CN116485859A - 一种窗口的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开是关于一种窗口的确定方法，包括：通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，1≤k≤L；确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

Description

一种窗口的确定方法、装置、电子设备及存储介质

技术领域

本公开涉及信息处理领域，尤其涉及一种一种窗口的确定方法、装置、电子设备及存储介质。

背景技术

随着影像技术的发展，在通过图像采集模组采集图像时得到的图像的质量越来越高。越来越多的终端设备中都具有图像采集功能，通过终端设备中的图像采集模组可以生成图像，实现图像的采集。为了得到质量更高的图像，图像采集模组可以生成具有深度信息的图像，例如通过根据结构光成像原理进行成像的图像采集模组，可以得到当前拍摄场景的深度信息，图像采集模组可以根据该深度信息生成具有深度信息的图像。

发明内容

本公开提供一种窗口的确定方法、装置、电子设备及存储介质。

本公开实施例的第一方面，提供一种窗口的确定方法，包括：通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，1≤k≤L；确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

在一个实施例中，在遍历所述预设散斑图像时，第k个所述备选窗口在所述预设散斑图像中遍历N个不同的区域；所述方法包括：根据第k个所述备选窗口位于第i个区域时所包含像素的灰阶，确定在第i个区域中第k个所述备选窗口内灰阶为m的概率密度；其中，1≤i≤N。

在一个实施例中，所述确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，包括：根据第k个所述备选窗口在N个区域中对应的各个灰阶的所述概率密度的熵，确定所述平均信息量。

在一个实施例中，所述确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，包括：根据第k个所述备选窗口位于第i个区域时第k个所述备选窗口内灰阶为m的所述概率密度，与第k个所述备选窗口位于第j区域时第k个所述备选窗口内灰阶为m的所述概率密度，确定所述信息差异量；其中，所述第j区域为N个区域中除第i个区域外的区域。

在一个实施例中，所述信息参数包括平均信息量和信息差异量时，所述根据所述信息参数，从L个所述备选窗口中确定出目标窗口，包括：根据所述平均信息量和所述平均信息量的第一权重，确定第一参考值；根据所述信息差异量和所述信息差异量的第二权重，确定第二参考值；根据所述第一参考值和所述第二参考值，确定所述目标窗口。

在一个实施例中，所述根据所述第一参考值和所述第二参考值，确定所述目标窗口，包括：将所述第一参考值和所述第二参考值之和最大的所述备选窗口，确定所述目标窗口。

在一个实施例中，所述根据所述信息参数，从L个所述备选窗口中确定出目标窗口，包括：根据第k个所述备选窗口在所述目标散斑图像中遍历的不同区域的数量、第k个所述备选窗口内包含的像素数量、所述平均信息量和所述信息差异量，从L个所述备选窗口中确定出目标窗口。

本公开实施例的第二方面，提供一种窗口的确定装置，包括：遍历模块，用于通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，并且k小于等于L；平均信息量确定模块，用于确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；目标窗口确定模块，用于根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

本公开实施例的第三方面，提供一种电子设备，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：处理器用于运行所述可执行指令时，所述可执行指令执行上述任一实施例所述的方法。

本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述任一实施例所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例通过L个不同大小的备选窗口中的第k个备选窗口遍历预设散斑图像，k为第一个窗口至第L个窗口，即分别通过L个窗口中的每一个窗口遍历预设散斑图像。然后确定在第k个备选窗口位于预设散斑图像中的不同区域时，第k个备选窗口内散斑的信息参数，信息参数包括：平均信息量和/或信息差异量。再根据确定各个窗口所对应的的信息参数，从L个备选窗口中确定出目标窗口，该目标窗口可以用于遍历目标散斑图像得到目标深度信息。

