一种立体影像全局优化匹配的平滑项参数计算方法及设备与流程

本发明涉及图像处理与机器视觉领域，具体涉及一种立体影像全局优化匹配的平滑项参数计算方法及设备。

背景技术：

立体影像全局优化匹配算法以全局能量最小化为目标，通过基于能量方程的全局优化实现整体匹配。能量方程一般包括数据项和平滑项。数据项指立体影像对应某一视差的对应点的相似度，可以通过灰度距离、互信息、相关系数、census距离等一种或几种的组合表示；平滑项指相邻两个像素的视差出现变化时施加的惩罚参数，平滑项及其对应的全局优化方法是区别于局部匹配算法的关键步骤。

常见的全局优化匹配算法有置信度传播算法(beliefpropgation,bp)，图割算法(graphcuts,gc)，总变分(totalvariation,tv)及广义总变分(totalgeneralizedvariation,gtv)。传统的全局优化算法隐含一种“正面平行”(frantal-parallel)效应，即更“喜欢”或“擅长”匹配视差相同的平面，在视差变化的区域，尤其是视差变化的弱纹理区域，会出现“正面平行”效应导致的台阶状视差，而不是平滑的视差平面。近些年出现的改进算法通过过度参数化的方法，将每一点的视差初始化为一个随机平面，通过局部优化和全局优化的组合使用，对倾斜面取得了较好的匹配效果。但计算量较传统做法显著增加。

全局优化匹配方法以全局能量最小化为目标，通常采用如下形式的能量方程：

其中，e(d)表示全局能量大小，d表示整幅影像的“视差图”，q为像素p的相邻像素，np表示像素p相邻像素的合集。dp和dq表示这两个像素的视差。c表示像素p在视差为dp时的数据项，表示左右片像素的相似程度，s为平滑项，表示dp和dq不同时施加的惩罚。

图1为sgm算法的消息传播路径示意图，如图1所示，消息沿左右、上下和两个斜45度方向单向传播，每个像素只接受一个邻域像素的消息。图2为mgm算法的消息传播路径示意图，如图2所示，消息同样沿8个方向独立传播，但每个像素会接受两个邻域像素的消息。需要指出的是，这两个邻域像素已经各自接受了同样来自两个邻域像素的消息，而不是其他未接受消息传播的邻域像素。图3为bp算法的消息传播路径示意图，如图3所示，消息沿上下、左右四个方向传播，每个像素接受来自三个非传播方向邻域像素的信息。经典的bp算法通过多次迭代实现消息在整幅影像内的传播。

图4为平滑项参数设置方法的示意图，平滑项参数设置方法与全局优化算法无关，即同一种平滑项参数设置方法可以适用于不同的全局优化算法。也就是说，sgm、mgm、bp等消息传播优化算法和其他的全局优化算法如gc都可以采用类似的平滑项参数设置方法。sgm的双参数平滑模型是比较有代表性的平滑项模型，如图4所示，以从左到右的传播路径为例，像素p的第k个匹配代价接受像素p1消息的方法为：将像素p1的最小匹配代价lmin加上一个较大的惩罚参数q2，将像素p1的第k-1个、k+1个匹配代价lk-1、lk+1加上一个较小的惩罚参数q1。像素p1的第k个匹配代价保持不变。设lmin+q2、lk-1+q1、lk+1+q1、lk的最小值为ls，则像素p的第k个匹配代价加上ls-lmin为像素p的消息值。

可以看出，全局优化匹配算法的本质是点的匹配度和视差平滑度在整个匹配区域内的平衡，多数条件下能获得优于局部匹配算法的结果。但全局优化匹配算法计算往往存在计算量大、内存消耗大等缺点，且全局优化会形成视差的聚合或延伸效应，而聚合或延伸的方向不一定会沿理想的方向进行，因此反而可能导致错误的匹配结果。

技术实现要素：

有鉴于此，本发明实施例提供了一种立体影像全局优化匹配的平滑项参数计算方法，以解决现有的立体影像全局优化匹配算法匹配精度低的问题。

为此，本发明实施例提供了如下技术方案：

本发明实施例提供了一种立体影像全局优化匹配的平滑项参数计算方法，包括根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值；根据所述邻域方向的二阶梯度值，计算所述每个像素的传递消息源方向的视差梯度；根据所述每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到所述每个像素的每个匹配代价的平滑项参数。

