一种3D图像的视差图获取方法及系统

摘要

本发明公开了一种3D图像的视差图获取方法及系统，通过分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；根据每一行所述的视差形成所述3D图像的视差图；采用维特比算法在所有的可能的视差图中寻找与真实视差图差距最小的最大似然视差图，使得得到的视差图更准确，通过维特比算法求视差图的最佳解，大大减少了计算量，使得获取视差图可通过硬件实现，带来了大大的方便。

权利要求

1.一种3D图像的视差图获取方法，其特征在于，包括以下步骤：A、分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；

B、对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；

C、对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；

D、根据每一行所述的视差形成所述3D图像的视差图；

所述步骤A具体包括：

A1、将所述左图像和右图像进行灰度处理，具体为：I＝R+G+B，其中，R，G，B为所述左图像和右图像中每个像素点转换前的分量值；I为每个像素点转换后的灰度值，且I取R、G和B之和的高8位；

所述步骤C具体包括：

C1、对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

C2、根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

2.根据权利要求1所述的3D图像的视差图获取方法，其特征在于，所述步骤B具体包括：B1、定义IL(x,y)和IR(x,y)分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点(x,y)为图像的水平和垂直方向的坐标；

B2、通过块匹配函数对所述左图像和右图像的灰度信息进行块匹配处理，所述块匹配函数为： 其中，h为一整数，其取值范围在1到4之间，整数d定义在区间[dmin,dmax]上，dmin和dmax均为整数；

B3、将左图像向右水平位移d个像素点，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y)为中心、(2h+1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵。

3.根据权利要求2所述的3D图像的视差图获取方法，其特征在于，所述步骤C1具体包括：C11、对所述三维矩阵的每一行进行代价矩阵处理；所述三维矩阵为X*Y*(dmax-dmin+1)的三维矩阵，其中，X和Y分别为3D图像垂直方向和水平方向上的像素数量；通过所述块匹配函数计算第m行的代价矩阵Jm为 其中，y∈[1，Y]，m∈[1，X]，K＝dmax-dmin+1。

4.根据权利要求3所述的3D图像的视差图获取方法，其特征在于，所述步骤C2具体包括：C21、设第m行视差为D＝{D1，…，DY}，其中，dmin≤Dy≤dmax，1≤y≤Y；所述视差约束条件为|Dy-Dy+1|≤N，即同一行相邻的视差的差异不超过某一正整数N；

C22、定义代价函数P(x)满足：0≤P(1)≤P(2)≤……≤P(N)；其中，当x＞N时，P(x)为∞；

C23、定义第m行的优化目标函数为： 其中，Jm

(Dy；y)为所述代价矩阵Jm中的第Dy行第y列的元素；

C24、对每一行对应的代价矩阵进行优化，通过维特比算法找出使Em(D)最小的视差D作为该第m行的视差，即得出

5.根据权利要求4所述的3D图像的视差图获取方法，其特征在于，所述步骤D包括：D1、根据所述三维矩阵的每一行对应的视差构成对应的X行Y列的视差矩阵；

D2、所述视差矩阵即为所述3D图像对应的视差图。

6.一种3D图像的视差图获取系统，其特征在于，包括：灰度获取模块，用于分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；

块匹配处理模块，用于对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；

代价矩阵视差计算模块，用于对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；

视差图生成模块，用于根据每一行所述的视差形成所述3D图像的视差图；

所述灰度获取模块还用于将所述左图像和右图像进行灰度处理，具体为：I＝R+G+B，其中，R，G，B为所述左图像和右图像中每个像素点转换前的分量值；I为每个像素点转换后的灰度值，且I取R、G和B之和的高8位；

所述代价矩阵视差计算模块包括：

代价矩阵获取单元，用于对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

视差计算单元，用于根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

7.根据权利要求6所述的3D图像的视差图获取系统，其特征在于，所述块匹配处理模块包括：块匹配计算单元，用于定义IL(x,y)和IR(x,y)分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点(x,y)为图像的水平和垂直方向的坐标；通过块匹配函数对所述左图 像和右图像的灰度信息进行块匹配处理 ，所述块匹配函数 为：其中，h为一整数，其

取值范围在1到4之间，整数d定义在区间[dmin,dmax]上，dmin和dmax均为整数；

三维矩阵生成单元，用于将左图像向右水平位移d个像素点，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y)为中心、(2h+1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵。