通过根据备选窗口在遍历预设散斑图像时的信息参数确定出目标窗口，从而可以利用该目标窗口遍历实际的拍摄场景中对应的目标散斑图像，从而得到实际拍摄场景对应的目标深度信息，从而便于根据该深度信息生成深度图像等。通过该方法可以得到更加准确的窗口，从而可以得到更加准确的深度信息，减少了人工根据经验确定窗口导致的通用性和准确性较低的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种结构光成像结构的示意图；

图2是根据一示例性实施例示出的一种窗口的具体应用的示意图；

图3是根据一示例性实施例示出的一种得到深度信息的示意图；

图4是根据一示例性实施例示出的一种窗口的确定方法的流程示意图；

图5是根据一示例性实施例示出的一种确定目标窗口的示意图；

图6是根据一示例性实施例示出的窗口的确定装置的结构示意图；

图7是根据一示例性实施例示出的一种终端设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置的例子。

在成像系统中，可以通过结构光成像原理进行成像，得到深度信息。参考图1，为一种结构光成像结构的示意图，包括散斑发射端和散斑接收端，散斑发射端可以是散斑发射器，散斑接收端可以是用于图像采集的图像传感器。散斑发射端向预设物体发送散斑，散斑接收端接收经过目标物体反射回来的散斑，得到散斑参考图。预设物体可以是白板，该预设物体可以是不同于实际拍摄场景中的物体，用于得到散斑参考图。

例如，散斑发射器将特殊编码后的散斑图案投射到白板表面上，这些散斑图案经物体表面反射回来时，随着物体距离的不同会发生不同的形变，图像传感器可以采集形变后的图案，得到散斑参考图，然后将该散斑参考图保存，图像传感器采集到的图案可以用于确定深度信息。

然后再通过上述方法对实际拍摄场景的被拍摄目标物体进行拍摄，通过散斑发射器向目标物体发射经过同样特殊编码后的散斑图案，然后图像传感器可以采集形变后的图案，得到散斑目标图。

再根据散斑参考图和散斑目标图即可得到深度图像，通过结构光算法计算散斑参考图和散斑目标图中的每个像素的变形量得到对应的视差，从而进一步得到深度信息。例如通过窗口匹配的方式对散斑参考图和散斑目标图进行匹配，得到深度图像信息。

参考图2，为一种窗口的具体应用的示意图，图2的(a)部分为一种应用示意图，图2的(b)部分为图2的(a)的另一种表现形式。参考图3，为一种通过窗口匹配的方式对散斑参考图和散斑目标图进行匹配，得到深度信息的示意图。图3的(a)部分为散斑参考图，图3的(b)部分为散斑目标图。散斑在编码后可以是编码散斑，窗口可以对散斑接收器获取到散斑目标图进行解码，得到深度信息。

结合图2和图3，散斑发射器发送随机散斑后，散斑接收器获取到散斑目标图，在确定散斑目标图像的正中心像素的变形量时，以这个像素为中心，通过窗口与散斑目标图中的对应位置进行匹配。比如窗口为25×25个像素的图像块，然后基于窗口的匹配，通过该窗口匹配散斑参考图和散斑目标图中的相同位置的像素区域，即窗口在散斑参考图中的区域和在散斑目标图中的区域，通过计算窗口在两个图像内像素信息的偏移，就可以得到该窗口所在区域的视差，从而可以根据三角测量原理再结合图像采集模组的物理参数确定对应的深度信息。

在这个过程中，窗口的大小，即图像块的大小会影响视差，从而可以影响确定的深度信息。通常情况下窗口的大小可以根据经验值或者实验值进行确定，导致得到的窗口大小不准确，并且通用性很低，从而影响深度信息的确定，降低了深度信息的准确度。

参考图4，为本技术方案提供的一种窗口的确定方法的流程示意图，该方法包括以下步骤：

步骤S100，通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，1≤k≤L。

步骤S200，确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量。

步骤S300，根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

对于步骤S100，确定L个备选窗口，然后利用L个窗口中的每个窗口分别遍历预设散斑图像，从而可以得到各个窗口对应的信息参数，从中确定出目标窗口。L个窗口可以是从多个大小不同的窗口中确定的L个窗口，例如可以是从之前使用过的历史窗口中确定的L个备选窗口，并且L个窗口的大小都不同。窗口的大小可以通过像素表示，例如，窗口1的大小为2*2个像素，窗口2的大小为3*3个像素，窗口3的大小为5*5个像素等。