可选地，在所述根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值的步骤之前，还包括：利用金字塔匹配方法得到上一层的视差图；根据所述上一层的视差图获取当前层的视差初值。

可选地，所述每个像素接收八个邻域方向的消息传递值，根据所述每个像素接收八个邻域方向的消息传递值获取八个消息传播路径组合图，其中所述每一个消息传播路径组合包括两个消息传播方向。

可选地，所述根据所述邻域方向的二阶梯度值，计算所述每个像素的传递消息源方向的视差梯度的步骤包括：利用下式计算所述每个像素的八个传递消息源方向的视差梯度：

s(n)i,j+s(n1)i,j＞1时，

s(n)i,j+s(n1)i,j≤1时，tn＝0；

s(l)i,j+s(l1)i,j＞1时，

s(l)i,j+s(l1)i,j≤1时，tl＝0；

式中，s(n)i,j、s(n1)i,j、s(l)i,j、s(l1)i,j分别为消息传播方向的二阶梯度值，其中n、l为所述每个消息传播路径组合图中的两个消息传播方向，n1、l1为所述两个消息传播方向的反方向，i、j分别为影像的行列号，其中，

dir0,0＝0,dir0,1＝1

dir1,0＝0,dir1,1＝-1

dir2,0＝1,dir2,1＝0

dir3,0＝-1,dir3,1＝0

dir4,0＝1,dir4,1＝1

dir5,0＝-1,dir5,1＝-1

dir6,0＝-1,dir6,1＝1

dir7,0＝1,dir7,1＝-1

dir表示每个像素8邻域代表的8个方向，第一个下标(n,n1,l,l1)表示具体的方向之一，其中n和n1为一对相反方向，l和l1也是一对相反的方向，有方向0和1、2和3、4和5、6和7，第2个下标包含两个数，第1个为行方向的偏移量，第2个为列方向的偏移量，dir0,0＝0,dir0,1＝1表示向右偏移一个像素，dir1,0＝0,dir1,1＝-1表示向左偏移一个像素，dir4,0＝1,dir4,1＝1表示向右上(斜45度方向)偏移一个像素。

可选地，所述根据所述每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到所述每个像素的每个匹配代价的平滑项参数，包括：在每个所述消息传播路径组合图中，根据所述每个像素的两个传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到所述两个传递消息源方向的两个传递消息值；根据所述两个传递消息值得到所述两个消息值的平均值；所述平均值为所述每个所述消息传播路径组合图中每个像素的一个平滑项参数，所述每个像素的每个匹配代价共得到八个所述平滑项参数；将得到的所述八个平滑项参数相加，获取平均值，得到所述每个像素的每个匹配代价的平滑项参数。

可选地，所述根据所述每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到所述每个像素的每个匹配代价的平滑项参数，包括：在每个所述消息传播路径组合图中：得到当前像素消息传播第一方向的前一像素的最小匹配代价，将所述最小匹配代价加上第一惩罚参数，得到第一数值；将前一像素的第k’+1个匹配代价、第k’-1个匹配代价加上第二惩罚参数，得到第二数值和第三数值；比较所述第一数值、所述第二数值、所述第三数值和所述前一像素的第k’个匹配代价的大小，获取最小值；将所述最小值减去所述前一像素的最小匹配代价，得到当前像素第k个匹配代价接收消息传播第一方向传递的消息值；重复上述步骤，得到所述当前像素第k个匹配代价接收消息传播第二方向传递的消息值；求出所述第k个匹配代价接收的第一方向传递的消息值和第二方向传递的消息值的平均值，所述平均值为所述当前像素第k个匹配代价接收的消息传递值；获取所述当前像素所有匹配代价接收的消息传递值；其中所述当前像素的每个匹配代价接收的消息传递值为所述匹配代价的一个平滑项参数；所述每个匹配代价共得到八个平滑项参数，将得到的所述八个平滑项参数相加，获取平均值，得到所述每个像素的每个匹配代价的平滑项参数。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的立体影像全局优化匹配的平滑项参数计算方法。

本发明实施例还提供了一种计算机设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述的立体影像全局优化匹配的平滑项参数计算方法。

