双目立体匹配 Census

最新推荐文章于 2024-05-09 09:33:50 发布

MisTimee

最新推荐文章于 2024-05-09 09:33:50 发布

阅读量5.7k

点赞数 8

CC 4.0 BY-SA版权

分类专栏： stereo matching-双目匹配文章标签：双目立体视觉

本文链接：https://blog.csdn.net/MyStylee/article/details/78491271

本文深入探讨了Census算法在双目立体匹配中的原理和应用。通过选取图像点，进行Census变换并利用汉明距离计算相似度，以找到最佳匹配点。虽然实现结果有待优化，但提供了代码示例，并期待读者分享改进意见。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一篇介绍了双目立体匹配SAD算法，这一篇介绍Census算法。
Census原理：
在视图中选取任一点，以该点为中心划出一个例如3 × 3 的矩形，矩形中除中心点之外的每一点都与中心点进行比较，灰度值小于中心点记为1，灰度大于中心点的则记为0，以所得长度为 8 的只有 0 和 1 的序列作为该中心点的 census 序列,即中心像素的灰度值被census 序列替换。经过census变换后的图像使用汉明距离计算相似度，所谓图像匹配就是在匹配图像中找出与参考像素点相似度最高的点，而汉明距正是匹配图像像素与参考像素相似度的度量。具体而言，对于欲求取视差的左右视图，要比较两个视图中两点的相似度，可将此两点的census值逐位进行异或运算，然后计算结果为1 的个数，记为此两点之间的汉明值，汉明值是两点间相似度的一种体现，汉明值愈小，两点相似度愈大实现算法时先异或再统计1的个数即可，汉明距越小即相似度越高。
census求汉明距离

下面的代码是自己根据原理写的，实现的结果并没有很好，以后继续优化代码。

具体代码如下：

//*************************Census*********************
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace cv;

//-------------------定义汉明距离----------------------------
int disparity;
int GetHammingWeight(uchar value);//求1的个数

//-------------------定义Census处理图像函数---------------------
int hWind = 1;//定义窗口大小为（2*hWind+1）
Mat ProcessImg(Mat &Img);//将矩形内的像素与中心像素相比较，将结果存于中心像素中
Mat Img_census, Left_census, Right_census;

//--------------------得到Disparity图像------------------------
Mat getDisparity(Mat &left, Mat &right);

//--------------------处理Disparity图像-----------------------
Mat ProcessDisparity(Mat &disImg);

int ImgHeight, ImgWidth;

//int num = 0;//异或得到的海明距离
Mat LeftImg, RightImg;
Mat DisparityImg(ImgHeight, ImgWidth, CV_8UC1, Scalar::all(0));
Mat DisparityImg_Processed(ImgHeight, ImgWidth, CV_8UC1, Scalar::all(0));
Mat DisparityImg_Processed_2(ImgHeight, ImgWidth, CV_8UC1);
//定义读取图片的路径
string file