在一个实施例中，L个窗口还可以是以序列的形式进行排列，形成窗口序列，窗口序列中的各个窗口的大小不同。例如，Set^W＝{W₁ W ₂...... W_L}，Set^W表示窗口序列，该窗口序列中包括L个窗口，W_L表示第L个窗口，即第i个窗口与第j个窗口的大小不同，可以用W_i≠W_j,i≠j表示。L的数值可以根据实际的应用场景进行确定，不同的应用场景中L可能不同。

通过第k个备选窗口遍历预设散斑图像，1≤k≤L，k为第一个备选窗口至第k个备选窗口。第k个备选窗口可以用W_k表示，在k等于1时，表示通过第一个窗口遍历预设散斑图像，在k等于2时，表示通过第二个窗口遍历预设散斑图像，在k等于L时表示通过第L个窗口遍历预设散斑图像。通过L个窗口中的第一个备选窗口至第L个备选窗口分别遍历预设散斑图像，用第k个备选窗口表示L个备选窗口中的各个给下窗口。

预设散斑图像可以是散斑发射器向预设物体发射散斑后，散斑接收器采集到的经过预设物体反射之后的散斑图像。散斑发射器与预设物体之间的距离可以是x，x的单位可以是米、分米和厘米等，x的数值可以根据实际的拍摄场景确定，例如，2米、5米、10米、50米、20厘米或50厘米等。预设物体可以是白板，还可以是其他根据实际需求确定的预设物体，这里并不进行限定。

在一个实施例中，L个备选窗口遍历的预设散斑图像为同一个预设散斑图像，即都是散斑发射器向同一距离x的同一预设物体发生散斑后，散斑接收器采集到的经过预设物体反射回来的散斑图像。

在另一实施例中，在L个备选窗口中的窗口更新后，和/或，实际使用需求发生变化后，如拍摄场景变化后，可以调整散斑发射器与预设物体之间的距离x的大小。

在一个实施例中，备选窗口遍历预设散斑图像时，可以是通过无重叠遍历的方式进行遍历，备选窗口每次覆盖的预设散斑图像中的区域没有重叠。

在备选窗口遍历预设散斑图像时，备选窗口会根据备选窗口的大小遍历预设散斑图像，在备选窗口的大小不同时，备选窗口遍历预设散斑图像所遍历的区域的数量可能会不同。在预设散斑图像不变时，较大的备选窗口在遍历预设散斑图像时所遍历的预设散斑中的不同区域的数量可能较少，移动的次数较少。较小的备选窗口在遍历预设散斑图像时所遍历的预设散斑中的不同区域的数量可能较多，移动的次数较多。

例如，预设散斑图像的大小为1024*1440个像素。在大小为3*3的第一备选窗口遍历预设散斑图像时，第一备选窗口所移动的次数为U1，即预设散斑图像中有U1个第一备选窗口大小的区域。在大小为5*5的第二备选窗口遍历预设散斑图像时，第二备选窗口所移动的次数为U2，即预设散斑图像中有U2个第二备选窗口大小的区域。此时U1大于U2。

对于步骤S200，在备选窗口遍历预设散斑图像时，备选窗口需要在预设散斑图像中移动，覆盖预设散斑图像的不同区域。以第k个备选窗口为例进行说明，通过该步骤可以确定出L个备选窗口中的每个备选窗口对应的信息参数。

