公开的实施例总体上涉及一种显示立体图像的方法和执行该方法的显示系统。更具体地,公开的实施例涉及一种显示由立体图像数据生成的立体图像的方法和执行该方法的显示系统。
背景技术:
1、显示装置用作用户与信息之间的连接媒介。显示装置的示例包括液晶显示装置和有机发光显示装置。
2、立体图像显示装置是在图像中产生深度错觉的显示装置。例如,立体图像显示装置可以向观看者的左眼和右眼提供不同的图像,使得观看者可以通过左眼与右眼之间的双目视差来观看立体图像。
3、自动立体方法是一种用于在不使用眼镜的情况下显示立体图像的方法。自动立体方法的示例包括用于使用柱面透镜阵列使左眼图像和右眼图像分离的透镜阵列方法和用于使用屏障使左眼图像和右眼图像分离的屏障方法。然而,使用自动立体方法生成立体图像可能花费长的时间。
技术实现思路
1、公开的目的在于提供一种提高了生成立体图像数据的速度的显示立体图像的方法。
2、公开的另一个目的在于提供一种执行显示立体图像的方法的显示系统。
3、根据公开的实施例的显示立体图像的方法包括以下步骤:生成三维模型;将显示面板的多个子像素之中的每个子像素映射到视点中的对应视点以生成映射表;通过使用映射表渲染三维模型来生成针对视点中的每个的渲染图像数据;以及基于针对视点中的每个的渲染图像数据来生成立体图像数据。
4、在实施例中,可以相对于映射到视点之中的相同视点的子像素来渲染三维模型。
5、在实施例中,可以相对于映射到视点之中的至少两个相邻视点的子像素来渲染三维模型。
6、在实施例中,可以通过将针对视点中的每个的渲染图像数据求和来生成三维图像数据。
7、在实施例中,生成三维模型的步骤包括生成具有第一分辨率的三维模型,并且方法还可以包括将渲染图像数据从第一分辨率放大到比第一分辨率高的第二分辨率的步骤。
8、在实施例中,第二分辨率可以是显示面板的分辨率。
9、在实施例中,可以通过利用深度学习的超分辨率算法来执行放大步骤。
10、在实施例中,可以通过超高速放大算法放大针对运动图像的渲染图像数据,并且可以通过高清晰度放大算法放大针对静止图像的渲染图像数据。
11、在实施例中,超高速放大算法可以利用双三次插值。
12、在实施例中,高清晰度放大算法可以利用快速超分辨率卷积神经网络。
13、根据公开的实施例的显示立体图像的方法包括以下步骤:生成具有第一分辨率的三维模型;通过渲染三维模型来生成针对多个视点中的每个的渲染图像数据;将渲染图像数据从第一分辨率放大到比第一分辨率高的第二分辨率;以及通过将渲染图像数据的视点中的每个映射到子像素来生成立体图像数据。
14、在实施例中,第二分辨率可以是包括子像素的显示面板的分辨率。
15、在实施例中,可以通过利用深度学习的超分辨率算法来执行放大步骤。
16、在实施例中,可以通过超高速放大算法放大针对运动图像的渲染图像数据,并且可以通过高清晰度放大算法放大针对静止图像的渲染图像数据。
17、在实施例中,超高速放大算法可以利用双三次插值。
18、在实施例中,高清晰度放大算法可以利用快速超分辨率卷积神经网络。
19、根据公开的实施例的显示系统包括主处理器和显示装置。主处理器被配置为基于图像数据生成立体图像数据。显示装置基于立体图像数据显示立体图像。显示装置包括包含子像素的显示面板、与子像素叠置的透镜以及被配置为驱动显示面板的显示面板驱动器。主处理器处理图像数据以生成三维模型,将子像素中的每个映射到视点中的对应视点以生成映射表,通过使用映射表渲染三维模型来生成针对视点中的每个的渲染图像数据,并且基于针对视点中的每个的渲染图像数据来生成立体图像数据。
20、在实施例中,可以相对于映射到视点之中的相同视点的子像素来渲染三维模型。
21、在实施例中,可以相对于映射到视点之中的至少两个相邻视点的子像素来渲染三维模型。
22、在实施例中,生成具有第一分辨率的三维模型,并且显示面板驱动器将渲染图像数据从第一分辨率放大到比第一分辨率高的第二分辨率。
23、根据公开的实施例的显示立体图像的方法可以通过渲染相对于针对每个视点的子像素的三维模型来提高渲染速度。
24、根据公开的实施例的显示立体图像的方法可以通过渲染由以低分辨率对图像数据建模而生成的三维模型来提高渲染速度。
1.一种显示立体图像的方法,所述方法包括以下步骤:
2.根据权利要求1所述的方法,其中,相对于映射到所述视点之中的相同视点的子像素来渲染所述三维模型。
3.根据权利要求1所述的方法,其中,相对于映射到所述视点之中的至少两个相邻视点的子像素来渲染所述三维模型。
4.根据权利要求1所述的方法,其中,通过将针对所述视点中的每个的所述渲染图像数据求和来生成三维图像数据。
5.根据权利要求1所述的方法,其中,生成所述三维模型的步骤包括生成具有第一分辨率的所述三维模型,并且
6.根据权利要求5所述的方法,其中,所述第二分辨率是所述显示面板的分辨率。
7.根据权利要求5所述的方法,其中,通过利用深度学习的超分辨率算法来执行放大步骤。
8.根据权利要求5所述的方法,其中,通过超高速放大算法放大针对运动图像的所述渲染图像数据,并且
9.根据权利要求8所述的方法,其中,所述超高速放大算法利用双三次插值。
10.根据权利要求8所述的方法,其中,所述高清晰度放大算法利用快速超分辨率卷积神经网络。