FROM： http://blog.csdn.net/mailang2008/article/details/5873883

對OpenCV中涉及的三種立體匹配算法進行代碼及各自優缺點總結：

首先我們看一下BM算法：

該算法代碼：

[cpp]view plaincopy

CvStereoBMState?*BMState?=?cvCreateStereoBMState();??

??

int?SADWindowSize=15;???

?BMState->SADWindowSize?=?SADWindowSize?>?0???SADWindowSize?:?9;??

?BMState->minDisparity?=?0;??

?BMState->numberOfDisparities?=?32;??

?BMState->textureThreshold?=?10;??

?BMState->uniquenessRatio?=?15;??

?BMState->speckleWindowSize?=?100;??

?BMState->speckleRange?=?32;??

?BMState->disp12MaxDiff?=?1;??

?cvFindStereoCorrespondenceBM(?left,?right,?left_disp_,BMState);??

???cvNormalize(?left_disp_,?left_vdisp,?0,?256,?CV_MINMAX?);??

其中minDisparity是控制匹配搜索的第一個參數，代表了匹配搜蘇從哪里開始，numberOfDisparities表示最大搜索視差數uniquenessRatio表示匹配功能函數，這三個參數比較重要，可以根據實驗給予參數值。

該方法速度最快，一副320*240的灰度圖匹配時間為31ms，視差圖如下。

?

第二種方法是SGBM方法這是OpenCV的一種新算法：

[cpp]view plaincopy

cv::StereoSGBM?sgbm;??

????????sgbm.preFilterCap?=?63;??

????????int?SADWindowSize=11;???

????????int?cn?=?1;??

????????sgbm.SADWindowSize?=?SADWindowSize?>?0???SADWindowSize?:?3;??

????????sgbm.P1?=?4*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;??

????????sgbm.P2?=?32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;??

????????sgbm.minDisparity?=?0;??

????????sgbm.numberOfDisparities?=?32;??

????????sgbm.uniquenessRatio?=?10;??

????????sgbm.speckleWindowSize?=?100;??

????????sgbm.speckleRange?=?32;??

????????sgbm.disp12MaxDiff?=?1;??

??????

????????sgbm(left?,?right?,?left_disp_);??

????????sgbm(right,?left??,?right_disp_);??

?

各參數設置如BM方法，速度比較快，320*240的灰度圖匹配時間為78ms，視差效果如下圖。

?

?

第三種為GC方法：

[cpp]view plaincopy

CvStereoGCState*?state?=?cvCreateStereoGCState(?16,?2?);??

?left_disp_??=cvCreateMat(?left->height,left->width,?CV_32F?);??

?right_disp_?=cvCreateMat(?right->height,right->width,CV_32F?);??

?cvFindStereoCorrespondenceGC(?left,?right,?left_disp_,?right_disp_,?state,?0?);??

?cvReleaseStereoGCState(?&state?);??

該方法速度超慢，但效果超好。

?

?

各方法理論可以參考文獻。

總結

以上是生活随笔為你收集整理的OpenCV三种立体匹配求视差图算法总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。