确定在第k个备选窗口位于预设散斑图像中的不同区域时，第k个备选窗口内散斑的信息参数，信息参数包括：平均信息量和/或信息差异量。第k个备选窗口位于预设散斑图像中的每个区域时，第k个备选窗口内都会覆盖预设散斑图像中的一部分像素，第k个备选窗口内散斑的信息量可以根据预设散斑图像的像素信息确定，例如可以是像素的灰阶信息。第k个备选窗口内散斑的信息量可以表示第k个备选窗口内散斑的分布情况，具体可以根据像素的灰阶信息确定。

在确定第k个备选窗口位于预设散斑图像中各个区域时，第k个备选窗口散斑的信息量之后，可以确定第k个备选窗口遍历预设散斑图像之后，第k个备选窗口内散斑的平均信息量。同样，还可以根据第k个备选窗口位于预设散斑图像中各个区域时，第k个备选窗口内散斑的信息量，确定第k个备选窗口位于预设散斑图像中不同区域时，第k个备选窗口散斑的信息量之间的信息差异量。

例如，k等于1时，大小为3*3个像素大小的第一个备选窗口遍历预设散斑图像，预设散斑图像为9*9个像素大小的图像，预设散斑图像中具有第一区域至第九区域共9个第一备选窗口大小的无重叠区域。第一备选窗口遍历预设散斑图像时需要遍历预设散斑图像中的9个区域，从第一区域开始遍历至第九区域，遍历的顺序可以不进行限定。确定该第一备选窗口在遍历第一区域至第九区域后，第一备选窗口内散斑的第一信息参数。

具体可以包括：确定第一备选窗口在第一区域时第一备选窗口内的第一信息量，确定第一备选窗口在第二区域时第一备选窗口内的第二信息量……确定第一备选窗口在第九区域时第一备选窗口内的第九信息量，根据九个信息量即可确定第一备选窗口遍历预设散斑图像时第一备选窗口内散斑的平均信息量。同时，还可以确定第一备选窗口在不同区域时对应的信息量之间的信息差异量，例如第一信息量分别和第二信息量至第九信息量之间的差异量。

同理，对于L个备选窗口中的第二个备选窗口……第L个备选窗口，每个备选窗口都可以确定对应的信息量。

对于步骤S300，在确定每个备选窗口分别对应的信息参数之后，根据各个备选窗口对应的信息参数，从L个备选窗口中确定出目标窗口。在实际的应用场景中，可以利用确定出的目标窗口遍历拍摄时散斑接收器接收的目标散斑图像，从而得到相应的目标深度信息。

例如，确定出信息参数之和最大的备选窗口，然后将该备选窗口作为目标窗口。由于备选窗口内的平均信息量越大，说明窗口内散斑信息越多，通过该备选窗口可以得到更多的散斑信息。信息差异量越大说明该备选窗口遍历预设散斑图像的不同区域时对应的信息量的差异越大，从而可以更好的得到深度信息。结合平均信息量和信息差异量确定的目标窗口，在遍历目标散斑图像时得到的深度信息更加准确。

通过根据备选窗口在遍历预设散斑图像时的信息参数确定出目标窗口，从而可以利用该目标窗口遍历实际的拍摄场景中对应的目标散斑图像，从而得到实际拍摄场景对应的目标深度信息，从而便于根据该深度信息生成深度图像等。通过该方法可以得到更加准确的窗口，从而可以得到更加准确的深度信息，减少了人工根据经验确定窗口导致的通用性和准确性较低的问题。

在另一实施例中，在遍历预设散斑图像时，第k个备选窗口在预设散斑图像中遍历N个不同的区域；

所述方法还包括：根据第k个备选窗口位于第i个区域时所包含像素的灰阶，确定在第i个区域中第k个所述备选窗口内灰阶为m的概率密度；其中，1≤i≤N。

在第k个备选窗口遍历预设散斑图像时需要遍历N个不同的区域，即预设散斑图像中具有N个第k个备选窗口大小的区域，第k个备选窗口在遍历完N个不同的区域后即可完成预设散斑图像的遍历。例如，预设散斑图像中具有第一区域至第九区域共9个第一备选窗口大小的无重叠区域。第一备选窗口遍历预设散斑图像时需要遍历预设散斑图像中的9个区域。

