立体匹配中图像重叠分块的实现方法

最新推荐文章于 2023-03-25 09:14:45 发布
原创 最新推荐文章于 2023-03-25 09:14:45 发布 · 5.1k 阅读 · 17 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#三维建模 图像处理 计算机视觉 #图像处理

本文探讨了立体匹配中图像分块处理的问题，指出直接分块会导致接边缝，而重叠分块能有效解决这一问题。通过设置特定的重叠尺寸和参数，确保图像块间无缝连接。在立体匹配中，初始视差图的使用能进一步优化分块处理，减少误匹配率，提高并行处理效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文分三部分：

1. 图像直接分块的问题；

2. 图像重叠分块的实现原理介绍；

3. 立体匹配中的图像重叠分块的方法介绍；

1. 图像直接分块的问题

由于内存的限制或为了实现并行处理，对图像进行分块处理是必要的。如果仅仅对图像进行分块处理，然后把处理的图像块进行简单的拼接，容易导致界边处缝的问题（如下图所示）。所以，需要在图像分块时使得相邻图像块有一定的重叠，然后选择最优的处理结果填充重叠区域，从而消除接边缝。

   

图 1. 左图为直接分块处理结果，右图为重叠分块处理结果

2. 图像重叠分块的实现原理介绍

最低0.47元/天 解锁文章
图像分块原理和实现【个人理解和整理】
nanke_yh的博客
12-11 6586
把一幅大尺寸图像分块的目的除为了实现并行处理之外，还能够将子块分次调入内存处理，增强算法的适用性，避免过大图像处理不了的问题。大尺寸图像被分块后，减少了每次运算的数据量和计算压力。
MATLAB算法实战应用案例精讲-【图像处理】缺陷检测（附python和matlab实现代码）
热门推荐
qq_36130719的博客
12-14 1万+
缺陷检测通常是指对物品表面缺陷的检测，表面缺陷检测是采用先进的机器视觉检测技术，对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中这种测量方法是在线非接触式检测设备，轮廓测量仪适用于轧制中的长材检测，如圆钢、方钢、螺纹钢、T型钢等，一般的表
图像重叠分块的实现与重构
08-05
针对大小为2^n*2^n的图像进行重叠分块并重构，分块大小也是2的幂次.也可实现图像处理中的滑窗技术(sliding technique)
Python-实现图像重叠分块与恢复
爱唱歌的卡卡西的博客
06-15 2952
  在准备图像分割的数据集时， 会遇到数据集 数据量较少 或者 分辨率较大不适合对原图进行缩放（缩放通常使用插值算法，主流的插值算法如双线性插值具有低通滤波的性质，会使得图像的高频分量受损，从而造成图像轮廓和边缘等细节损失，可能对模型学习有一定影响）的情况，使用Overlap-tile策略可以有效的解决上述问题。   看过U-Net原文的同学应该是了解Overlap-tile，做法其实很简单，就是在输入网络前对图像进行padding，使得最终的输出尺寸与原图一致。特别的是，这个padding是镜像paddi
Python 图像重叠分块
coolsunxu的博客
10-19 2383
import cv2 import math import numpy as np from pathlib import Path file_name = "121.tif" save_path = './sunxu' # create dir sunxu Path(save_path).mkdir(parents=True, exist_ok=True) # block size...
MATLAB 图像重叠分块
10-31
本程序实现了对图像进行重叠分块的操作，可以设置图像块的大小和图像块间的重叠率。
【图像处理】利用c++代码将图片分成指定块并添加块与块的重叠部分
qq_44747572的博客
03-25 945
注：在上述代码中，读入了一张名为“test.jpg”的图片，并将其分成了100x100的块。其中，添加了一个overlap_size变量，用于指定块与块之间的重叠部分大小。然后，使用两个嵌套的循环来遍历所有的块，并使用OpenCV的Rect类来定义每个块的位置和大小。以下是C++代码示例，将图片分成指定块并添加块与块的重叠部分。该代码使用OpenCV库进行图像处理。
立体匹配论文笔记（11.5~11.12）
qq_41924554的博客
11-13 4198
这里写目录标题1.《HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching》术语论文理解可取之点 1.《HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching》 术语 end-to-end learning 代价立方体 可微分 2D几何传播 翘曲机制 image tai 前向平行ti
【立体匹配技术深度剖析】：全面解析算法原理至优化实践
立体匹配技术是计算机视觉领域的核心问题之一，涉及图像间的视差计算，以重建三维场景。本文首先介绍立体匹配的基础知识和基本概念，阐述了局部和全局算法的基本原理以及面临的关键问题。通过实践章节，我们实现了...
python 图像重叠分块恢复
coolsunxu的博客
07-24 1268
python 图像重叠分块恢复
block_match.zip_block match_图像分块_图像重叠分块_图像重叠度_重叠分块
07-15
实现图像的不重叠分块，以及分块相似度的计算
图像分块（任意大小的）
10-09
该程序集合包括了好多个图像分块的程序！分解者可以根据自己的需要将图像分为任意大小的块！
图像分块代码
11-28
使用matlab语言实现对图像的分块显示，压缩包中有图片和代码，可以走直接运行
图像分块策略
游泳的鱼的专栏
08-30 1402
https://blog.youkuaiyun.com/a200800170331/article/details/54667188 https://blog.youkuaiyun.com/clever101/article/details/2651139
图像的叠加、混合、分离
ShaYx1991的博客
01-10 8944