说明书

一种3D图像的视差图获取方法及系统

技术领域

[0001] 本发明涉及3D显示领域，尤其涉及的是一种3D图像的视差图获取方法及系统。

背景技术

[0002] 一般来说，3D图像通常由两路图像组成，对应于某一特定的观看角度。根据这两路视频所包含的视差信息，可以生成新的观看角度所对应的图像，这是裸眼3D电视的关键所在。现有的由输入图像来计算视差图，第一步通常是进行块匹配，然后是采用不同的方法优化块匹配的结果，以获得较为准确的结果。但现有的优化块匹配结果的全局算法过于复杂，用硬件实现存在巨大的困难，而非全局算法则无法给出令人满意的结果，因此现有的获取视差图的方法中视差图准确率低，带来了大大的不便。

[0003] 因此，现有技术还有待于改进和发展。

发明内容

[0004] 本发明要解决的技术问题在于，提供一种3D图像的视差图获取方法及系统，旨在解决现有的视差图获取方法获取的视差图硬件实现困难，准确率低的问题。

[0005] 本发明解决技术问题所采用的技术方案如下：

[0006] 一种3D图像的视差图获取方法，其中，包括以下步骤：

[0007] A、分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；

[0008] B、对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；

[0009] C、对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；

[0010] D、根据每一行所述的视差形成所述3D图像的视差图。

[0011] 所述的3D图像的视差图获取方法，其中，所述步骤A具体包括：

[0012] A1、将所述左图像和右图像进行灰度处理，具体为：I=R+G+B，其中，R，G，B为所述左图像和右图像中每个像素点转换前的分量值；I为每个像素点转换后的灰度值，且I取R、G和B之和的高8位。

[0013] 所述的3D图像的视差图获取方法，其中，所述步骤B具体包括：

[0014] B1、定义 和 分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点 为图像的水平和垂直方向的坐标；

[0015] B2、通过块匹配函数对所述左图像和右图像的灰度信息进行块匹配处理，所述块匹配函数为： ，其中，h为一整数，其取值范围在1到4之间，整数d定义在区间 上， 和
均为整数；

[0016] B3、将左图像向右水平位移d个像素点，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y) 为中心、(2h+ 1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵。

[0017] 所述的3D图像的视差图获取方法，其中，所述步骤C具体包括：

[0018] C1、对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

[0019] C2、根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

[0020] 所述的3D图像的视差图获取方法，其中，所述步骤C1具体包括：

[0021] C11、对所述三维矩阵的每一行进行代价矩阵处理；所述三维矩阵为X*Y*(dmax-dmin+ 1)的三维矩阵，其中，X和Y分别为3D图像垂直方向和水平方向上的像素数量；通过所述块匹配函数计算第m行的代价矩阵Jm为 ，其中，y∈[1，Y]，m∈[1，X]，K= dmax-dmin+ 1。

[0022] 所述的3D图像的视差图获取方法，其中，所述步骤C2具体包括：

[0023] C21、设第m行视差为D ={D1，…，DY }，其中，dmin≤Dy≤dmax，1≤y≤Y；所述视差约束条件为 ，即同一行相邻的视差的差异不超过某一正整数N；

[0024] C22、定义代价函数P(x)满足：0≤P(1)≤P(2)≤……≤P(N)；其中，当x＞N时，P(x)为∞；

[0025] C23、定义第m行的优化目标函数为： ，其中，Jm(Dy；y) 为所述代价矩阵Jm中的第Dy行第y列的元素；

[0026] C24、对每一行对应的代价矩阵进行优化，通过维特比算法找出使E（m D）最小的视差D作为该第m行的视差，即得出 。

[0027] 所述的3D图像的视差图获取方法，其中，所述步骤D包括：

[0028] D1、根据所述三维矩阵的每一行对应的视差构成对应的X行Y列的视差矩阵；

[0029] D2、所述视差矩阵即为所述3D图像对应的视差图。

[0030] 一种3D图像的视差图获取系统，其中，包括：

[0031] 灰度获取模块，用于分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；

[0032] 块匹配处理模块，用于对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；

[0033] 代价矩阵视差计算模块，用于对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；

[0034] 视差图生成模块，用于根据每一行所述的视差形成所述3D图像的视差图。

[0035] 所述的3D图像的视差图获取系统，其中，所述块匹配处理模块包括：

[0036] 块匹配计算单元，用于定义 和 分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点 为图像的水平和垂直方向的坐标；通过块匹配函数对所述左图像和右图像的灰度信息进行块匹配处理，所述块匹配函数为：
，
其中，h为一整数，其取值范围在1到4之间，整数d定义在区间 上， 和
均为整数；