本发明实施例具有如下优点：

本发明实施例提供了一种立体影像全局优化匹配的平滑项参数计算方法，该方法包括根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值，根据该邻域方向的二阶梯度值，计算每个像素的传递消息源方向的视差梯度，根据每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到每个像素的每个匹配代价的平滑项参数。本发明实施例的平滑项参数计算方法，对每个像素的所有邻域方向都计算二阶梯度值，相对于现有技术本发明实施例每个像素的每个匹配代价都接收两个传播源方向的消息传递值，且所有像素都向下一像素传递消息值，可以得到更高的匹配精度和更好的匹配鲁棒性，对弱纹理的倾斜面匹配效果尤其明显，解决了现有的立体影像全局优化匹配算法匹配精度低的问题。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为sgm算法的消息传播路径示意图；

图2为mgm算法的消息传播路径示意图；

图3为bp算法的消息传播路径示意图；

图4为平滑项参数设置方法的示意图；

图5是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的流程图；

图6是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的消息传播路径示意图；

图7是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的计算机设备的硬件结构示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

在本实施例中提供了一种立体影像全局优化匹配的平滑项参数计算方法，图5是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的流程图，如图5所示，该方法包括如下步骤：

s101：根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值；对立体影像，计算每个像素的所有邻域方向的二阶梯度值，获取图像的增强效果。

s102：根据该邻域方向的二阶梯度值，计算每个像素的传递消息源方向的视差梯度；对于每个像素，其所有邻域方向都会传递消息，计算传递消息源方向的视差梯度，获取更准确的影像匹配。

s103：根据每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到每个像素的每个匹配代价的平滑项参数；每一个像素在传递消息时，消息值都是沿传播路径传播，对每个像素的每个匹配代价接收的所有方向的传递消息值求平均值，得到每个像素的每个匹配代价的平滑项参数。

通过上述步骤，根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值，根据该邻域方向的二阶梯度值，计算每个像素的传递消息源方向的视差梯度，根据每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到每个像素的每个匹配代价的平滑项参数，对每个像素的所有邻域方向都计算二阶梯度值，相对于现有技术，本发明实施例的平滑项参数计算方法每个像素都接收两个传播源方向的消息传递值，且所有像素都向下一像素传递消息值，可以得到更高的匹配精度和更好的匹配鲁棒性，对弱纹理的倾斜面匹配效果尤其明显，解决了现有的立体影像全局优化匹配算法匹配精度低的问题。

在一个具体实施方式中，在步骤s101根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值之前，还包括利用金字塔匹配方法得到上一层的视差图，根据上一层的视差图获取当前层的视差初值。本发明实施例以消息传播方法作为全局优化的基本策略,采用金字塔匹配方法,用上一层金字塔影像匹配得到的视差作为当前层的视差初值和估计局部视差坡度的基础数据，假设已经得到上一层的视差图d0，通过线性插值得到当前层的视差初值d。

图6是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的消息传播路径示意图，如图6所示，每个像素接收八个邻域方向的消息传递值，根据每个像素接收八个邻域方向的消息传递值获取八个消息传播路径组合图(m1,……，m8)，其中每一个消息传播路径组合包括两个消息传播方向。

上述步骤s101涉及到根据当前层的视差初值计算每个像素的邻域方向的二阶梯度值，假设已经完成当前层的匹配代价计算，当前层计算8个邻域方向的“半全局二阶梯度图”的算法如下：

设当前像素行列为pi,j，该像素沿8邻域方向的下一个像素为：

pn(i+dirn,0,j+dirn,1)(n＝0,1,...,7)(2)

其中，

dir0,0＝0,dir0,1＝1

dir1,0＝0,dir1,1＝-1

dir2,0＝1,dir2,1＝0

dir3,0＝-1,dir3,1＝0

dir4,0＝1,dir4,1＝1

dir5,0＝-1,dir5,1＝-1

dir6,0＝-1,dir6,1＝1

dir7,0＝1,dir7,1＝-1

其中，dir表示每个像素8邻域代表的8个方向，有方向0和1、2和3、4和5、6和7，第2个下标包含两个数，第1个为行方向的偏移量，第2个为列方向的偏移量，dir0,0＝0,dir0,1＝1表示向右偏移一个像素，dir1,0＝0,dir1,1＝-1表示向左偏移一个像素，dir4,0＝1,dir4,1＝1表示向右上(斜45度方向)偏移一个像素。

