CN101980545A

CN101980545A - 一种自动检测3dtv视频节目格式的方法

Info

Publication number: CN101980545A
Application number: CN 201010563942
Authority: CN
Inventors: 张拥军
Original assignee: Shenzhen Jiuzhou Electric Appliance Co Ltd
Current assignee: Shenzhen Jiuzhou Electric Appliance Co Ltd
Priority date: 2010-11-29
Filing date: 2010-11-29
Publication date: 2011-02-23
Anticipated expiration: 2030-11-29
Also published as: CN101980545B

Abstract

自动检测三维电视视频节目格式的方法：1.在预设间隔内获取并判断一帧图像的熵是否大于第一预设阀值，若是继续执行，若否返回；2.将一帧图像均分为n块；3.分别计算n个图像块之间的线性相关系数；4.分别判断n个图像块任意相邻两个图像的相关系数是否大于第二预设阀值，若是任意左右相邻两个图像的相关系数都大于第二预设阀值，第一计数器加一，若是任意上下相邻两个图像的相关系数都大于第二预设阀值，第二计数器加一；5.重复1至4m-1次；若第一计数器为m则为左右三维格式；若第二计数器为m则为上下三维格式；若否则为二维格式。本发明根据图像的熵判断色彩是否丰富和图像块之间的相关系数判断图像块之间的相似性使得该方法准确又快速。

Description

一种自动检测3DTV视频节目格式的方法

技术领域

本发明涉及3D数字电视领域，尤其涉及一种自动检测3DTV视频节目格式的方法。

背景技术

在目前的广播电视系统或者IPTV(Internet Protocol Television，交互式网络电视)等系统中，开播3D数字电视节目，主要的格式有左右3D视频格式、上下3D视频格式等等，另外，在广播电视系统或者IPTV系统中还有大量的2D节目。

随着3DTV(three Dimensional Television，三维电视)技术的不断发展，需提供一种如何自动检测视频节目格式是2D还是3D的方法，若是3D视频节目格式，则需检测3D视频节目格式是属于哪种3D视频节目格式，如左右3D视频格式、上下3D视频格式。

发明内容

本发明要解决的技术问题在于，针对现有技术的无法自动检测视频节目格式属于哪种视频格式的缺陷，提供一种准确、快速的自动检测3DTV视频节目格式的方法。

本发明解决其技术问题所采用的技术方案是：构造了一种自动检测3DTV视频节目格式的方法，所述3DTV用于接收视频数据流，所述视频节目格式包括左右3D视频格式、上下3D视频格式以及2D视频格式，所述方法包括以下步骤：

S1.在预设时间间隔内获取一帧图像，并判断所述一帧图像的熵是否大于第一预设阀值，若是，则执行步骤S2，若否，则重复步骤S1；

S2.将所述一帧图像均匀分为n块，其中，n为大于1的自然数；

S3.分别计算n个图像块之间的线性相关系数，以描述n个图像块之间的相似性；

S4.分别判断所述n个图像块中的任意相邻的两个图像的线性相关系数是否大于第二预设阀值，若是任意左右相邻的两个图像的线性相关系数都大于第二预设阀值，第一计数器的值累加1，若是任意上下相邻的两个图像的线性相关系数都大于第二预设阀值，第二计数器的值累加1；

S5.重复步骤S1-S4m-1次，其中，m为大于0的自然数；

S6.若第一计数器的值为m，则所检测到的视频节目格式为左右3D视频格式；

S7.若第二计数器的值为m，则所检测到的视频节目格式为上下3D视频格式；

S8.若第一计数器的值不为m，且第二计数器的值也不为m，则所检测到的视频节目格式为2D视频格式。

在本发明所述的方法中，所述步骤S1之前还包括：

S11.将所述第一计数器和所述第二计数器分别清零。

在本发明所述的方法中，所述步骤S1之前还包括：

S12.在接收所述视频数据流后，对所述视频数据流进行解码，以还原出每帧图像；

在本发明所述的方法中，在所述步骤S1中，按照以下公式分别计算所述一帧图像的熵：

H (X) = - Σ_{i = 1}^{n} p (x_{i}) \log_{2} p (x_{i});

