绝对差立体匹配算法的实现

Question

美好的一天！

我正在尝试学习如何手动实施立体匹配算法。我基本上从最基本的开始 - 绝对差异。

我在网上找到了一些介绍如何操作的幻灯片。基本上，据我了解，我应该通过某个 distance/disparity 计算左图像中的像素与右图像中的相同像素 "shifted" 之间的差异。然后在这些差异中，我 select 最小，这对我来说很有意义，因为具有最低差异的像素意味着它很可能是左图中的相同像素。

我已经在 MATLAB 中制作了原型。这是代码：

im_left = imread('tsu_left.png');
im_right = imread('tsu_right.png');

height = size(im_left, 1);
width = size(im_left, 2);

disparity_max = 16;

ad_costs = zeros(height, width,disparity_max);

for disparity = 1:disparity_max
    for row = 1:height
        for col = 1:width
            %Left to right matching
            col_disp = col - disparity;
            if col_disp < 1
                ad_costs(row, col, disparity) = 0;
            else
                %Average RGB
                left_pixel = (im_left(row, col, 1) + im_left(row, col, 2) + im_left(row, col, 3))/3;
                right_pixel = (im_right(row, col_disp, 1) + im_right(row, col_disp, 2) + im_right(row, col_disp, 3))/3;

                %Subtract averages
                ad_costs(row, col, disparity) = abs(left_pixel - right_pixel);
            end
        end
    end
end

min_costs = zeros(height, width);

for disparity = 1:disparity_max
    for row = 1:height
        for col = 1:width
            %The minimum disparity is chosen
            min_costs(row, col) = min(ad_costs(row, col, :));
        end
    end
end

请注意，我还没有实现对某个 window 中的差异求和的变体，从而导致绝对差异之和。我只考虑每个像素、每个视差的差异。我在网上找到的讲义幻灯片说它应该是这样的（最右图）：

https://dl.dropboxusercontent.com/u/92715312/lec.PNG

但是，上面代码（使用 imshow(min_costs)）的结果是这样的：

https://dl.dropboxusercontent.com/u/92715312/res.PNG

我不明白为什么输出如此不同。我是否遗漏了一些微不足道的步骤，或者我对算法工作原理的理解有误？我也在用筑波图片

Answer 1

这很可能是 imshow 问题。函数 imshow 除外图像在 [0, 255] 范围内（如果它是 uint8）或 [0.0, 1.0]（如果是浮点数）。

尝试：

imshow(min_cost, []);

注意，第二个参数为空数组。这告诉 Matlab 计算缩放比例。

或者，使用：

imagesc(min_cost); axis image off;

编辑：

带有一些像素差异测量的香草校正立体相当简单。请看下面的代码：

function [D, C_min, C] = stereo_sad(I1, I2, min_d, max_d, w_radius)
  % function [D, C_min, C] = stereo_sad(I1, I2, min_d, max_d, w_radius)
  %
  % INPUT
  %   I1 the left stereo image
  %   I2 the right stereo image
  %   min_d minimum disparity
  %   max_d maximum disparity
  %   w_radius the radius of the window to do the AD aggeration
  %
  % OUTPUT
  %   D disparity values
  %   C_min cost associated with the minimum disparity at pixel (i,j)
  %   C  the cost volume for AD
  %

  if nargin < 5, w_radius = 4; end % 9x9 window
  if nargin < 4, max_d = 64; end
  if nargin < 3, min_d = 0; end

  % aggregation filter (window size to aggerate the AD cost)
  kernel = ones(w_radius*2+1);
  kernel = kernel ./ numel(kernel); % normalize it

  % grayscale is sufficient for stereo matching
  % the green channel is actually a good approximation of the grayscale, we
  % could instad do I1 = I1(:,:,2);
  if size(I1,3) > 1, I1 = rgb2gray(I1); end
  if size(I2,3) > 1, I2 = rgb2gray(I2); end

  % conver to double/single
  I1 = double(I1);
  I2 = double(I2);

  % the range of disparity values from min_d to max_d inclusive
  d_vals = min_d : max_d;
  num_d = length(d_vals);
  C = NaN(size(I1,1), size(I1,2), num_d); % the cost volume

  % the main loop
  for i = 1 : length(d_vals);
    d = d_vals(i);
    I2_s = imtranslate(I2, [d 0]);
    C(:,:,i) = abs(I1 - I2_s); % you could also have SD here (I1-I2_s).^2
    C(:,:,i) = imfilter(C(:,:,i), kernel);

  end

  [C_min, D] = min(C, [], 3);
  D = D + min_d;

end

给运行代码

I1 = imread( ... 你的左图 I2 = imread( ... 你的右图) D = stereo_sad(I1, I2, 0, 96, 4); 图片c(D)；轴图像关闭；彩条

你会得到像下面这样的视差图

步骤是：

在每个差异处移动右图像
计算移动后的图像和左图（或其他一些度量，如 SSD）
用矩形取平均值window，这是一个"box"过滤器
以每像素 "volume" 的成本存储平均值
差异位于每像素成本量的最小值处。 Disparity 会在索引中变成最小值

可以使用内置的 Matlab 工具完成这些操作，以生成易于阅读的代码。

希望对您有所帮助。

Answer 2

我认为你应该在最小化步骤之后做一个过滤器

绝对差立体匹配算法的实现

Implementation of Absolute Differences Stereo Matching Algorithm

matlab

vision

matching

correspondence