“半全局二阶梯度图”形式为8幅对应8个方向的长宽与当前层影像长宽相同的短整型“影像”，该影像灰度的计算方法如下：

设当前计算的为第m个方向的“半全局二阶梯度图”s(m)，将该“半全局二阶梯度图”每个点的数值初始化为0，设当前传播方向的起始行为si，起始列为sj，终止行为ei，终止列为ej，行方向移动步长为di，列方向移动步长为dj，当前层影像宽、高分别为w、h。则对应第m个传播方向，以上参数的设置方法为：

si＝1,ei＝h,sj＝1,ej＝w,di＝1,dj＝1(m＝0,2,4)

si＝h-2,ei＝-1,sj＝w-2,ej＝-1,di＝-1,dj＝-1(m＝1,3,5)

si＝1,ei＝h,sj＝w-2,ej＝-1,di＝1,dj＝-1(m＝7)

si＝h-2,ei＝-1,sj＝1,ej＝w,di＝-1,dj＝1(m＝6)(3)

通过式3的参数可以计算“下一个”接收消息的像素行、列坐标，假设当前像素为当前传播路径上的第k个像素，其行、列坐标为(i,j)，“下一个”接收消息的像素行、列坐标为(i',j')，则有如下关系：

ei、ej表示当前传播路径上最后一个接收消息的像素。

对每个象素pi,j，其m方向的邻接象素为pi1,j1，其中，

i1＝i-dirm,0

j1＝j-dirm,1(4)

pi,j沿m方向的二阶梯度为：

ti,j＝2di,j-d(i-dirm,0,j-dirm,1)-d(i+dirm,0,j+dirm,1)(5)

设置一个二阶梯度门限mx，如mx＝0.5。设当前行、列分别为i、j。则当前“半全局二阶梯度图”的数值sm(i,j)的计算方法为：

s(m)i,j＝s(m)i,j+1ti1,j1＞mx,ti,j＜＝mx

s(m)i,j＝s(m)i1,j1+1ti1,j1＜＝mx,ti,j＜＝mx

s(m)i,j＝s(m)i,j-1ti1,j1＜＝mx,ti,j＞mx

s(m)i,j＝s(m)i1,j1-1ti1,j1＞mx,ti,j＞mx(6)

计算完成当前像素的“半全局二阶梯度图”的数值后，i＝i+di，j＝j+dj后，用上述方法计算下一个像素的“半全局二阶梯度图”数值，即计算每一个像素的二阶梯度数值。

上述步骤s102涉及到根据邻域方向的二阶梯度值，计算每个像素的传递消息源方向的视差梯度，在一个具体实施方式中，计算第m组方向组合两个传递源方向的视差梯度的过程如下：

本文采用的消息传播算法采用双路径之字形传播策略，双路径组合有8种，用m表示，如图6所示，分别为：

式中，dir表示每个像素8邻域代表的8个方向，i、j分别为影像的行、列序号，用i(或j)对2取余来区分“之”字路径传播的两个相反的方向。i1、j1则表示从“对面”起算的行列序号。设影像宽度、高度分别为w、h，也就是i1＝h-1-i，j1＝w-1-j。i'、j'表示将影像旋转45度后的行、列序号，对应图5上面第3幅图，这时每一列的行数是不同的，第一列只有像素a，第二列包括像素b、c，第三列包括像素d、e、f。i1'、j1'表示从旋转图像“对面”起算的行列序号。需要指出的是，这里的“旋转”仅仅为了说明方向组合的设置方法，而不是真的对影像进行旋转操作。

以第一个图为例说明，从倒数第二行、第二列的“h”像素开始，会接受像素e和像素g的消息，所以第二列像素的传播方向为左、下到右、上。第二列完成消息传播后，第三列从像素n开始接受像素k和像素m的消息，也就是说，第三列的传播方向变为左、上到右、下，以后每一列的消息传播都这样交替进行。

对每个像素点计算两个传递消息源方向的视差梯度，设两个方向为n方向和l方向，两个方向的视差梯度分别为tn和tl，两个方向的反方向分别为n1方向和l1方向，计算方法为：

s(n)i,j+s(n1)i,j＞1时，

s(n)i,j+s(n1)i,j≤1时，tn＝0；

s(l)i,j+s(l1)i,j＞1时，(8)

s(l)i,j+s(l1)i,j≤1时，tl＝0；

式中，dir的定义在前面已经说明，s(n)i,j、s(n1)i,j、s(l)i,j、s(l1)i,j分别为消息传播方向的二阶梯度值，其中n、l为所述每个消息传播路径组合图中的两个消息传播方向，n1、l1为所述两个消息传播方向的反方向，i、j分别为影像的行列号。

