考附图3描述根据本发明实施例的识别视差深度图像中噪声的噪声识别方法。
[0031]图3示出了根据本发明实施例的识别视差深度图像中噪声的噪声识别方法示例200的总体流程图。
[0032]在步骤S210中，将视差深度图像分成多个图像块。
[0033]首先说明一下，这里并不限制视差深度图像的来源，该视差深度图像可以是本地生成的，或者从外部接收的，其来源不构成对本发明的限制。另外视差深度图像可以是通过任何计算视差值的方法得出的，例如块匹配、动态规划法、图割法、半全局匹配法(SGM)等等，视差深度图像的生成方法不构成对本发明的限制。另外，在传递到本发明的噪声识别方法的处理之前，该视差深度图像可以经过任何其它处理。
[0034]另外需要说明的是，这里的视差深度图像可以是原始获得的整幅图像，也可以是从整幅图像中取出的部分图像。也就是说，本发明对于作为处理对象的图像的大小、形状等没有限制。
[0035]作为图像块划分方法的示例，在一个例子中，可以将整个图像等分成彼此不重叠的多个图像块。在另一个例子中，可以将整个图像分成图像块具有重叠的多个图像块，例如每个图像块和其例如水平相邻的图像块之间在水平方向具有1/2的重叠，即彼此有一半是重叠的。通过使得图像块之间具有重叠，让每一个像素点都有机会处于某一个图像块的较中间位置，使得图像块中的物体能够有更多机会完整地存在于一个图像块中，而不被图像块切割。
[0036]关于图像块的大小，应尽量避免将视差图像中的一个物体拆分开为最佳，换句话说，应尽量使得一个物体出现在同一个图像块中，而避免出现在多个不同的图像块中。
[0037]在传统的基于滤波的噪声去除方法中，每个图像块的尺寸非常小，例如3*3，5*5。大多数情况下，较小图像块仅仅只包含一个物体，因而如果从视差值的直方图分布来看，仅仅存在一个峰值，例如图4(a)所示。针对于图4(a)的例子，基于滤波的方法一般能取得较好的效果，然而针对图4(b)的例子，一个图像块中包含多个物体，从直方图看，可能存在多个峰值，如图4(b)所示。如果对于图4(b)的例子，依然采用基于滤波的噪声去除方法，结果处理后的图像块往往会变得很模糊，而且不同物体之间的分割会变得更不明显。
[0038]相比于例如中值滤波方法中的图像块的大小，本发明实施例中的图像块的大小可以大得多。在一个示例中，本发明实施例的图像块的大小为30*30。在另一个示例中，本发明实施例的图像块的大小为40*40。不过这仅为示例，本发明实施例的图像块的大小可以更小或更大。
[0039]如后续所说明的，本发明实施例的方法中，对图像块的视差值进行分析，找到正确的或可信的视差取值范围，并将图像块中未落入可信视差取值范围的像素判定为噪声。由此，本发明实施例中的图像块可以取较大的大小，从而本发明实施例的噪声去除方法或装置能够以较高的计算效率运行，而且不会影响正确的视差值。
[0040]在一个示例中，图像块的尺寸随图像块的代表性视差值的大小不同而不同，其中当图像块的代表性视差值较大时，图像块的尺寸较大。这是因为，视差值越大，意味着被摄对象距离拍摄相机的距离越近，因此该部分的图像像素代表的实际尺寸较小，因此图像块的尺寸可以大些，以便同一个物体有更大概率出现在同一个图像块中。相反，视差值越小，意味着被摄对象距离拍摄相机的距离越远，因此图像块的尺寸可以小些。
[0041 ] 在一个示例中，图像块的代表性视差值可以计算为图像块的所有有效像素(不包含视差值为零的像素)的视差值之和的均值。需要说明的是，在本文中，除非特别说明，否则像素或有效像素是指具有有效视差值(非零视差值)的像素。在另一个示例中，图像块的代表性视差值可以为图像块的所有视差取值之中取其值的像素个数最多的视差值。不过，代表性视差值的定义不构成对本发明的限制，可以根据需要限定其它意义上的代表性视差值。
