OpenCV中SGBM中BT代价计算

2023-10-07 04:10

文章标签 计算 opencv 代价 sgbm bt

本文主要是介绍OpenCV中SGBM中BT代价计算，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

OpenCV中SGBM中BT代价计算

AD算法
BT算法

AD算法

在对BT算法说明前，先对AD（Absolute differences）算法进行简单说明。
在这里插入图片描述
如上图所示， $I_R(x,y)$ 、 $I_T(x,y)$ 分别表示左图和右图中的像素 $(x, y)$ 处的值，那么左图中像素 $I_R(x,y)$ 与右图中视差为 $d$ 的像素的AD代价值如下式所示：
$c(x,y,d)=|I_R(x,y)-I_T(x+d,y)|$

BT算法

BT的代价也是像素灰度值差值的绝对值，不同之处在于BT利用了亚像素的灰度信息。
在这里插入图片描述
如图所示，首先计算左图中像素 $x_R -0.5,y)$ 和 $x_R+0.5 ,y)$ 之间亚像素位置 $x_R+x,y)$ 的灰度值 $\widetilde{I_R}(x_R,y)$ ,然后计算右图中像素 $x_R +d-0.5,y)$ 和 $x_R +d+0.5,y)$ 之间亚像素位置 $x_R+d+x,y)$ 的灰度值 $\widetilde{I_T}(x_R+d,y)$ 。
分别计算两个代价：
$cos_1=\min_{x_R-\frac{1}{2}\le x_R+\frac{1}{2} }|I_R(x_R,y)-\widetilde{I_T}(x_R+d,y)|$ $cos_2=\min_{x_R-\frac{1}{2}\le x_R+\frac{1}{2} }|I_T(x_R+d,y)-\widetilde{I_R}(x_R,y)|$ 最终的代价为两个代价的最小值：
$cos = min(cos_1,cos_2)$
注意：Opencv源码中，并没有计算太多亚像素的灰度值，只是取了两个像素中间点的亚像素的灰度值。

 for( int d = minD; d < maxD; d++ ){int v = prow2[width-x-1 + d];// 之前右图是逆序存储，现在需要逆序取出，并加上视差值int v0 = buffer[width-x-1 + d];// 最小值int v1 = buffer[width-x-1 + d + width2];// 最大值int c0 = std::max(0, u - v1); c0 = std::max(c0, v0 - u);int c1 = std::max(0, v - u1); c1 = std::max(c1, u0 - v);// cost计算。与原论文不同的是，opencv的B.T. metrics包含了两个部分，// 一部分为prow1和prow2第一行所存储的左右图的sobel滤波结果的B.T. metrics，// 一部分为prow1和prow2第二行所存储的左右图的灰度值的B.T. metricscost[x*D + d] = (CostType)(cost[x*D+d] + (std::min(c0, c1) >> diff_scale));}