立体匹配中的图像分块（不重叠、重叠，含代码）

01

不重叠分块

效果：

1. clear;
   
   clc;
   
   img = imread('/media/P1.jpg');
   
   %% resize the image into the new size with 500x*500y
   
   r_img = img(:, :, 1);
   
   g_img = img(:, :, 2);
   
   b_img = img(:, :, 3);
   
   [row, col] = size(r_img);
   
   new_row = ceil(row/500) * 500;
   
   new_col = ceil(col/500) * 500;
   
   new_r_img = imresize(r_img, [new_row new_col], 'bilinear');
   
   new_g_img = imresize(g_img, [new_row new_col], 'bilinear');
   
   new_b_img = imresize(b_img, [new_row new_col], 'bilinear');
   
   new_img(:, :, 1) = new_r_img;
   
   new_img(:, :, 2) = new_g_img;
   
   new_img(:, :, 3) = new_b_img;
   
   [y_row y_col dim] = size(new_img);
   
   row_blk_num = y_row/500;  % 3
   
   col_blk_num = y_col/500;  % 6
   
   no overlap
   
   blocks = 1;
   
   for i = 1:row_blk_num
   
       for j = 1:col_blk_num
   
           disp(blocks);
   
           block = new_img((i - 1) * 500 + 1 : i * 500, (j - 1) * 500 + 1 : j * 500, :);
   
           imwrite(block, ['./' num2str(blocks) '.jpg']);
   
           blocks = blocks + 1;
   
       end
   
   end

02

重叠（重叠大小为块的一半）

效果：

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

图 2. 图像分块原理示意图

如上图所示，图像重叠分块时，有三个Block，三个Position和一个Principle：

三个Block是：起始Block，中间Block和边缘Block；

三个Position是：Block在原始图像的读取和写入位置，处理结果有效内容在Block自身的位置；

一个 Principle是：各个Block处理结果的有效部分应该保持保持无缝连接；

基于以上思路，我们列出图像分块时的几个关键参数：

图像纵向块数：m_Tile = (height-BLOCKOVERLAP_Y-1)/(BLOCKHEIGHT-2*BLOCKOVERLAP_Y)+1

图像横向块数：nTile = (width-BLOCKOVERLAP_X-1)/(BLOCKWIDTH-2*BLOCKOVERLAP_X)+1

其中，width和height为原始图像的宽高，BLOCKWIDTH和BLOCKHEIGHT为图像块的宽高，BLOCKOVERLAP_X和BLOCKOVERLAP_Y为图像块横向和纵向的重叠尺寸。因为横向和纵向的公式是完全类似的，为了简便起见，下面我们用size，BLOCK，OVERLAP来相应代替上面的三个量。

图像重叠分块参数表

i_Read                i_Write                                     i_Offset

1st                           0                                              0                                  0

Middle      i*(BLOCK-2*OVERLAP)            i_Read+OVERLAP           OVERLAP

Last size-BLOCK (i+1)*BLOCK-(2*i-1)*OVERLAP-size (i+1)*BLOCK-(2*i-1)*OVERLAP-size

上面的表中还有一项i_Offset表示的是Block处理结果的有效内容的起始位置，在写入图像时，要从Block的此位置开始读取内容并写入原始图像从i_Write开始的内存中。

3. 立体匹配中的图像重叠分块的方法介绍

立体匹配中使用分块处理的方法和一般的图像处理的分块方法不同，因为Block之间的对应需要一个初始的视差来驱动，否则可能导致图像块之间没有很好的重叠（如图3所示）。

图 3. 无初始视差驱动的航空影像分块处理

所以，如果有初始视差图来驱动，就可以很好地实现影像分块，而且这时不仅可以解除内存限制或者实现并行处理，还可以减小每个图像块的视差搜索范围，因此最终还有可能减少误匹配率。

代码：

clear;

clc;

img = imread('/media/P1.jpg');

%% resize the image into the new size with 16x*16y

r_img = img(:, :, 1);

g_img = img(:, :, 2);

b_img = img(:, :, 3);

[row, col] = size(r_img);

new_row = ceil(row/500) * 500;

new_col = ceil(col/500) * 500;

new_r_img = imresize(r_img, [new_row new_col], 'bilinear');

new_g_img = imresize(g_img, [new_row new_col], 'bilinear');

new_b_img = imresize(b_img, [new_row new_col], 'bilinear');

new_img(:, :, 1) = new_r_img;

new_img(:, :, 2) = new_g_img;

new_img(:, :, 3) = new_b_img;

[y_row y_col dim] = size(new_img);

row_blk_num = (y_row-250)/250;  % 5

col_blk_num = (y_col-250)/250;  % 11

blocks = 1;

for i = 1:row_blk_num

    for j = 1:col_blk_num

        disp(blocks);

        block = new_img((i - 1) * 250 + 1 : (i+1) * 250, (j - 1) * 250 + 1 : (j+1) * 250, :);

        imwrite(block, ['./' num2str(blocks) '.jpg']);

        blocks = blocks + 1;
    end
end