据一对摄像机同时拍摄到的两幅图像来获取被拍摄物体的原始深度图像。
[0040]在实际应用中，被拍摄物体上的各个点相对于摄象机的距离可以根据被拍摄物体的原始深度图像上的各个像素点的深度来计算，因为两者之间存在一定的映射关系。例如，图4显示视觉成像设备输出的原始深度图像的深度与被拍摄物体相对于视觉成像设备(摄像头)的实际距离之间的对应关系。
[0041 ]图4中的横坐标X表示输出的原始深度图像的深度值(灰度级)，纵坐标y表示被拍摄物体相对于视觉成像设备(摄像头)的实际距离(单位为mm)。图5显示将原始深度图像分解成多层深度图像的原理图。
[0042]如图4所示，随着被拍摄物体相对于视觉成像设备(摄像头)的实际距离的逐渐增大，输出的原始深度图像的深度值就会逐渐变小。
[0043]在实际应用中，被拍摄物体相对于视觉成像设备(摄像头)的实际距离需要在一个合适的区域以内。例如，在图4所示的实施例中，被拍摄物体相对于视觉成像设备(摄像头)的实际距离需要在Im至4m的区域以内，因为Im至4m的距离区域所对应的深度区域是深度信息较为集中的区域，在以下的说明中，如图5所示，将深度信息较为集中的区域称为预定深度区域[XI，X2]，将与预定深度区域[XI，X2]对应的实际距离区域[Y2，Y1]。
[0044]下面将参照图5至图9来详细说明根据本发明的一个实例性的实施例的对原始深度图像进行去噪的过程。
[0045]首先，利用视觉成像设备(未图示)获取被拍摄物体的原始深度图像，如图6所示的原始深度图像。在该原始深度图像中，11、12、13表示与面积较大的有效联通区域20分离的三个孤立的噪点，14,15表示与面积较大的有效联通区域20联通的两个噪点。
[0046]然后，根据图4所示的原始深度图像的深度X与被拍摄物体相对于视觉成像设备的实际距离y之间的对应关系，获取与原始深度图像的预定深度区域[XI，X2]对应的实际距离区域[Y2，Y1]，如图5所示。
[0047]然后，将与原始深度图像的预定深度区域[XI，Χ2]对应的实际距离区域[Υ2，Yl]等分成η个距离区间BI?Βη，其中，η为大于或等于2的整数，如图5所示。为了简化说明，在图示的实施例中，如图5所示，η被设定为等于4，即，实际距离区域[Υ2，Yl]等分成4个距离区间Β1、Β2、Β3、Β4。请注意，4个距离区间Β1、Β2、Β3、Β4的间隔长度是彼此相等的。
[0048]然后，将原始深度图像的预定深度区域[XI，Χ2]分成与η个距离区间(BI?Bn)分别对应的η个深度区间Al?An，如图5所示。类似地，为了简化说明，在图示的实施例中，预定深度区域[XI，X2]被分成4个深度区间Al、A2、A3、A4。请注意，4个深度区间Al、A2、A3、A4的间隔长度是不相同的，具体而言，4个深度区间A1、A2、A3、A4的间隔长度是依次增大的，即，深度区间A2的间隔长度大于深度区间Al的间隔长度，深度区间A3的间隔长度大于深度区间A2的间隔长度，深度区间A4的间隔长度大于深度区间A3的间隔长度。
[0049]然后，将原始深度图像分解成与η个深度区间(Al?An)分别对应的η层深度图像(Ml?Mn)。类似地，为了简化说明，在图示的实施例中，如图5所示，将原始深度图像被分解成与4层深度图像Ml、M2、M3、Μ4。第I层深度图像Ml与第一深度区间Al对应，第2层深度图像M2与第二深度区间Α2对应，第3层深度图像M3与第三深度区间A3对应，第4层深度图像Ml与第四深度区间Α4对应。
[0050]这样，如图7a_7d所示，图6所示的原始深度图像被分解成图7a_7d所示的4层深度图像 Ml、M2、M3、M4。
[0051]在图示的实施例中，如图6和图7a所示，由于原始深度图像上的噪点13、14的深度值都位于第一深度区间Al内，因此，噪点13、14被放入图7a所示的第I层深度图像Ml的对应的像素点位置，第I层深度图像Ml的其余像素点位置的深度值全部被设置为O。
