在matlab中选择校正图像的初始种子
Selecting initial seeds of rectified images in matlab
亲爱的朋友们，我目前正在研究一种视差算法，该算法只访问视差的一小部分 space 以找到半密集视差图。它的工作原理是从一小组对应的种子中生长出来。但在此之前，我正在 matlab 中实现标准区域增长算法以了解其工作原理。
基线增长算法的第一步说：
要求：修正图像Il，Ir，初始对应关系
seeds S，图像相似度阈值。计算属于 S 的每个种子 s 的相似度 simil(s)。
Now i cannot understand this step. First of all how do i calculate initial seed points from two rectified images. Should i use SIFT algorithm in matlab or is there any better way to do it.???Can anybody also give me some idea about how does a region growing based disparity calculating algorithm works and whether it is better than SAD or SSD.
如果您对图像进行了校正，发现差异就是计算同一水平线上左右图像中像素之间的成本。
您可以在图像中选取几个点（例如具有高梯度的点或来自 SIFT 的特征点），将它们设置为您所在区域的 roots/seeds 并计算一系列成本使用 SAD/SSD 或您喜欢的任何成本函数的差异。
然后为根取最佳视差并将其分配给邻居。如果成本低于预定义的阈值，则将其添加到该区域，否则转到下一个邻居。当您不能再添加任何点时，区域增长就结束了。
这是该过程的详细示例：http://arxiv.org/pdf/0812.1340.pdf
亲爱的朋友们，我目前正在研究一种视差算法，该算法只访问视差的一小部分 space 以找到半密集视差图。它的工作原理是从一小组对应的种子中生长出来。但在此之前，我正在 matlab 中实现标准区域增长算法以了解其工作原理。 基线增长算法的第一步说：
要求：修正图像Il，Ir，初始对应关系 seeds S，图像相似度阈值。计算属于 S 的每个种子 s 的相似度 simil(s)。
Now i cannot understand this step. First of all how do i calculate initial seed points from two rectified images. Should i use SIFT algorithm in matlab or is there any better way to do it.???Can anybody also give me some idea about how does a region growing based disparity calculating algorithm works and whether it is better than SAD or SSD.
如果您对图像进行了校正，发现差异就是计算同一水平线上左右图像中像素之间的成本。
您可以在图像中选取几个点（例如具有高梯度的点或来自 SIFT 的特征点），将它们设置为您所在区域的 roots/seeds 并计算一系列成本使用 SAD/SSD 或您喜欢的任何成本函数的差异。
然后为根取最佳视差并将其分配给邻居。如果成本低于预定义的阈值，则将其添加到该区域，否则转到下一个邻居。当您不能再添加任何点时，区域增长就结束了。
这是该过程的详细示例：http://arxiv.org/pdf/0812.1340.pdf