話說我今天上午寫的博客忘了保存,直接關了電腦,然后我就XX了,沒辦法,晚上補回來吧,還是老算法,還是熟悉的味道
SAD算法的基本流程:
1.構造一個小窗口,類似與卷積核。
2.用窗口覆蓋左邊的圖像,選擇出窗口覆蓋區域內的所有像素點。
3.同樣用窗口覆蓋右邊的圖像並選擇出覆蓋區域的像素點。
4.左邊覆蓋區域減去右邊覆蓋區域,並求出所有像素點差的絕對值的和。
5.移動右邊圖像的窗口,重復3,4的動作。(這里有個搜索范圍,超過這個范圍跳出)
6.找到這個范圍內SAD值最小的窗口,即找到了左邊圖像的最佳匹配的像素塊。
下面我寫一下對於這個算法的理解:
我們要構造一個窗口D分別用於覆蓋左邊圖像和右邊圖像,窗口的size大小可以自己去定義,然后用D窗口圈出了AB兩幅圖像后,我們需要要左右窗口內的
選定的像素做差,然后求取其絕對值,並且對絕對值求和。在視差范圍內移動窗口 ,並重復作差,求取絕對值,並求和。找到最小的匹配塊,並且標記記錄下來
廢話不多說我們看代碼,這份代碼不是我寫的,我寫完后發現運行效率超級低,我以為我寫錯了,
賦值粘貼了別人的代碼發現還是很慢,不知道什么原因。求大神指教。
for(i=1+win:1:wL-win) for(j=1+win:1:hL-win-dispMax) preSAD = 10000000; temp=0.0; OptimalDisp = dispMin; for(dispRange=dispMin:1:dispMax) curSAD=0.0; for(x=-win:1:win) for(y=-win:1:win) if (j+y+dispRange <= hL) temp=imR(i+x,j+y)-imL(i+x,j+y+dispRange); if(temp<0.0) temp=temp*-1.0; end curSAD=curSAD+temp; end end end %Finding a best disaparty if (preSAD > curSAD) preSAD = curSAD; OptimalDisp = dispRange; end end %Final disparity dispMap_SAD(i,j) = OptimalDisp; end end
(其實不難發現,算法中存在大量的冗余計算,主要體現在,你需要反復地計算出,已經計算過的差值,絕對值,求和,所以,能不能只計算一次插值呢,能不能先求取插值,比如生成一個插值圖像(imgL-imgR),然后利用窗口D在插值圖像上面滑動,計算和,然后在針對每個點進行匹配)= =這份代碼也是在網上找到的,發現寫代碼還是一件費勁的事,自己還是很垃圾,慢慢努力吧
im1=imread('left2.png'); im2=imread('right2.png'); if isrgb(im1) im1=rgb2gray(im1); end %imshow(im1); im1=double(im1); if isrgb(im2) im2=rgb2gray(im2); end %figure %imshow(im2); im2=double(im2); D=20; %最大視差 N=9; %窗口大小的一半 [H,W]=size(im1); %計算右圖減去左圖,相減產生D個矩陣放到imgDiff中 imgDiff=zeros(H,W,D); e=zeros(H,W); tic for i=1:D fprintf('%g\n',i) e(:,1:(W-i))=abs(im2(:,1:(W-i))- im1(:,(i+1):W)); %e=conv2(e,e,'same'); e2=zeros(H,W);%計算窗口內的和 for y=(N+1):(H-N) for x=(N+1):(W-N) e2(y,x)=sum(sum(e((y-N):(y+N),(x-N):(x+N)))); end end imgDiff(:,:,i)=e2; end %20 %找到最小的視差,到dispMap dispMap=zeros(H,W); for x=1:W for y=1:H %[val,id]=min(imgDiff(y,x,:)); [val,id]=sort(imgDiff(y,x,:)); if abs(val(1)-val(2))>10 dispMap(y,x)=id(1); end end end toc %顯示 dispMap=dispMap*200/D; dispMap=uint8(dispMap); %toc imshow(dispMap) %imwrite(dispMap,'dispMap.jpg')