在第k个备选窗口遍历第i个区域时，可以确定第k个备选窗口内各个像素的灰阶信息，然后根据第k个备选窗口内各个像素的灰阶信息可以确定各个灰阶的概率密度。例如，根据第1个备选窗口位于第3个区域时所包含像素的灰阶，确定在第3个区域中第1个备选窗口内各个灰阶的概率密度。在该实施例中用m表示各个灰阶，m的值可以根据实际需求进行确定，例如0≤m≤255。

例如，确定灰阶为0的像素的概率密度为第一概率密度，灰阶为1的像素的第二概率密度……灰阶为255的像素的第二百五十六概率密度。

这样即可确定第k个备选窗口在第一个区域至第九个区域中的每个区域时，第k个备选窗口内各个像素的灰阶的概率密度。

具体确定灰阶信息以及根据灰阶信息确定概率密度的过程并不在这里详细说明，可以通过识别或者检测的方式可以确定灰阶信息，通过概率密度算法可以确定灰阶的概率密度。还可以通过概率密度直方图的形式确定各个灰阶的概率密度。

在另一实施例中，步骤S200，确定在第k个备选窗口位于预设散斑图像中的不同区域时，第k个备选窗口内散斑的信息参数，包括：

根据第k个备选窗口在N个区域中对应的各个灰阶的概率密度的熵，确定平均信息量。

该实施例为确定平均信息量的实施例。在确定第k个备选窗口在各个区域中对应的各个灰阶的概率密度后，可以确定第k个备选窗口在各个区域中对应的各个灰阶的概率密度的熵，然后根据第k个备选窗口在各个区域中对应的各个灰阶的概率密度的熵，确定第k个备选窗口在各个区域中窗口内散斑的平均信息量。

例如，表示第k个备选窗口位于预设散斑图像中的第i个区域，/>表示第k个备选窗口位于预设散斑图像中的第i个区域时，第k个备选窗口内像素灰阶为m的概率密度，通过公式(1)即可确定第k个备选窗口位于预设散斑图像中的第i个区域时，第k个备选窗口内各个像素的灰阶的概率密度的熵。

即为第k个备选窗口位于预设散斑图像中的第i个区域时，第k个备选窗口内各个像素的灰阶的概率密度的熵。

通过上述公式(1)可以确定第k个备选窗口位于预设散斑图像中的各个区域时，第k个备选窗口内各个像素的灰阶的概率密度的熵，共N个区域分别对应的概率密度的熵。例如，N等于9时，可以确定i等于1至i等于9的9个区域分别对应的概率密度的熵。

然后根据第k个备选窗口在N个区域中对应的各个灰阶的概率密度的熵，确定平均信息量。平均信息量可以是第k个备选窗口在N个区域中对应的各个灰阶的概率密度的熵的算术平均值。

例如，平均信息量可以通过公式(2)确定。

E_k表示第k个备选窗口在N个区域时第k个备选窗口内散斑的平均信息量，即第k个备选窗口在N个区域中对应的各个灰阶的概率密度的熵的算术平均值。

通过该公式(1)和公式(2)即可确定第一个备选窗口至第L个备选窗口共L个备选窗口中各个备选窗口对应的平均信息量。

在另一实施例中，步骤S200，确定在第k个备选窗口位于预设散斑图像中的不同区域时，第k个备选窗口内散斑的信息参数，包括：

根据第k个备选窗口位于第i个区域时第k个备选窗口内灰阶为m的概率密度，与第k个备选窗口位于第j区域时第k个备选窗口内灰阶为m的概率密度，确定信息差异量。第j区域为N个区域中除第i个区域外的区域。