其中，x_i为所述一帧图像的灰度值，概率分别为p(x_i)，

在本发明所述的方法中，在所述步骤S3中，按照以下公式分别计算n个图像块之间的线性相关系数：

C_{r} = \frac{N Σ_{j = 1}^{N} (x_{j} \times y_{j}) - Σ_{j = 1}^{N} x_{j} \times Σ_{j = 1}^{N} y_{i}}{\sqrt{(N Σ_{j = 1}^{N} x_{j}^{2} - {(Σ_{j = 1}^{N} x_{j})}^{2}) \times (N Σ_{j = 1}^{N} y_{j}^{2} - {(Σ_{j = 1}^{N} y_{j})}^{2})}}

其中，x_j与y_j分别为n个图像块中任意两个图像块分别一维化后对应位置的两个元素的灰度值，N为样本中的像素的数目。

在本发明所述的方法中，所述一帧图像的像素值选取的是Y、U、V或者R、G、B中的至少一种。

在本发明所述的方法中，在所述步骤S2中，n为4。

在本发明所述的方法中，在所述步骤S1中，所述第一预设阀值为区间(0，8)中的任意一个数。

在本发明所述的方法中，在所述步骤S4中，所述第二预设阀值为区间[0，1]中的任意一个值。

本发明还构造了一种包括使用所述的自动检测视频节目格式的方法的3DTV。

实施本发明的自动检测3DTV视频节目格式的方法，具有以下有益效果：根据计算图像的熵判断图像的色彩是否丰富，以及根据计算图像块之间的线性相关系数判断图像块之间的相似性，以确定该图像属于哪种视频格式，使用该方法检测图像的视频格式准确又快速。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为根据本发明的自动检测3DTV视频节目格式的方法实施例一的流程图；

图2为根据本发明的自动检测3DTV视频节目格式的方法实施例二的流程图；

图2A为根据本发明的自动检测3DTV视频节目格式的方法实施例二中的一帧图像均匀分为4块的示意图；

图2B为根据本发明的自动检测3DTV视频节目格式的方法实施例二中的左右3D视频格式的示意图；

图2C为根据本发明的自动检测3DTV视频节目格式的方法实施例二中的上下3D视频格式的示意图；

图2D为根据本发明的自动检测3DTV视频节目格式的方法实施例二中的test.bmp图像的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。

请参阅图1，为根据本发明的自动检测3DTV视频节目格式的方法实施例一的流程图。如图1所示，该3DTV用于接收视频数据流，该视频节目格式包括左右3D视频格式、上下3D视频格式以及2D视频格式，该方法开始于步骤S100，在接收该视频数据流后，对该视频数据流进行解码，以还原出每帧图像。

随后，在下一步骤S110，将第一计数器和第二计数器分别清零，在本发明的其他实施例中，步骤S100与步骤S110的先后顺序可以互换，也可以并行，本领域的技术人员应当了解，这里不再赘述。

随后，在下一步骤S120，在预设时间间隔内获取一帧图像，并判断该一帧图像的熵是否大于第一预设阀值，若是，则执行步骤S130，若否，则重复步骤S120，在本发明的实施例中，第一预设阀值的设置跟选取的图像的不同灰度值的范围有关，其中，256级灰度的图像的第一预设阀值为区间(0，8)中的任何一个数，在本发明的另一实施例中将以256级灰度的图像作为一个较佳实施例进行详细说明，本实施例不再赘述，按照以下公式分别计算该一帧图像的熵：

H (X) = - Σ_{i = 1}^{n} p (x_{i}) \log_{2} p (x_{i});

其中，x_i为该一帧图像的灰度值，概率分别为p(x_i)，

随后，在下一步骤S130，将该一帧图像均匀分为n块，其中，n为大于1的自然数，应当说明的是，对一帧图像如何进行均匀分块，本领域的技术人员应当了解，这里不再赘述。

随后，在下一步骤S140，分别计算n个图像块之间的线性相关系数，以描述n个图像块之间的相似性，按照以下公式分别计算n个图像块之间的线性相关系数：

C_{r} = \frac{N Σ_{j = 1}^{N} (x_{j} \times y_{j}) - Σ_{j = 1}^{N} x_{j} \times Σ_{j = 1}^{N} y_{i}}{\sqrt{(N Σ_{j = 1}^{N} x_{j}^{2} - {(Σ_{j = 1}^{N} x_{j})}^{2}) \times (N Σ_{j = 1}^{N} y_{j}^{2} - {(Σ_{j = 1}^{N} y_{j})}^{2})}}

