Stima di mappe di profondità da contenuti video stereoscopici accelerata su architetture OpenCL

Per soddisfare le crescenti esigenze nel campo multimediale legato ai contenuti 3D, è sempre più richiesta la generazione di mappe di profondità, ossia di particolari immagini che rappresentano la distanza degli oggetti, nella scena, rispetto al punto di osservazione. In questa tesi si è affrontato il problema della stima delle mappe di profondità da contenuti video stereoscopici, con una implementazione dell'algoritmo utilizzando la GPU (Graphic Processing Unit) che è stata sfruttata per la sua architettura altamente parallela. L'algoritmo implementato semplifica la classica fase di matching utilizzando una segmentazione dell'immagine basata sul colore, permettendo così di ottenere buoni risultati sia a livello qualitativo che dal punto di vista della complessità computazionale. Per parallelizzare l'algoritmo si è utilizzato il linguaggio OpenCL, appositamente progettato per programmare dispositivi che implementano al loro interno più unità di calcolo, fornendo un linguaggio di programmazione indipendente dalla specifica architettura