图像的叠加、混合、分离 1 感兴趣区域ROI       ROI(region of interest)感兴趣区域，在图像处理过程中，有时候我们希望对图像中的某些区域进行处理，也就是仅对某些区域感兴趣，那么我们就可以定义我们的ROI区域。 方法：定义一个Rect来表示或指定行列范围。 Mat roi1, rot2; // 左上角 roi1 = img(Rec...
matlab 图像重叠分离,[转载]Matlab编程：大图分块 考虑重叠和边界
weixin_30258621的博客
03-16 624
原标题：[转载]Matlab编程：大图分块 考虑重叠和边界http://gzc828.blog.163.com/blog/static/104123664201331190646/clear,clc;[filename,filepath] = uigetfile('*.*','Select the image');if isequal(filename,0)||isequal(filepath,0...
图片重叠处理
skydcl的博客
09-10 756
#include <opencv2/opencv.hpp> #include <iostream> #include <opencv2/highgui/highgui_c.h> using namespace std; using namespace cv; //图片重叠 int main(int argc, char** argv) { Mat src, src1, src2, dst2; src1 = imread("F:/TestImage/emoji1.
图像重叠分块处理matlab,基于Matlab的图像分块处理
weixin_35743031的博客
03-16 1077
简介在图像处理中，图像块操作是常用的操作之一。这里介绍一种分块方法。实例clc; clear all; close all;A = imread('cameraman.tif');info = imfinfo('cameraman.tif');wd = info.Width;hd = info.Height;num = 8;sub_wd = wd / num;sub_hd = hd / num;i...
Python图像处理（7）：利用轮廓分块处理
嵌云阁
06-04 1万+
快乐虾http://blog.youkuaiyun.com/lights_joy/欢迎转载，但请保留作者信息在得到绿色植物的前景图像后，我们希望能够进一步标识出其中的棉花植株和杂草。测试图像仍然是它：首先要做的当然是对图像进行分区域处理。在上一步中我们得到了标识绿色植物的二值图像，一个很自然的想法是利用此二值图像的轮廓进行分块。# 获取轮廓，我们的目的是分块，因此只使用外层轮廓，使用点序列的形式 bin_im
重叠相关算法matlab
最新发布
01-08
### 关于重叠相关算法在MATLAB中的实现 为了理解并实现在MATLAB中的重叠相关算法，可以考虑将图像分割成较小的部分来处理。这种方法有助于减少计算复杂度，并提高效率。 #### 使用`normxcorr2`函数进行二维标准化互相关运算 对于立体视觉项目而言，在MATLAB中执行标准的二维规范化交叉关联操作可以通过内置函数`normxcorr2`完成[^1]： ```matlab template = imread('template.jpg'); % Load template image image = imread('mainImage.jpg'); % Load main image to search within ccoeff = normxcorr2(template, image); % Perform normalized cross-correlation ``` 然而，当面对大型数据集时，直接应用此方法可能会遇到内存不足的问题。因此，采用分块处理策略——即所谓的“重叠保存法”，能够有效解决这一挑战[^2]。 #### 实现自定义的重叠相关算法 下面是一个简单的例子展示如何手动编写一个基于窗口滑动机制的相关性检测器，该过程涉及到了模板匹配技术的核心思想： ```matlab function corrResult = customNormXCorr(image, template) imgHeight = size(image, 1); imgWidth = size(image, 2); tplHeight = size(template, 1); tplWidth = size(template, 2); padSizeH = floor(tplHeight / 2); padSizeW = floor(tplWidth / 2); paddedImg = padarray(double(image), [padSizeH, padSizeW], 'both'); corrResult = zeros(imgHeight, imgWidth); for y = 1 : imgHeight for x = 1 : imgWidth subImg = paddedImg(y:y + tplHeight - 1, x:x + tplWidth - 1); meanSubImg = mean(subImg(:)); stdSubImg = std(subImg(:)); meanTpl = mean(template(:)); stdTpl = std(template(:)); numerator = sum((subImg(:) - meanSubImg).* (double(template(:)) - meanTpl)); denominator = numel(template)*stdSubImg*stdTpl; if denominator ~= 0 corrValue = numerator/denominator; else corrValue = 0; %#ok<NASGU> end corrResult(y,x)=corrValue; end end end ``` 上述代码展示了如何通过遍历输入图片的不同位置来进行局部区域内的标准化互相关计算。这不仅适用于小型模板与较大背景图之间的比较，也适合用于更复杂的场景分析任务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值