视觉检测作业demo：双目视觉匹配

最新推荐文章于 2022-04-25 22:02:14 发布

不知语冰

最新推荐文章于 2022-04-25 22:02:14 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/qq_42800654/article/details/89021320

版权

图像处理专栏收录该内容

7 篇文章 5 订阅

订阅专栏

SAD算法，copy的SAD视觉匹配
（平行）双目立体视觉原理：

由相似三角型关系：
在这里插入图片描述
可得：

Z即深度
SAD：
从右图选定一个检测块，在左图中水平位置，从该位置向右检测n个块（步长1）（n为最大深度），找出灰度均值最接近的块，作为该块中心像素的深度。遍历整幅图像，可得到深度图。
在这里插入图片描述
code：

left=double(rgb2gray(imread('left.png')));
right=double(rgb2gray(imread('right.png')));

[m n]=size(left);

w=10;       %窗口半径
depth=20;    %最大偏移距离，同样也是最大深度距离
imgn=zeros(m,n);
for i=1+w:m-w
   for j=1+w+depth:n-w 
       tmp=[];
       lwin=left(i-w:i+w,j-w:j+w);
       for k=0:-1:-depth        
           rwin=right(i-w:i+w,j-w+k:j+w+k);
           diff=lwin-rwin;
           tmp=[tmp sum(abs(diff(:)))];
       end
       [junk imgn(i,j)]=min(tmp);   %获得最小位置的索引
   end
end
imshow(imgn,[]);

结果反正不太行，不知道为啥所有的图匹配出来都是无规则像素块（再留个坑），不过原理是对的，就先这样吧，这副是比较好的结果：
在这里插入图片描述
导出3D点云数据，在MeshLab中渲染（稀碎）

matlab自带的函数，参见disparity

I1 = imread('left.jpg');
I2 = imread('right.jpg');
figure
imshow(stereoAnaglyph(I1,I2));
title('红蓝差异图');
disparityRange = [0 32];%差异范围，大-小=需要是16的整数倍
disparityMap = disparity(rgb2gray(I1),rgb2gray(I2),'BlockSize',...
    15,'DisparityRange',disparityRange)
figure;
imshow(disparityMap,disparityRange);
title('填色');
colormap(gca,jet) 
colorbar

在这里插入图片描述