鸿 网 互 联 www.68idc.cn

当前位置 : 服务器租用 > 软件教程 > 图形图像 > >

【OpenCV】立体匹配算法SSD、NCC、ASW的基础实现

来源:互联网 作者:佚名 时间:2017-09-12 10:55
要求:对给出的左右视图进行匹配,最后输出左右两张disparity map(视差图) e.g. 左视图、右视图(两幅图像大小相同,只有水平方向上的视角变换) 标准视差图如下: SSD(sum of squared differences)实现: 1.把左右视图转成CV_8UC1单通道图像 可以直接引

  要求:对给出的左右视图进行匹配,最后输出左右两张disparity map(视差图)

  e.g.

  左视图、右视图(两幅图像大小相同,只有水平方向上的视角变换)

   

  标准视差图如下:

   

  SSD(sum of squared differences)实现:

      

    1.把左右视图转成CV_8UC1单通道图像

      可以直接引用opencv的API实现、自己写一个对三通道取平均值或者按照下面公式转换的函数,对结果影响不大

      

    2.对每一个像素进行处理

      假设dmax=79,则有,对于每个像素的每个d值,计算patch(滑动窗口)内左右视图的像素灰度值的平方差之和,然后记录该值与其对应的d值

      此处可以用vector<pair<sum, d>>来存储结果

    3. 取最小sum值对应的d做为最终输出的disparity map对应点的灰度值

    result:5*5 窗口,坏点率分别为24,72%, 25.78%

     

  NCC(normalized cross-correlation)实现:

  

    1. 同样,先把左右视图转成单通道灰度图

    2. 然后对于每个像素做处理,对于每个对应的d值,先计算分子,在计算分母,最后把分子/分母的值与对应d值存入vector中

    3.取vector中最大值对应的d值为disparity map在该点的灰度值

    result:5*5窗口 坏点率:23.64%, 24.20% 比SSD稍微好一点

     

  ASW(Adaptive Support Weight)实现:

  

  

  

    这个就按公式实现,比较简单,如果窗口足够大的话,ASW的处理效果会比较好,但是会很慢

    但是中间计算Cpq值的时候主要要把BGR模型转换成Lab模型计算

    

    result:5*5 窗口大小,坏点率:31.33% , 31.39%

     

    33*33窗口大小,坏点率:19.44% , 20.75%(但是,跑了9242 seconds...可以自行感受一下...

     

    代码实现:https://github.com/CheerM/opencv_stereo_matching/tree/master/src

    BTW,哪位勇士跑完全部测例的ASW 33*33,能不能顺便分享一下数据给我看看,感激不尽啊>  <

    

网友评论
<