[0052]类似地，如图6和图7b所示，由于原始深度图像上的噪点12、15的深度值都位于第二深度区间A2内，因此，噪点12、15被放入图7b所示的第2层深度图像M2的对应的像素点位置，第2层深度图像M2的其余像素点位置的深度值全部被设置为O。
[0053]类似地，如图6和图7c所示，由于原始深度图像上的噪点11的深度值位于第三深度区间A3内，因此，噪点11被放入图7c所示的第3层深度图像M3的对应的像素点位置，第3层深度图像M3的其余像素点位置的深度值全部被设置为O。
[0054]类似地，如图6和图7d所示，由于原始深度图像上的面积较大的有效联通区域20的深度值位于第四深度区间A4内，因此，有效联通区域20被放入图7d所示的第4层深度图像M4的对应的像素点位置，第4层深度图像M4的其余像素点位置的深度值全部被设置为O。
[0055]这样，就将图6所示的原始深度图像被分解成如图7a_7d所示的4层深度图像Ml、M2、M3、M4。
[0056]然后，对图7a-7d所示的4层深度图像Ml、M2、M3、M4逐层进行去噪，以去除每层深度图像M1、M2、M3、M4中的孤立的噪点。这样，图7a、图7b、图7c和7d上的所有噪点11、12、13、14、15就会被去除，得到如图8a-8d所示的已经去噪的4层深度图像Ml、M2、M3、M4。如图8a-8d所示，在对7a-7d所示的4层深度图像Ml、M2、M3、M4逐层进行去噪之后，所有的噪点11、12、13、14、15都被去除，仅剩下了有效联通区域20。
[0057]最后，将去噪后的η层深度图像(Ml?Mn)的信息进行融合，以获得去噪后的最终深度图像。在图示的实施例中，将图8a-8d所示的去噪后的4层深度图像Ml、M2、M3、M4进行融合，就会获得图9所示的去噪后的最终深度图像。
[0058]如图9所示，在去噪之后，不仅去除了与面积较大的有效联通区域20分离的孤立的噪点11、12、13 (参见图6)，而且还去除了与面积较大的有效联通区域20联通的噪点14、15 (参见图6)，从而提高了去噪效果，提高了去噪后的深度图像的质量。
[0059]图11显示采用本发明的去噪方法对人体深度图像进行去噪之后获得的人体深度图像的实例图。如图11所示，与人体联通的噪点被去除，从而提高了去噪后的深度图像的质量。
[0060]在前述实施例中，图6所示的原始深度图像被分解成4层深度图像。但是，本发明不局限于图示的实施例，原始深度图像可以被分解成2层、3层、5层或更多层。通常而言，原始深度图像被分解的层数越多，去噪精度越高，但是运算量会越大，这会降去噪效率。因此，需要根据去噪效果和去噪速度来确定最优的层数。通常，对于普通的主机(日常生活中经常使用的计算机)而言，为了保证去噪效果和去噪速度，原始深度图像通常被分解成12层或低于12层。请注意，数值η的上限值是跟主机的处理速度有关的，因此，对于处理能力强的主机，数值η的上限值可以超过12。
[0061]图12显示根据本发明的一个实施例的深度图像的去噪设备的框图。
[0062]在本发明的另一个实施例中，如图12所示，还公开了一种与前述深度图像的去噪方法对应的去噪设备，该去噪设备主要包括:图像分解装置，用于将原始深度图像分解成η层深度图像(Ml?Mn)，其中，η为大于或等于2的整数；图像去噪装置，用于对每层深度图像(Ml?Mn)进行去噪处理，以去除每层深度图像(Ml?Mn)中的孤立的噪点；和图像融合装置，用于将去噪处理后的η层深度图像(Ml?Mn)进行融合，得到去噪处理后的最终深度图像。
[0063]如图12所示，在图示的实施例中，图像分解装置包括:距离区域获取模块、距离区域等分模块、深度区域分解