[0037] 三维矩阵生成单元，用于将左图像向右水平位移d个像素点，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y) 为中心、(2h+ 1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵。

[0038] 所述的3D图像的视差图获取系统，其中，所述代价矩阵视差计算模块包括：

[0039] 代价矩阵获取单元，用于对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

[0040] 视差计算单元，用于根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

[0041] 本发明所提供的一种3D图像的视差图获取方法及系统，有效地解决了现有的视差图获取方法获取的视差图硬件实现困难，准确率低的问题，通过分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；根据每一行所述的视差形成所述3D图像的视差图；将块匹配后的优化构造成隐马尔可夫过程，采用维特比算法在所有的可能的视差图中寻找最大似然的视差图，最大似然视差图和真实的视差图差距最小，使得得到的视差图更准确，并且通过维特比算法求视差图的最佳解，大大减少了计算量，可通过硬件实现获取视差图，带来了大大的方便。

附图说明

[0042] 图1为本发明提供的3D图像的视差图获取方法较佳实施例的流程图。

[0043] 图2为本发明提供的3D图像的视差图获取方法中维特比算法的示意图。

[0044] 图3为本发明提供的3D图像的视差图获取系统较佳实施例的结构框图。

具体实施方式

[0045] 本发明提供一种3D图像的视差图获取方法及系统，为使本发明的目的、技术方案及优点更加清楚、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仅用以解释本发明，并不用于限定本发明。

[0046] 请参阅图1，图1为本发明提供的3D图像的视差图获取方法较佳实施例的流程图，如图所示，所述方法包括以下步骤：

[0047] 步骤S100、分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；

[0048] 步骤S200、对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；

[0049] 步骤S300、对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；

[0050] 步骤S400、根据每一行所述的视差形成所述3D图像的视差图。

[0051] 下面结合具体的实施例对上述步骤进行详细的描述。

[0052] 在步骤S100中，分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息。具体来说，就是对所述左图像和右图像进行灰度处理，具体为：I=R+G+B，其中，R，G，B为所述左图像和右图像中每个像素点转换前的分量值；I为每个像素点转换后的灰度值，且I取R、G和B之和的高8位。由于输入的电视信号为24比特的RGB彩色信号。由RGB产生的灰度信号定义为： I=0.2989R+0.5870G+0.1140B。为降低计算复杂性，本发明使用8比特灰度信息。由RGB产生的灰度信号定义为：I=R+G+B，且I取RGB之和的高8位。

[0053] 在步骤S200中，对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵。具体来说，由步骤S100可得到左图像和右图像对应的灰度信息，定义和 分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点为图像的水平和垂直方向的坐标。进行块匹配处理的块匹配函数SAD (summation of absolute difference) 定义为： ，
其中，h为一整数，其取值范围在1到4之间，整数d定义在区间 上， 和
均为整数。所述块匹配函数的意思是将左图像向右水平位移d个像素点，计算位移后的左图与右图的点对点之间的灰度值差异，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y) 为中心、(2h+ 1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵J。所述三维矩阵J为X*Y*(dmax-dmin+ 1)的三维矩阵，其中，X和Y分别为3D图像垂直方向和水平方向上的像素数量，也就是说，所述三维矩阵J，其前两维和输入图像的大小一致，第三维的大小是 。

[0054] 在步骤S300中，对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法(Viterbi Algorithm)得到每一行代价矩阵对应的视差。具体来说，需要说明的是，左图中点(x，y)视差为D的含义是: 左图中第x行第y列像素对应于右图的第x行第y + D列的像素。

[0055] 所述步骤S300具体包括：S310、对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

[0056] S320、根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型(Hidden Markove Model)，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

