2D转3D电视

芯片根据二维视频进行逆投影，通过分析视频的光照、纹理和运动等图像的时空特征，进行逆向计算分析，最终实现立体视频的三维效果重建。

要求：片源必须达到高清级别，或者是高清信号。

基本原理：通过电视内置的处理引擎，分析2D的场景，把场景中的近点物体进行勾勒和突出，同时将背景环境和物体进行后置，中景不变，然后进行画面的叠加，模拟3D片源再经过3D眼镜在观众眼中呈现出3D效果。

缺点：图像质量会有严重的损失，另外还有色彩饱和度低、缺乏纵深感、立体效果粗糙等缺点。这种以降低影片质量的代价来实现“3D”，并不能让人们体验到真实震撼的立体感，可以说得不偿失。

基于深度图的3D合成步骤

第一步对于给定的一幅单视点平面图像，我们首先需要对图像信息给予分析，如亮度，色度，边缘信息等，从图像中提取出前景与背景；

第二步通过图像中各个部分或是对象的不同特点提取它们的深度信息；

第三步根据前面提取的深度信息生成深度图；complex！

a.基于关键帧的深度预测和三边滤波的深度图提取

一个视频序列被预先分成许多帧片段，一般帧片段的边界被认为是关键帧。关键帧的深度图可以手动分配（Photoshop等图形图像处理软件）。

其他非关键帧的初始深度图首先通过运动补偿估计。三边滤波器主要用来平滑预测所得到的深度图。

b.利用边缘信息的深度图提取

序列图像中物体的边缘信息将图像分割成不同的区域。然后，根据一个假定的深度梯度模型的给不同的区域分配不同的深度图。

c.基于运动与色彩信息的深度图提取

每一帧中运动属性不同的物体具有的深度值是不同的。物体颜色信息无运动属性，用颜色定位物体边缘。LucasKanade’s光流法，在计算过程中采用了金字塔方法。

d.基于景物轮廓线跟踪的深度图提取

序列中的关键帧通过迭代算法（or光流法和LazySnapping软件代替）来获得前景物体的轮廓线。

非关键帧的中景物的轮廓线，我们通过退火算法由前一帧获得。

第四步由深度图与原视图合成新的视图；

第五步由原视图与新视图一起合成最终的3D视图。

基于3D结构重建的3D合成Structure from Motion,SFM

可以从静止的场景、运动的摄像机拍摄的图片集中获取场景的深度线索

通过图片集中的匹配点来估计三维静止场景中运动摄像机的内外参数和该场景相对于一个参考坐标系的结构关系。用这种技术来获取场景离散的深度信息。

优：适用于静止和刚性场景。

缺：不适用于场景中的物体是非刚性的或者有模糊的边缘信息。