本文介绍了归一化相关性（NCC）视差匹配原理，包括极线校正和双目立体匹配流程。实验部分探讨了不同匹配窗口大小对结果的影响，发现窗口大小适中才能获得理想的视差图。最后，提到了图像大小对实验运行效率的影响。
目录
一、视差计算原理
1.1 NCC视差匹配方法
归一化相关性（normalization cross-correlation），简称NCC。其是对图像内的像素点来构建一个n
n的邻域作为匹配窗口，然后对目标像素位置同样的构建一个nn大小的匹配窗口，对两个窗口进行相似度度量。对于两幅图像来说，在进行NCC计算之前要对图像进行处理，也就是讲两帧图像进行极线校正，使两帧图像的光心处于同一水平线上。通过校正极线可以方便NCC操作。
NCC计算公式如下：
为匹配窗口；
为原始图像的像素值；
I1(px,py)为原始窗口内像素的均值，
为原始图像在目标图像上对应点位置在x方向上偏移d之后的像素值，I2(px+d,py)为目标图像匹配窗口像素均值。
公式通过归一化将匹配结果限制在 [-1,1]的范围内，可以非常方便得到判断匹配窗口相关程度：当NCC= -1，表示两个匹配窗口完全不相关，相反的当NCC=1时，表示两个匹配窗口相关程度非常高。
视差：左右双目图像中，两个匹配块中心像素的水平距离。
1.2 双目立体匹配
双目立体匹配流程如下：
1. 采集图像：通过标定好的双目相机采集图像，当然也可以用两个单目相机来组合成双目相机。（标定方法下次再说）
2. 极线校正：校正的目的是使两帧图像极线处于水平方向，或者说是使两帧图像的光心处于同一水平线
最低0.47元/天 解锁文章
扫一扫
465
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