该实施例为确定信息差异量的实施例。在确定第k个备选窗口位于第i个区域时第k个备选窗口内灰阶为m的概率密度后，可以根据第k个备选窗口位于不同区域时第k个备选窗口内灰阶为m的概率密度，确定第k个备选窗口位于第i个区域时第k个备选窗口内灰阶为m的概率密度，与第k个备选窗口位于其他区域时第k个备选窗口内灰阶为m的概率密度的差异度。然后根据该差异度确定各个灰阶对应的差异度的平均差异度，进而可以根据该平均差异度，确定在i为不同值时的目标差异度，即信息差异量。

N个区域中，除了第i个区域之外的区域可以用第j区域表示。

例如，可以根据公式(3)确定第k个备选窗口位于第i个区域时第k个备选窗口内灰阶为m的概率密度与第k个备选窗口位于其他区域时第k个备选窗口内灰阶为m的概率密度的差异度，以及各个灰阶对应的差异度的平均差异度。

表示表示第k个备选窗口位于第i个区域时，第k个备选窗口内像素的灰阶为m的概率密度。/>表示第k个备选窗口位于第j区域时，第k个备选窗口内像素的灰阶为m的概率密度。/>表示第k个备选窗口位于第i个区域时第k个备选窗口内像素的各个灰阶的概率密度，与第k个备选窗口位于第j区域(即其他各个区域)时第k个备选窗口内像素的各个灰阶的概率密度的差异度，即交叉熵。/>表示该差异度的平均差异度，即交叉熵的平均值。

通过公式(4)可以确定信息差异量，

表示第k个备选窗口在N个区域对应的交叉熵的平均值的平均值，即信息差异量。

例如，在i等于1，N等于9时，通过公式(3)可以确定第k个备选窗口在第一个区域时第k个备选窗口内像素的各个灰阶的概率密度，分别与第k个备选窗口在其他八个区域时第k个备选窗口内像素的各个灰阶的概率密度的交叉熵的平均值。通过公式(4)可以确定i等于1至9时所对应的交叉熵的平均值，然后根据9个交叉熵的平均值的平均值确定信息差异量。例如，i等于1时对应交叉熵的第一平均值，i等于1时对应交叉熵的第二平均值……i等于9时对应交叉熵的第九平均值，然后根据九个平均值确定信息差异量。

对于每个备选窗口而言，都可以确定出对应的信息差异量。

在另一实施例中，参考图5，为一种确定目标窗口的示意图，在信息参数包括平均信息量和信息差异量时，步骤S300，根据信息参数，从L个备选窗口中确定出目标窗口，包括：

步骤S301，根据平均信息量和平均信息量的第一权重，确定第一参考值；

步骤S302，根据信息差异量和信息差异量的第二权重，确定第二参考值；

步骤S303，根据第一参考值和第二参考值，确定目标窗口。

平均信息量和信息差异量分别具有一个权重，根据平均信息量和平均信息量的第一权重确定第一参考值，根据信息差异量和信息差异量的第二权重确定第二参考值，结合第一参考值和第二参考值确定目标窗口。平均信息量的第一权重和信息差异量的第二权重可以根据实际的需求进行确定。例如，可以将第一参考值和第二参考值之和最大的备选窗口作为目标窗口。

结合平均信息量和信息差异量可以从多维度确定出目标窗口，减少了根据单一指标确定目标窗口导致的局限性，从而提高了确定目标窗口的准确度，有利于提高深度信息的准确度。

在另一实施例中，步骤S300，根据信息参数，从L个备选窗口中确定出目标窗口，包括：

根据第一参考值确定目标窗口，将第一参考值最大的备选窗口确定为目标窗口。

根据第二参考值确定目标窗口，将第二参考值最大的备选窗口确定为目标窗口。

在另一实施例中，步骤S300，根据信息参数，从L个备选窗口中确定出目标窗口，包括：

根据第k个备选窗口在目标散斑图像中遍历的不同区域的数量、第k个备选窗口内包含的像素数量、平均信息量和信息差异量，从L个备选窗口中确定出目标窗口。

在平均信息量和信息差异量的基础上，结合备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量，确定目标窗口。可以根据备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量的乘积，在结合平均信息量和信息差异量确定目标窗口。