随后，在下一步骤S150，分别判断该n个图像块中的任意相邻的两个图像的线性相关系数是否大于第二预设阀值，若是任意左右相邻的两个图像的线性相关系数是否大于第二预设阀值，第一计数器的值累加1，若是任意上下相邻的两个图像的线性相关系数都大于第二预设阀值，第二计数器的值累加1，其中，第二预设阀值为区间[0，1]中的任何一个值。

随后，在下一步骤S160，重复步骤S120-S150m-1次，其中，m为大于0的自然数，应当说明的是，m也代表获取m帧图像。

随后，在下一步骤S170，若第一计数器的值为m，则所检测到的视频节目格式为左右3D视频格式。

随后，在下一步骤S180，若第二计数器的值为m，则所检测到的视频节目格式为上下3D视频格式。

随后，在下一步骤S190，若第一计数器的值不为m，且第二计数器的值也不为m，则所检测到的视频节目格式为2D视频格式，该方法的步骤结束于确定所检测到的视频节目格式属于哪种视频格式。

优选地，该一帧图像的像素值选取的是Y、U、V或者R、G、B中的至少一种。

优选地，还包括一种使用自动检测视频节目格式的方法的3DTV。

请参阅图2，为根据本发明的自动检测3DTV视频节目格式的方法实施例二的流程图。如图2所示，该3DTV用于接收视频数据流，该视频节目格式包括左右3D视频格式、上下3D视频格式以及2D视频格式，该方法开始于步骤S200，在接收该视频数据流后，对该视频数据流进行解码，以还原出每帧图像。

随后，在下一步骤S210，将第一计数器T1和第二计数器T2分别清零，在本发明的其他实施例中，步骤S200与步骤S210的先后顺序可以互换，也可以并行，本领域的技术人员应当了解，这里不再赘述。

随后，在下一步骤S220，在预设时间间隔内获取一帧图像，并判断该一帧图像的熵是否大于第一预设阀值p，若是，则执行步骤S230，若否，则重复步骤S220，在本发明的各种实施例中，假设预设时间间隔为Δt，第一预设阀值p的设置跟选取的图像的不同灰度值的范围有关，在本实施例中，以256级灰度的图像来说，所以p的取值范围为区间(0，8)之间任意一个数，熵最大为log₂(256)＝8，应当说明的是，熵的值越高，说明选取的图像色彩越丰富越均匀，采用线性相关系数判断图像块之间的相似性得出的结论也越正确，但一般情况下所需要的判断时间也越多，为了保证正确性，一般取较高的熵阈值，但同时为了保证判断的及时性，熵值也不宜取最高值，按照以下公式分别计算该一帧图像的熵：

H (X) = - Σ_{i = 1}^{n} p (x_{i}) \log_{2} p (x_{i});

其中，x_i为该一帧图像的灰度值，概率分别为p(x_i)，

随后，在下一步骤S230，将该一帧图像均匀分为4块，分别为L1、R1、L2、R2，一帧图像分块法示意图如图2A所示，若假设一帧图像的分辨率为W*H，则L1、R1、L2、R2的宽度与高度分别为W/2和H/2，应当说明的是，对一帧图像如何进行均匀分块，本领域的技术人员应当了解，这里不再赘述。

随后，在下一步骤S240，分别计算{L1，R1}、{L2，R2}、{L1，L2}以及{R1，R2}的线性相关系数，记C_LR为L与R图像的线性相关系数，以描述4个图像块之间的相似性，按照以下公式分别计算4个图像块之间的线性相关系数：

C_{r} = \frac{N Σ_{j = 1}^{N} (x_{j} \times y_{j}) - Σ_{j = 1}^{N} x_{j} \times Σ_{j = 1}^{N} y_{i}}{\sqrt{(N Σ_{j = 1}^{N} x_{j}^{2} - {(Σ_{j = 1}^{N} x_{j})}^{2}) \times (N Σ_{j = 1}^{N} y_{j}^{2} - {(Σ_{j = 1}^{N} y_{j})}^{2})}}