[0057] 在实际应用时，先对所述三维矩阵的每一行进行代价矩阵处理；所述三维矩阵为X*Y*(dmax-dmin+ 1)的三维矩阵，其中，X和Y分别为3D图像垂直方向和水平方向上的像素数量；通过所述块匹配函数计算第m行的代价矩阵Jm为 ，其中，y∈[1，Y]，m∈[1，X]，K= dmax-dmin+ 1。y是从左至右的像素点的标号，如第31 个像素点，则y为31，其取值范围是1 到Y。d为dmin 与dmax之间所有的整数。相应的m的取值为1到X。

[0058] 再根据预先设置的视差约束条件和优化目标函数，具体来说，所述步骤S320具体包括：

[0059] S321、设第m行视差为D ={D1，…，DY }，其中，dmin≤Dy≤dmax，1≤y≤Y；所述视差约束条件为 ，即同一行相邻的视差的差异不超过某一正整数N；

[0060] S322、定义代价函数P(x)满足：0≤P(1)≤P(2)≤……≤P(N)；其中，当x＞N时，P(x)为∞；

[0061] S323、定义第m行的优化目标函数为： ，其中，Jm(Dy；y) 为所述代价矩阵Jm中的第Dy行第y列的元素；

[0062] S324、对每一行对应的代价矩阵进行优化，通过维特比算法找出使E（m D）最小的视差D作为该第m行的视差，即得出 。也就是说优化的目标是找使Em（D）最小的视差D为该第m行的视差。通过上述的约束条件和优化目标函数，构造出了隐马尔可夫过程，然后通过维特比算法可找出每一行使所述优化目标函数值最小时对应的视差。

[0063] 在实际应用时，所述维特比算法具体如下：

[0064] 先对下面将要出现的符号的含义进行集中说明。DR= dmin- dmax + 1；c = N + 1。a←b 是指将b 赋予a。 为 的第 行元素组成的行向量；  为 的第 行元素组成的列向量。 为 的第 行第 列至第 列元素组成的行向量。 为 的
第 列第 行至第 行元素组成的列向量。

[0065] 算法流程如下：

[0066] S1、 ；S2、 ；S3、构造和 同样大小的全零矩阵 ；S4、构造的矩阵A。

[0067] 所述步骤S4具体为：S41、 ；S42、对于1≤j≤N，计算 和；S43、矩阵A的计算可用如下的矩阵来表示：
；
S44、再构造向量 ；S45、 ；S46、 ；
S47、 ；S48、 。从而得到矩阵A(A 
的元素位于两条平行线之间, 矩阵之上的数为列标号)。

[0068] S5、计算A 每一列的最小值和其相应的行标；S5具体包括：S51、 所有列的最小值；S52、 所有列的最小值所对应的行标。

[0069] S6、 ；

[0070] S7、

[0071] S8、如果 ，输出 ；否则 ，返回S4；

[0072] S9、定义长为 的向量 ；

[0073] S10、 ；

[0074] S11、 ；

[0075] S12、 ；

[0076] S13、 ；

[0077] S14、如果 ， ，返回S12；

[0078] S15、第m行经优化得到的视差图为dmapm←

[0079] 对所有行重复以上步骤，便可得到整幅图像的视差图dmap。

[0080] 进一步地，对上述算法阐述如下，请参阅图2，图2为本发明提供的3D图像的视差图获取方法中维特比算法的示意图。横向数字表示图像的水平坐标，即y。纵向数字表示视差, 这里视差范围是-1至2，即dmin= -1，dmax = 2。图中的圆圈称为状态，以纵向和横向数字对来标识之，如S(0；3) 第2 行第3 个圆圈, 其物理意义是第二个像素点的视差是0 的状态。上述算法可以表述为在图2的网格中寻找幸存路径的过程。

[0081] 请参阅图2，步骤如下：

[0082] H1、将 从上至下填充到第一列圆圈中, 以 表示这组数。

[0083] H2、第2列的四个状态由前列的四个状态转移而来, 以有箭头的连线表示, 这些连线称为路径。

[0084] H3、计算进入每一状态的四条路径的重量 . 进入状态S(d,2)的四条路径的重量由下式计算： 。

[0085] H4、对第2列所有的状态计算 , 并选取各自的最小值以更新 ,  ;记录各自取得最小值的 , 即本状态是由前一列的哪一个状态转移而来, 在图中表示为实线, 称为幸存路径。