根据备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量的乘积可以映射到0至1的区间，由于平均信息量和信息差异量的值都是在0至1的区间内，所以可以便于目标窗口的确定。

在预设散斑图像的大小不变时，备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量会影响得到目标深度信息的运算量(运算次数)，即窗口的大小影响备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量，所以窗口的大小和运算量相关，从而影响拍摄图像的效率。

在平均信息量和信息差异量的基础上，结合备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量，可以综合确定出更匹配的目标窗口。

在已知预设散斑图像的大小和备选窗口的大小时，可以确定备选窗口遍历预设散斑图像时在预设散斑图像遍历的区域的数量N和在每个区域时备选窗口内像素的数量。

第k个备选窗口遍历预设散斑图像的运算量可以通过公式(5)表示：

表示第k个备选窗口遍历预设散斑图像得到平均信息量和信息差异量的运算量，C_k即为归一化之后的运算量。/>和C_k之间的映射关系可以根据实际需求进行确定。

根据该实施例可以确定出每个备选窗口对应的运算量。

根据运算量和运算量的第三权重确定第三参考值，结合第一参考值、第二参考值和第三参考值确定目标窗口。例如，结合第一参考值、第二参考值和第三参考值之和，确定和值最大的备选窗口为目标窗口。

例如，可以通过公式(6)确定出第一参考值、第二参考值和第三参考值的和值。

S_k＝w_E*E_k+w_D*D_k+w_c*C_k (6)

w_E表示第k个备选窗口对应的平均信息量E_k的第一权重，w_D表示第k个备选窗口对应的信息差异量D_k的第二权重，w_c表示第k个备选窗口对应的运算量C_k的第三权重，S_k表示通过第k个备选窗口得到的第一参考值、第二参考值和第三参考值的和值。

在另一实施例中，参考图6，为一种窗口的确定装置的结构示意图，该装置包括：

遍历模块1，用于通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，并且k小于等于L；

信息参数确定模块2，用于确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；

目标窗口确定模块3，用于根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

在另一实施例中，在遍历所述预设散斑图像时，第k个所述备选窗口在所述预设散斑图像中遍历N个不同的区域；

所述装置还包括：

概率密度确定模块，用于根据第k个所述备选窗口位于第i个区域时所包含像素的灰阶，确定在第i个区域中第k个所述备选窗口内灰阶为m的概率密度；其中，1≤i≤N。

在另一实施例中，信息参数确定模块2，还用于：根据第k个所述备选窗口在N个区域中对应的各个灰阶的所述概率密度的熵，确定所述平均信息量。

在另一实施例中，信息参数确定模块2，还用于：根据第k个所述备选窗口位于第i个区域时第k个所述备选窗口内灰阶为m的所述概率密度，与第k个所述备选窗口位于第j区域时第k个所述备选窗口内灰阶为m的所述概率密度，确定所述信息差异量；

其中，所述第j区域为N个区域中除第i个区域外的区域。

在另一实施例中，目标窗口确定模块3包括：

第一参考值确定单元，用于根据所述平均信息量和所述平均信息量的第一权重，确定第一参考值；

第二参考值确定单元，用于根据所述信息差异量和所述信息差异量的第二权重，确定第二参考值；

目标窗口确定单元，用于根据所述第一参考值和所述第二参考值，确定所述目标窗口。

在另一实施例中，目标窗口确定单元，具体用于：将所述第一参考值和所述第二参考值之和最大的所述备选窗口，确定所述目标窗口。

在另一实施例中，目标窗口确定模块3还用于：

根据第k个所述备选窗口在所述目标散斑图像中遍历的不同区域的数量、第k个所述备选窗口内包含的像素数量、所述平均信息量和所述信息差异量，从L个所述备选窗口中确定出目标窗口。

