要求：對給出的左右視圖進行匹配，最后輸出左右兩張disparity map（視差圖）
e.g.
左視圖、右視圖（兩幅圖像大小相同，只有水平方向上的視角變換）
標准視差圖如下：
SSD（sum of squared differences）實現：
1.把左右視圖轉成CV_8UC1單通道圖像
可以直接引用opencv的API實現、自己寫一個對三通道取平均值或者按照下面公式轉換的函數，對結果影響不大
2.對每一個像素進行處理
假設dmax=79，則有，對於每個像素的每個d值，計算patch（滑動窗口）內左右視圖的像素灰度值的平方差之和，然后記錄該值與其對應的d值
此處可以用vector<pair<sum, d>>來存儲結果
3. 取最小sum值對應的d做為最終輸出的disparity map對應點的灰度值
result：5*5 窗口，壞點率分別為24,72%， 25.78%
NCC（normalized cross-correlation）實現：
1. 同樣，先把左右視圖轉成單通道灰度圖
2. 然后對於每個像素做處理，對於每個對應的d值，先計算分子，在計算分母，最后把分子/分母的值與對應d值存入vector中
3.取vector中最大值對應的d值為disparity map在該點的灰度值
result：5*5窗口 壞點率：23.64%， 24.20% 比SSD稍微好一點
ASW（Adaptive Support Weight）實現：
這個就按公式實現，比較簡單，如果窗口足夠大的話，ASW的處理效果會比較好，但是會很慢
但是中間計算Cpq值的時候主要要把BGR模型轉換成Lab模型計算
result：5*5 窗口大小，壞點率：31.33% ， 31.39%
33*33窗口大小，壞點率：19.44% ， 20.75%（但是，跑了9242 seconds...可以自行感受一下...
代碼實現：https://github.com/CheerM/opencv_stereo_matching/tree/master/src
BTW，哪位勇士跑完全部測例的ASW 33*33，能不能順便分享一下數據給我看看，感激不盡啊> <
