StereoBM:opencv计算视差

0.前言
视差与深度的关系戳这里。在opencv里应该有三种求视差的方法和一些问题集锦,可参考:http://blog.youkuaiyun.com/chenyusiyuan/article/details/5967291/
1.代码

void saveDisp(const char* filename, Mat mat);
int main()
{
    char* filename = "../disparity_value.txt";

    Mat left = imread("../image/left_199.png",CV_LOAD_IMAGE_GRAYSCALE);
    Mat right = imread("../image/right_199.png",CV_LOAD_IMAGE_GRAYSCALE);
    double t = (double)getTickCount();
    Mat disp;
    StereoBM bm; 
在使用 OpenCV 计算视差图时,可以通过内置的立体匹配算法实现。OpenCV 提供了两种主要的方法来计算稠密视差图:`cv::StereoBM` 和 `cv::StereoSGBM`。 ### 使用 `cv::StereoBM` `cv::StereoBM` 是基于块匹配的算法,具有较快的执行速度,适合实时应用[^4]。该方法通过比较左右图像中的像素块差异来估计视差值。以下是一个基本的代码示例: ```cpp #include <opencv2/opencv.hpp> int main() { cv::Mat leftImage = cv::imread("left.png", cv::IMREAD_GRAYSCALE); cv::Mat rightImage = cv::imread("right.png", cv::IMREAD_GRAYSCALE); cv::Mat disparityMap; // 创建 StereoBM 对象 int numDisparities = 16 * 5; // 必须是 16 的倍数 int blockSize = 15; // 建议为奇数 cv::Ptr<cv::StereoBM> stereo = cv::StereoBM::create(numDisparities, blockSize); // 计算视差图 stereo->compute(leftImage, rightImage, disparityMap); // 归一化处理以便显示 cv::normalize(disparityMap, disparityMap, 0, 255, cv::NORM_MINMAX, CV_8U); cv::imshow("Disparity Map", disparityMap); cv::waitKey(0); return 0; } ``` ### 使用 `cv::StereoSGBM` `cv::StereoSGBM`(半全局块匹配)是一种更精确但计算成本较高的方法。它通过引入路径优化策略来提升视差图的质量,适用于对精度要求较高的场景[^4]。以下是相应的代码示例: ```cpp #include <opencv2/opencv.hpp> int main() { cv::Mat leftImage = cv::imread("left.png", cv::IMREAD_GRAYSCALE); cv::Mat rightImage = cv::imread("right.png", cv::IMREAD_GRAYSCALE); cv::Mat disparityMap; // 参数设置 int minDisparity = 0; int numDisparities = 16 * 5; // 必须是 16 的倍数 int blockSize = 15; // 建议为奇数 int P1 = 8 * 3 * blockSize * blockSize; int P2 = 32 * 3 * blockSize * blockSize; int disp12MaxDiff = 1; int preFilterCap = 63; int uniquenessRatio = 10; int speckleWindowSize = 100; int speckleRange = 32; // 创建 StereoSGBM 对象 cv::Ptr<cv::StereoSGBM> stereo = cv::StereoSGBM::create( minDisparity, numDisparities, blockSize, P1, P2, disp12MaxDiff, preFilterCap, uniquenessRatio, speckleWindowSize, speckleRange ); // 计算视差图 stereo->compute(leftImage, rightImage, disparityMap); // 归一化处理以便显示 cv::normalize(disparityMap, disparityMap, 0, 255, cv::NORM_MINMAX, CV_8U); cv::imshow("Disparity Map", disparityMap); cv::waitKey(0); return 0; } ``` ### 注意事项 - **图像预处理**:确保输入的左右图像已经进行了校正,以保证极线几何一致性。 - **参数调优**:不同的应用场景可能需要调整 `numDisparities`、`blockSize` 等参数来获得最佳效果。 - **性能与精度权衡**:`cv::StereoBM` 更快但精度较低,而 `cv::StereoSGBM` 更慢但能提供更高质量的视差图。 - **归一化处理**:为了能够以灰度图像形式显示或保存视差图,通常需要将数据进行归一化处理,并与 255 相乘后保存[^2]。 ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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