在另一实施例中，还提供了一种电子设备，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：

处理器用于运行所述可执行指令时，所述可执行指令执行上述任一实施例所述的方法。

在另一实施例中，还提供了一种非临时性计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述任一实施例所述的方法。

需要说明的是，本公开实施例中的“第一”和“第二”仅为表述和区分方便，并无其他特指含义。

图7是根据一示例性实施例示出的一种终端设备的框图。例如，终端设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图7，终端设备可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制终端设备的整体操作，诸如与展示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件806为终端设备的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。

多媒体组件808包括在终端设备和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶展示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当终端设备处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当终端设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件814可以检测到终端设备的打开/关闭状态，组件的相对定位，例如组件为终端设备的展示器和小键盘，传感器组件814还可以检测终端设备或终端设备一个组件的位置改变，用户与终端设备接触的存在或不存在，终端设备方位或加速/减速和终端设备的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，4G或5G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于发频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，终端设备可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种窗口的确定方法，其特征在于，包括：

通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，1≤k≤L；

确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；

根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

2.根据权利要求1所述的方法，其特征在于，在遍历所述预设散斑图像时，第k个所述备选窗口在所述预设散斑图像中遍历N个不同的区域；

所述方法包括：

根据第k个所述备选窗口位于第i个区域时所包含像素的灰阶，确定在第i个区域中第k个所述备选窗口内灰阶为m的概率密度；其中，1≤i≤N。

3.根据权利要求2所述的方法，其特征在于，所述确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，包括：

根据第k个所述备选窗口在N个区域中对应的各个灰阶的所述概率密度的熵，确定所述平均信息量。

4.根据权利要求2所述的方法，其特征在于，所述确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，包括：

根据第k个所述备选窗口位于第i个区域时第k个所述备选窗口内灰阶为m的所述概率密度，与第k个所述备选窗口位于第j区域时第k个所述备选窗口内灰阶为m的所述概率密度，确定所述信息差异量；

其中，所述第j区域为N个区域中除第i个区域外的区域。

5.根据权利要求1所述的方法，其特征在于，所述信息参数包括平均信息量和信息差异量时，所述根据所述信息参数，从L个所述备选窗口中确定出目标窗口，包括：

根据所述平均信息量和所述平均信息量的第一权重，确定第一参考值；

根据所述信息差异量和所述信息差异量的第二权重，确定第二参考值；

根据所述第一参考值和所述第二参考值，确定所述目标窗口。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一参考值和所述第二参考值，确定所述目标窗口，包括：

将所述第一参考值和所述第二参考值之和最大的所述备选窗口，确定所述目标窗口。

7.根据权利要求5所述的方法，其特征在于，所述根据所述信息参数，从L个所述备选窗口中确定出目标窗口，包括：

根据第k个所述备选窗口在所述目标散斑图像中遍历的不同区域的数量、第k个所述备选窗口内包含的像素数量、所述平均信息量和所述信息差异量，从L个所述备选窗口中确定出目标窗口。

8.一种窗口的确定装置，其特征在于，包括：

遍历模块，用于通过L个备选窗口中的第k个所述备选窗口，遍历预设散斑图像；其中，不同所述备选窗口的大小不同，k和L为正整数，并且k小于等于L；

信息参数确定模块，用于确定在第k个所述备选窗口位于所述预设散斑图像中的不同区域时，第k个所述备选窗口内散斑的信息参数，其中，所述信息参数包括：平均信息量和/或信息差异量；

目标窗口确定模块，用于根据所述信息参数，从L个所述备选窗口中确定出目标窗口；其中，所述目标窗口，用于遍历目标散斑图像得到目标深度信息。

9.一种电子设备，其特征在于，包括：

处理器和用于存储能够在所述处理器上运行的可执行指令的存储器，其中：

处理器用于运行所述可执行指令时，所述可执行指令执行上述权利要求1至7任一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述权利要求1至7任一项所述的方法。