SGBM立体匹配算法得到深度视差图，可填自己双目相机参数

SGBM立体匹配算法得到深度视差图，可填自己双目相机参数，可以得到深度视差图，首先获取双目相机参数，然后图像路径，分割成左右图像经过立体校正、重映射畸变矫正，根据需求修改BM算法参数，最后归一化得到深度视差图。

是填自己双目相机参数的，官方公开的测试图像的SGBM立体匹配请看我下一篇。

这是我自己双目相机拍的左目图像，右目不放了，基本一样，经过SGBM立体匹配算法后得到深度视差图：

下面是代码:

import cv2
import numpy as np
import time
import random
import math
from scipy import signal
# 左镜头的内参，如焦距
left_camera_matrix = np.array([[830.3436, 5.2274, 577.4470],
                               [0, 837.6772, 411.9814],
                               [0, 0, 1]])
right_camera_matrix = np.array([[827.4272, 0.4823, 636.2954],
                                [0, 836.2356, 405.4773],
                                [0, 0, 1]])
# 畸变系数,K1、K2、K3为径向畸变,P1、P2为切向畸变
left_distortion = np.array([[-0.0531, 0.2968, -0.0202, -0.0026, -0.4999]])
right_distortion = np.array([[-0.0408, -0.1898, -0.0217, 0.0029, -0.1983]])
# 旋转矩阵
R = np.array([[0.9999, 0.0085, -0.0062],
              [-0.0084, 0.9999, 0.0068],
              [0.0062, -0.0068, 1.0000]])
# 平移矩阵
T = np.array([[-119.2072], [1.5289], [0.1504]])
size = (1280, 960)
R1, R2, P1, P2, Q, validPixROI1, validPixROI2 = cv2.stereoRectify(left_camera_matrix, left_distortion,
                                                                  right_camera_matrix, right_distortion, size, R,
                                                                  T)
# 校正查找映射表,将原始图像和校正后的图像上的点一一对应起来
left_map1, left_map2 = cv2.initUndistortRectifyMap(left_camera_matrix, left_distortion, R1, P1, size, cv2.CV_16SC2)
right_map1, right_map2 = cv2.initUndistortRectifyMap(right_camera_matrix, right_distortion, R2, P2, size, cv2.CV_16SC2)
# 加载图片文件
frame = cv2.imread("ccc/frame_0.jpg")
# 切割为左右两张图片
frame1 = frame[0:960, 0:1280]
frame2 = frame[0:960, 1280:2560]
# 将BGR格式转换成灰度图片，用于畸变矫正
imgL = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)
imgR = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)
# 重映射，就是把一幅图像中某位置的像素放置到另一个图片指定位置的过程。
# 依据MATLAB测量数据重
# 依据MATLAB测量数据重建无畸变图片,输入图片要求为灰度图
imgL = cv2.remap(imgL, left_map1, left_map2, cv2.INTER_LINEAR)
imgR = cv2.remap(imgR, right_map1, right_map2, cv2.INTER_LINEAR)
# 然后进行立体匹配和后处理...
# 创建SGBM对象
blockSize = 3
img_channels = 3
stereo = cv2.StereoSGBM_create(minDisparity=0,
                               numDisparities=128,
                               blockSize=blockSize,
                               P1=8 * img_channels * blockSize * blockSize,
                               P2=32 * img_channels * blockSize * blockSize,
                               disp12MaxDiff=-1,
                               preFilterCap=63,
                               uniquenessRatio=10,
                               speckleWindowSize=100,
                               speckleRange=1,
                               mode=cv2.STEREO_SGBM_MODE_SGBM_3WAY)
# 计算视差
disparity = stereo.compute(imgL, imgR)

disp = cv2.normalize(disparity, disparity, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# 显示视差图
cv2.imshow('Disparity Map', disp)
cv2.waitKey()
cv2.destroyAllWindows()

这是填自己双目相机参数的，官方公开的测试图像的SGBM立体匹配得到深度视差图请看我下一篇。