，即generalpurposegraphicprocessunit，通用计算图形处理器)对卷积核作并行加速处理。可以理解的是，通过本发明实施例提供的这种方法，不仅可以保证图像成像的鲁棒性，而且能够加快图像的渲染计算速度。并且本发明实施例提供的这种方法还可以广泛应用在其他移动平台上，进而保证图像景深的渲染效果，同时也提升了用户的拍照体验。

相应的，本发明实施例还公开了一种图像景深渲染系统，参见图4所示，该系统包括：

图像获取模块41，用于获取与目标物体对应的原始rgb图和深度图；

在本实施例中，获取与目标物体对应的原始rgb图和深度图的方法有很多种，比如通过手机的照相功能得到目标物体的原始rgb图，原始rgb图所对应的深度图，可以通过拍摄不同角度物体的图片，通过相关的计算来获取上述rgb图对应的深度图，当然也可以通过飞行时间相机(timeofflightcamera，tof)或者是kinect相机拍摄得到原始rgb图对应的深度图，从而得到图片中的各种深度信息，可以理解的是，以上方法仅仅是获取目标物体对应的原始rgb图和深度图的一部分方法，而不是全部。

模糊半径计算模块42，用于计算上述深度图的模糊半径coc；

其中，模糊半径coc的计算公式为：

式中，coc为模糊半径，u为拍摄rgb图时的物距，uf为对焦的距离，f为相机的焦距，d为相机镜头的直径。

rgb图滤波模块43，用于利用与上述模糊半径coc对应的卷积核，对上述原始rgb图进行滤波处理，得到相应的渲染图像；

其中，与上述原始rgb图中像素点p对应的卷积核的计算公式为：

式中，wp表示以像素点q为中心的位于上述原始rgb图中的像素点p点的权值，k为对模糊半径coc进行归一化处理后得到的归一化因子，σr、σs为值域/空域的标准差，ip(r，g，b)为像素点p的三维颜色值，iq(r，g，b)为像素点q的三维颜色值，p(x，y，z)为像素点p的三维位置值，q(x，y，z)为像素点q的三维位置值。

则滤波后的图像中像素点的像素值计算方式为：

i(p)＝i^r(p)*wp；

式中，i^r(p)为原始rgb图中点p的像素值，wp为卷积核的权值。

可以理解的是，通过计算深度图的模糊半径coc，和与模糊半径coc对应的卷积核，对原始的rgb图进行滤波处理，得到相应的渲染图像，通过这样的方式，可以解决现有技术当中景深图像中颜色泄露的问题。

图像融合模块44，用于对上述渲染图像和上述rgb图做alpha融合，得到融合后图像。

其中，alpha融合的计算公式为：

idst＝alpha*iblured+(1-alpha)*iorignal；

式中，iblured为渲染图像，iorignal为原始rgb图，alpha＝coc*coc为权值，由模糊半径直接求得。

在本实施例中，将原始rgb图中的任意一张rgb图和渲染图像融合，得到融合后图像，可以保证图像在景深以内的区域清晰，景深以外的区域模糊，从而可以得到渲染效果更好的渲染图像。

具体的，上述图像获取模块41，可以包括第一图像采集单元和第一深度图确定单元；其中，

第一图像采集单元，用于对所述目标物体进行图像采集，得到第一rgb图和第二rgb图；

第一深度图确定单元，用于利用所述第一rgb图和所述第二rgb图，确定相应的深度图。

进一步的，为了提高上述深度图中深度图的信息的准确性，上述图像获取模块41，可以包括第二图像采集单元和第二深度图确定单元；其中，

第二图像采集单元，用于对上述目标物体进行图像采集，得到k张rgb图，其中k为大于或等于3的整数；

第二深度图确定单元，用于利用上述k张rgb图，确定相应的深度图。

可以理解的是，通过获取多张rgb图，利用目标物体中成像位置关系的不同，可以对通过两张图像计算所得到的深度图像中的深度信息进行修正，使得深度图中的深度信息更加精确，从而可以提高本算法的精度。

具体的，rgb图滤波模块43，包括rgb图下采样单元、rgb小图滤波单元和渲染小图上采样单元；其中，

rgb图下采样单元，用于对上述原始rgb图中的任一rgb图进行下采样，得到相应的rgb小图；

rgb小图滤波单元，用于利用与上述模糊半径coc和上述rgb小图对应的卷积核，对上述rgb小图进行滤波处理，得到渲染小图。

渲染小图上采样单元，用于对上述渲染小图进行上采样，得到相应的渲染图像。

具体的，图像融合模块44，包括图像融合单元，其中：

图像融合单元，用于将上述渲染图像与所述原始rgb图中的任一rgb图进行alpha融合，得到上述融合后图像。

更进一步的，上述模糊半径计算模块42，包括深度图下采样单元和模糊半径计算单元，其中：

深度图下采样单元，用于对上述深度图进行下采样，得到相应的深度小图；

模糊半径计算单元，用于计算上述深度小图对应的模糊半径coc。

可以理解的是，在处理图像的过程中，为了提高程序的运行效率，在图片的处理过程中，可以对图像的尺寸进行相应的调整，显然，运用这样的技术手段可以提高程序的运行效率，所以采用下采样的方式对图片进行缩小，以减少程序在运行当中的计算量。

更进一步的，本发明实施例提供的图像景深渲染系统，还包括，深度小图滤波模块45；其中：

深度小图滤波模块45，用于在上述模糊半径计算模块计算所述深度小图对应的模糊半径coc之前，利用快速导向滤波器，对所述深度小图进行相应的滤波处理，以提升上述深度小图的精度。

其中，快速导向滤波器的计算公式为：

式中，i为像素索引，k表示以窗口为ω和半径为r的本地窗口的索引，ii为深度小图中第i个像素的像素值，qi表示深度小图中第i个像素滤波后的输出值，ak和bk分别为第k个窗口的滤波器线性参数，其中，

并且

式中，μk和σk分别为第k个窗口内的像素值的均值和方差，ε为控制平滑度的正则化参数，则经过上述滤波处理后，输出的像素值为其中分别为ak、bk的平均值。

可以理解的是，在本实施例中，使用快速导向滤波器对深度小图进行滤波，可以提高深度小图的精度，而且通过这一技术手段可以解决现有技术当中深度图不连续的缺陷，当然这一步骤在整个图像处理当中的操作步骤顺序是可以根据实际操作当中所要达到的最终目的进行调整的，此处不作限定。

关于上述各个模块和各个单元更加详细的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

相应的，本发明实施例还公开了一种终端，参见图5所示，该终端包括图像采集器51、处理器52以及存储器53；其中，上述处理器52通过调取保存于上述存储器53中的指令来执行以下步骤：

通过上述图像采集器51获取与目标物体对应的原始rgb图，并确定与上述原始rgb图对应的深度图；

计算上述深度图的模糊半径coc；

利用与上述模糊半径coc对应的卷积核，对上述原始rgb图进行滤波处理，得到相应的渲染图像；

对上述渲染图像和上述原始rgb图做alpha融合，得到融合后图像。

可以理解的是，本实施例中的终端包括但不限于相机和摄像机，而且存储器53中的指令也不限于以上所列出的步骤，更加详细的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。当然为了提高处理器52的运行效率，也可以使用调用其他第三方的相关软件，此处也不作限定。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明对所提供的一种图像景深渲染方法、系统及终端进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。