[0042]在另一个示例中，为了尽量避免将视差图像中的一个物体拆分开，可以在图像块划分之前，进行粗略的物体检测，并基于物体检测的结果来进行图像块划分，使得避免在一个图像块中，包括不同的物体，尤其是明显视差不同的物体。
[0043]在步骤S220中，取出第一个图像块。
[0044]这里对于图像块选取的顺序没有限制，可以按从上到下或从下到上的顺序进行从左到右或者从右到左的行扫描，或者也可以按其它顺序例如随机顺序进行图像块选取，只要能够以某种方式遍历所有图像块即可。
[0045]在步骤S230中，确定该图像块的视差值取值范围中的可信视差取值范围。
[0046]所谓可信视差取值范围，是指该图像块在理想的没有噪声的情况下所应表现出来的视差取值范围。在实际操作中，可以指图像块的视差值取值范围中置信度较高的一个或多个部分取值范围。
[0047]下面参考图5描述根据本发明一个实施例的确定图像块的视差值取值范围中的可信视差取值范围的示例性方法230。
[0048]图5示出了本发明一个实施例的确定图像块的视差值取值范围中的可信视差取值范围的示例性方法230的流程图。
[0049]如图5所示，在步骤S231中，计算该图像块的视差分布直方图。
[0050]在一个示例中，计算视差分布直方图可以包括下述操作。
[0051]首先，将该图像块的视差值取值范围或者整个图像的视差值取值范围平均分成m个范围，[a0, al), [al, a2)，…，[a(m-l), am),其中a0和am分别为该图像块的视差值取值的最小值和最大值或者整幅图像的视差值取值的最小值和最大值，m为大于2的正整数。
[0052]在一个示例中，对于所有图像块，a0和am为整幅图像的视差值取值的最小值和最大值。考虑到在本发明噪声去除中不考虑视差值为零的像素(视差图中的黑色像素)，因此可以将a0设置为一个极小值，例如0.0001。最大值am可以根据例如立体相机的取值极限来确定，例如，对于特定相机，可以为70。在一个示例中，每个范围的间距为3。在另一个示例中，每个范围的间距为5。可以根据需要设定不同的间距。
[0053]在划分得到m个范围之后，扫描图像块内各个像素的视差值，统计落入每个视差值范围内的像素的个数。从而得到类似于诸如图4中(a)和(b)形式的视差分布直方图。
[0054]在步骤S231计算得到视差分布直方图之后，前进到步骤S232。
[0055]在步骤S232中，利用视差分布直方图将视差值取值范围划分成多个范围。
[0056]此步骤的划分多个范围的操作旨在为后续从中选择可信视差取值范围做准备。
[0057]在一个示例中，将视差分布直方图中的视差值取值范围划分成多个范围可以包含下述操作。
[0058]首先，以视差分布直方图的统计计算中涉及的各个取值范围作为初始划分的视差范围。
[0059]然后，计算每两个相邻视差范围的代表性视差值之间的距离。在一个示例中，可以找到每个视差范围中取其值的像素个数最多的视差值作为该视差范围的代表性视差值。或者，如上所述，可以以视差取值落入该视差范围中的所有像素的视差值的均值作为该视差范围的代表性视差。在一个示例中，确定了视差范围的代表性视差值之后，代表性视差值之间的距离可以计算为该代表性视差值之间的差的绝对值。当然，例如，可以用代表性视差值之间的差的平方作为代表性视差值之间的距离。
[0060]接下来，判断所计算的相邻视差范围的代表性视差值之间的距离是否小于预定阈值。如果该两个相邻视差范围的代表性视差值之间的距离小于预定阈值，合并两个视差范围。在一个示例中，例如，在初始视差范围的间距为5的情况下，预定阈值例如可以取为3。在另一个示例中，阈值可以是动态变化的，例如可以根据视差范围的大小而适应性地调整。
[0061]重复上述距离计算和视差范