双目立体匹配 SAD

最近开始研究双目匹配算法，于是在网上代码网站比如CSDN,GITHUB，虽然找到很多代码，但是由于用的编译环境或者库不一样，导致有些代码无法理解，所以，为了得到自己想要的结果，本人花了几天的时间根据算法的基本原理，结合自己的编译环境，编写了代码。具体代码和步骤如下所示：
编译环境： visual studio 2015 + opencv3.2.0

先对SAD立体匹配算法做一个详细的解释（摘抄自某个作者的博客）。
SAD 算法：SAD算法是一种最简单的匹配算法，用公式表示为：

SAD(x,y,d) = Sum{|Left(x,y) - Right(x,y,d)|} 选择最小值，其中d为视差范围

此方法就是以左目图像的匹配点为中心，定义一个窗口D，其大小为 （2 * hwind+1） (2 * hwind+1)，统计其窗口的灰度值的和，然后在右目图像中逐步计算其左右窗口的灰度和的差值，最后搜索到的差值最小的区域的中心像素即为匹配点。

基本流程：

1.构造一个小窗口，类似与卷积核。

2.用窗口覆盖左边的图像，选择出窗口覆盖区域内的所有像素点。

3.同样用窗口覆盖右边的图像并选择出覆盖区域的像素点。

4.左边覆盖区域减去右边覆盖区域，并求出所有像素点差的绝对值的和。

5.移动右边图像的窗口，重复3，4的动作。（这里有个搜索范围，超过这个范围跳出）

6.找到这个范围内SAD值最小的窗口，即找到了左边图像的最佳匹配的像素块。

以下这段话是对于双目立体匹配小白而言的，如果读者对于双目匹配有一定的了解，可以直接略过这段话直接看下面的程序。
有些人看到上面的这段定义就疑惑了，想着为什么两幅图像相减就能得到立体的图像呢。下面为大家解释一下。

大家看到上面的这两幅图像，renwu_left（以下统称为左图），renwu_right（以下统称为右图）。在这两个图像的最右边我标记了两个红色的方框。从图中可以看出，左图相对于右图相对靠左，所以说，在左图中要找到与右图相匹配的像素，就要在固定左图Left(x,y)的前提下，在右图中以同样的坐标为基点 Right(x,y)，向左寻找匹配区域 Right(x,y,d)//d为选择移动的像素范围。 这样通过遍历图像，就可以得到匹配图像。又有读者问了，就算匹配上，那怎么得到深度呢？下面为读者解释一下（这个概念也是花了我好长时间才搞明白的）