OpenCV双目匹配BM算法和SGBM算法的速度和精度比较

       OpenCV在双目匹配上所做的工作相当不错，从1.0版本到4.3这么多年的版本迭代，官方始终在优化双目匹配算法。最常用的当属BM算法和SGBM算法了：

       BM全称是BlockMatching，可以理解为一种块匹配算法，这里一个通俗的说法就是，为了找到两张图像中某一对同名点（也就是匹配点对），我们不可能只使用该像素的像素值进行比较，因为像素值相同的点在一副图像中往往不止一个，这时自然想到的就是利用周围的像素点和待匹配点作为一个整体，毕竟在实际生活中，相同的点周围也是相似的嘛。

       SGBM算法Semi-Global-BlockMatching，本质上也是一种快匹配算法。其具体算法原理可以参考这篇博客：https://blog.csdn.net/A_L_A_N/article/details/81490043。

       本文主要是让大家对于这两种算法实际的效果有一个直观的认识，从速度以及精度方面进行详细的比较。

一、速度比较（本文主要使用的OpenCV4.3版本，我的电脑性能是Intel® Core™ i5-8400 CPU @ 2.80GHz × 6）：

       首先这里需要说明的是选取的双目比较的图片是OpenCV官方提供的，原始图像分辨率为1282*1110。

     

         三种分辨率（mindisparity=0，ndisparities=48，SADWindowSize=9）

算法时间比较（ms）	1182*1110	640*480	320*240	160*120
BM	22	8.8	3.6	0.78
SGBM	262.5	52	12	2.5

        从上表中可以明显发现，SGBM算法速度远远慢于BM算法，但是随着分辨率下降，两者之间的差异逐步缩小。两种算法在图像分辨率减小时，所花费的时间也减小，但也不是线性变化。

二、精度比较（mindisparity=0，ndisparities=48，SADWindowSize=9）

     

       上图中，上一行为三种分辨率下的BM算法对应的视差图，下一行为三种分辨率下的SGBM算法对应的视差图。从图中可以看出，SGBM的精度整体上远远高于BM算法的精度。视差图孔洞更少，层次更为分明，这也是工业领域中常用SGBM算法的原因。而当固定匹配参数的时候，随着图像分辨率降低（从1110p--->240p），匹配精度提升，但是当分辨率下降到120p的时候，精度又下降了。说明图像分辨率太低之时，精度也将得不到保证。这主要是由于受到匹配参数的影响，这里我们主要讨论ndisparities所带来的影响。这里以1110p视差图的结果作为分析，如下图所示：

       这里修改了SGBM算法中的ndisparities参数，当增大ndisparities时，匹配精度也得到提升，这里的主要原因在于，图像分辨率越高之时，同名点之间的像素差异也会越大，搜索的最大视差也要增大，这样精度也会有提升。而对于其他参数是否有影响，大家可以根据上传的源代码进行修改测试吧，这里仅仅做一个小结，抛砖引玉！