[0086] H5、向右前进一列, 重复H3- H4, 直至网格图的最右列, 在此图示中为第四列。

[0087] H6、选出数值最小的 所对应的状态; 从该状态开始, 沿实线从右至左记录下所经历的状态. 假设在此图中 最小, 得到的状态图为： 。

[0088] H7、输出视差0,0,1,0。这样就直观地表现了维特比算法的过程。

[0089] 在步骤S400中，根据每一行所述的视差形成所述3D图像的视差图。具体来说，在步骤S300中得到每一行对应的视差后，便根据每一行对应得到的视差构成所述3D图像对应的视差图。也就是说，根据所述三维矩阵的每一行对应的视差构成对应的X行Y列的视差矩阵；所述视差矩阵即为所述3D图像对应的视差图。由步骤S300可知，第m行视差为D ={D1，…，DY }，且m∈[1，X]，X和Y分别为3D图像垂直方向和水平方向上的像素数量；也就是说，通过计算三维矩阵的每一行对应的视差，从而便可得到一个视差矩阵，即所述3D图像对应的视差图。

[0090] 本发明提供的3D图像的视差图获取方法，根据图像的物理特性即相邻点之间视差的差距在某一范围内，将视差按照像素点的次序从左至右排列，每一像素点所可能的视差取决于其左边像素点的视差，因而构成一个马尔可夫链，将块匹配后的优化构造成隐马尔可夫过程，采用维特比算法在所有的可能的视差图中寻找真实的视差图差距最小的最大似然视差图，也就是利用维特比算法求视差图的最佳解，从而将计算量减少到硬件实现成为可能的程度，使得视差图结果更准确，给用户带来了大大的方便。

[0091] 基于上述3D图像的视差图获取方法，本发明还提供了一种3D图像的视差图获取系统，如图3所示，所述系统包括：

[0092] 灰度获取模块10，用于分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；具体如步骤S100所述；

[0093] 块匹配处理模块20，用于对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；具体如步骤S200所述；

[0094] 代价矩阵视差计算模块30，用于对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；具体如步骤S300所述；

[0095] 视差图生成模块40，用于根据每一行所述的视差形成所述3D图像的视差图；具体如步骤S400所述。

[0096] 进一步地，所述块匹配处理模块20包括：

[0097] 块匹配计算单元，用于定义 和 分别为左图像和右图像的灰度信息，其中，以左上角的点为原点，点 为图像的水平和垂直方向的坐标；通过块匹配函数对所述左图像和右图像的灰度信息进行块匹配处理，所述块匹配函数为：
，其中，h为一整数，其
取值范围在1到4之间，整数d定义在区间 上， 和 均为整数；

[0098] 三维矩阵生成单元，用于将左图像向右水平位移d个像素点，通过所述块匹配函数计算位移后的左图像与右图像以点(x，y) 为中心、(2h+ 1)*(2h+1)个点对点之间的差值之和，从而得到对应的包含视差图信息的三维矩阵。

[0099] 进一步地，所述代价矩阵视差计算模块30包括：

[0100] 代价矩阵获取单元，用于对所述三维矩阵的每一行进行代价矩阵处理，得到每一行对应的代价矩阵；

[0101] 视差计算单元，用于根据预先设置的视差约束条件和优化目标函数，构造隐马尔可夫模型，对每一行对应的代价矩阵进行优化；通过维特比算法找出每一行使所述优化目标函数值最小时对应的视差。

[0102] 综上所述，本发明提供的一种3D图像的视差图获取方法及系统，通过分别对3D图像的左图像和右图像进行灰度处理，得到对应的灰度信息；对所述左图像和右图像的灰度信息进行块匹配处理，得到包含视差图信息的三维矩阵；对所述三维矩阵的每一行进行代价矩阵处理，通过维特比算法得到每一行代价矩阵对应的视差；根据每一行所述的视差形成所述3D图像的视差图；将块匹配后的优化构造成隐马尔可夫过程，采用维特比算法在所有的可能的视差图中寻找最大似然的视差图，最大似然视差图和真实的视差图差距最小，使得得到的视差图更准确，并且通过维特比算法求视差图的最佳解，大大减少了计算量，可通过硬件实现获取视差图，实现简单，成本较低。

[0103] 应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。