其中，x_j与y_j分别为4个图像块中任意两个图像块分别一维化后对应位置的两个元素的灰度值，N为样本中的像素的数目。

随后，在下一步骤S250，分别判断C_L1L2、C_R1R2、C_L1L2以及C_R1R2是否大于第二预设阀值a，若C_R1R1＞a，C_L2R2＞a，则T1＝T1+1，若C_L1L2＞a，C_R1R2＞a，则T2＝T2+1，其中，第二预设阀值a为区间[0，1]中的任何一个值。

随后，在下一步骤S260，重复步骤S220-S250m-1次，其中，m为大于0的自然数，应当说明的是，m也代表获取m帧图像。

随后，在下一步骤S270，若第一计数器的值为m，则所检测到的视频节目格式为左右3D视频格式，左右3D视频格式如图2B所示，左图形L与右图形R的宽度和高度分别为W/2和H。

随后，在下一步骤S280，若第二计数器的值为m，则所检测到的视频节目格式为上下3D视频格式，上下3D视频格式如图2C所示，上图形L与下图形R的宽度和高度分别为W和H/2。

随后，在下一步骤S290，若第一计数器的值不为m，且第二计数器的值也不为m，则所检测到的视频节目格式为2D视频格式，该方法的步骤结束于确定所检测到的视频节目格式属于哪种视频格式。

为了更清楚的描述本发明的技术方案，以test.bmp图像为例来实施本发明实施例二的技术方案，test.bmp图像的示意图如图2D所示，请结合参考图2，当执行到步骤S220时，在预设时间间隔Δt内获取一帧test.bmp图像，并计算该test.bmp图像RGB的熵，此时取p＝7，则按照熵的计算公式：H(X)＝7.4321＞7，则执行步骤S230。

执行完步骤S230，在步骤S240中，分别计算{L1，R1}、{L2，R2}、{L1，L2}以及{R1，R2}的线性相关系数，则根据步骤S 240中的线性相关系数公式计算有：

corrcoef(L1，R1)＝0.8160；

corrcoef(L1，L2)＝0.0678；

corrcoef(R1，R2)＝0.0286；

corrcoef(L2，R2)＝0.5680。

随后，假定在步骤S250中的第二预设阀值a＝0.5，在步骤S260中的m＝1，因为corrcoef(L1，R1)＞0.5，corrcoef(L2，R2)＞0.5，则T1＝1，则说明test.bmp图像是左右3D视频格式的图像。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims

1.一种自动检测3DTV视频节目格式的方法，所述3DTV用于接收视频数据流，所述视频节目格式包括左右3D视频格式、上下3D视频格式以及2D视频格式，其特征在于，所述方法包括以下步骤：

S2.将所述一帧图像均匀分为n块，其中，n为大于1的自然数；

S5.重复步骤S1-S4m-1次，其中，m为大于0的自然数；

2.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：

S11.将所述第一计数器和所述第二计数器分别清零。

3.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：

4.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，按照以下公式分别计算所述一帧图像的熵：

H (X) = - Σ_{i = 1}^{n} p (x_{i}) \log_{2} p (x_{i});

其中，x_i为所述一帧图像的灰度值，概率分别为p(x_i)，

5.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，按照以下公式分别计算n个图像块之间的线性相关系数：

C_{r} = \frac{N Σ_{j = 1}^{N} (x_{j} \times y_{j}) - Σ_{j = 1}^{N} x_{j} \times Σ_{j = 1}^{N} y_{i}}{\sqrt{(N Σ_{j = 1}^{N} x_{j}^{2} - {(Σ_{j = 1}^{N} x_{j})}^{2}) \times (N Σ_{j = 1}^{N} y_{j}^{2} - {(Σ_{j = 1}^{N} y_{j})}^{2})}}

6.根据权利要求1-5任一项所述的方法，其特征在于，所述一帧图像的像素值选取的是Y、U、V或者R、G、B中的至少一种。

7.根据权利要求1-5任一项所述的方法，其特征在于，在所述步骤S2中，n为4。

8.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述第一预设阀值为区间(0，8)中的任意一个数。

9.根据权利要求1所述的方法，其特征在于，在所述步骤S4中，所述第二预设阀值为区间[0，1]中的任意一个值。

10.一种包括使用权利要求1-9任一项所述的自动检测视频节目格式的方法的3DTV。