上述步骤s103涉及到根据每个像素的传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到每个像素的每个匹配代价的平滑项参数，在一个可选实施方式中，该步骤包括在每个消息传播路径组合图中，根据每个像素的两个传递消息源方向的视差梯度和相应的前一像素的匹配代价，得到两个传递消息源方向的两个传递消息值，根据两个传递消息值得到两个消息值的平均值，该平均值为每个消息传播路径组合图中每个像素的每个匹配代价的一个平滑项参数，每个匹配代价共得到八个所述平滑项参数，将得到的八个平滑项参数相加，获取平均值，得到每个像素的每个匹配代价的平滑项参数。具体地，在每个消息传播路径组合图中，得到当前像素消息传播第一方向的前一像素的最小匹配代价，将该最小匹配代价加上第一惩罚参数，得到第一数值，将前一像素的第k’+1个匹配代价、第k’-1个匹配代价加上第二惩罚参数，得到第二数值和第三数值；比较第一数值、第二数值、第三数值和前一像素的第k’个匹配代价的大小，获取最小值，将所述最小值减去前一像素的最小匹配代价，得到当前像素第k个匹配代价接收消息传播第一方向传递的消息值；

本发明实施例给出了具体的平滑项参数计算方法，根据图6中的消息传播路径组合图，对其中一个组合图中的一个像素，求其第k个匹配代价n方向的平滑项参数计算方法为：

上式求出的是n方向的消息传递值，式中，l'0、l'1、l'2分别为当前像素第k、k-1、k+1个匹配代价，lk、lk-1、lk-2、lk+1、lk+2和lmin分别为消息传播方向前一像素第k、k-1、k-2、k+1、k+2个匹配代价和前一像素最小的匹配代价，q1、q2为惩罚参数，t为视差梯度，lsend为第k个匹配代价接收的传递消息值。

根据上述公式求出当前像素第k个匹配代价接收消息传播n方向传递的消息值和l方向传递消息值，求出这两个方向消息传递值的平均值，即为当前像素第k个匹配代价接收的消息传递值，即为当前像素的第k个匹配代价的一个平滑项参数，因为有八个消息传播路径组合图，所以每个像素的每个匹配代价有八个平滑项参数，对每个匹配代价，求出其八个平滑项参数的平均值，该平均值即为该匹配代价的平滑项参数，即接收的消息传递值，每个匹配代价的接收消息传递值求出后，继续向下一个像素的所有层匹配代价一一传递。

本发明实施例提供的立体影像全局优化匹配的平滑项参数计算方法，可以使立体影像优化匹配策略可以得到更高的匹配精度和更好的匹配鲁棒性，对弱纹理的倾斜面匹配效果尤其明显。

实施例2

本发明实施例还提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的立体影像全局优化匹配的平滑项参数计算方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。

实施例3

图7是根据本发明实施例的立体影像全局优化匹配的平滑项参数计算方法的计算机设备的硬件结构示意图，如图7所示，该设备包括一个或多个处理器710以及存储器720，图7中以一个处理器710为例。

执行立体影像全局优化匹配的平滑项参数计算方法的设备还可以包括：输入装置730和输出装置740。

处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接，图7中以通过总线连接为例。

处理器710可以为中央处理器(centralprocessingunit，cpu)。处理器710还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器720作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的立体影像全局优化匹配的平滑项参数计算方法对应的程序指令/模块。处理器710通过运行存储在存储器720中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的立体影像全局优化匹配的平滑项参数计算方法。

存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储弱口令扫描装置的使用所创建的数据等。此外，存储器720可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器720可选包括相对于处理器710远程设置的存储器，这些远程存储器可以通过网络连接至立体影像全局优化匹配的平滑项参数计算的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置730可接收输入的数字或字符信息，以及产生与立体影像全局优化匹配的平滑项参数计算的处理装置的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器720中，当被所述一个或者多个处理器710执行时，执行如图5所示的方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果以及未在本实施例中详尽描述的技术细节，具体可参见如图5至图6所示的实施例中的相关描述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。