opencv3.4.6 立体匹配：StereoBM算法

OpenCV更新到3.0版本后，Stereo模块变化的挺多的，首先去掉了StereoBMState和StereoSGBMState这两个专门控制BM和SGBM算法参数的类，而且StereoBM不能直接声明实例，需要放到智能指针里cv::Ptr声明才行，而且不能直接通过访问state来访问参数，只能通过setter和getter方法来设置和获取参数。而且，BM和SGBM方法计算出的视差都是CV_16S格式的，使用32位float格式可以得到真实的视差值，所以我们需要除以16。

cv::Ptr bm = cv::StereoBM::create(16,9);
 
// setter
bm->setPreFilterType(CV_STEREO_BM_NORMALIZED_RESPONSE);
bm->setPreFilterSize(9);
bm->setPreFilterCap(31);
bm->setBlockSize(21);
bm->setMinDisparity(-16);
bm->setNumDisparities(64);
bm->setTextureThreshold(10);
bm->setUniquenessRatio(5);
bm->setSpeckleWindowSize(100);
bm->setSpeckleRange(32);
bm->setROI1(roi_left);
bm->setROI2(roi_right);
 
// getter
int pfs = bm->getPreFilterSize();
int pfc = bm->getPreFilterCap();
int bs = bm->getBlockSize();
int md = bm->getMinDisparity();
int nd = bm->getNumDisparities();
int tt = bm->getTextureThreshold();
int ur = bm->getUniquenessRatio();
int sw = bm->getSpeckleWindowSize();
int sr = bm->getSpeckleRange();
 
// Compute disparity
bm->compute(left, right, disp);

// Convert
disp.convertTo(disp, CV_32F, 1.0/16);

在上述参数中，对视差生成效果影响较大的主要参数是 SADWindowSize、numberOfDisparities 和 uniquenessRatio 三个，一般只需对这三个参数进行调整，其余参数按默认设置即可。

测试示例：

#include 
#include 

using namespace std;
using namespace cv;

void calDispWithBM(Mat imgL, Mat imgR, Mat &imgDisparity8U)
{
	Mat imgDisparity16S = Mat(imgL.rows, imgL.cols, CV_16S);

	//--Call the constructor for StereoBM
	cv::Size imgSize = imgL.size();
	int numberOfDisparities = ((imgSize.width / 8) + 15) & -16;
	cv::Ptr bm = cv::StereoBM::create(16, 9);

	//--Calculate the disparity image

	/*
	左右视图的有效像素区域，一般由双目校正阶段的 cvStereoRectify 函数传递，也可以自行设定。
	一旦在状态参数中设定了 roi1 和 roi2，OpenCV 会通过cvGetValidDisparityROI 函数计算出视差图的有效区域，在有效区域外的视差值将被清零。
	*/
	cv::Rect roi1, roi2;
	bm->setROI1(roi1);
	bm->setROI2(roi2);

	//==预处理滤波参数
	/*
	预处理滤波器的类型，主要是用于降低亮度失真（photometric distortions）、消除噪声和增强纹理等,
	有两种可选类型：CV_STEREO_BM_NORMALIZED_RESPONSE（归一化响应） 或者 CV_STEREO_BM_XSOBEL（水平方向Sobel算子，默认类型）,
	该参数为 int 型;
	*/
	bm->setPreFilterType(CV_STEREO_BM_NORMALIZED_RESPONSE);

	/*预处理滤波器窗口大小，容许范围是[5,255]，一般应该在 5x5..21x21 之间，参数必须为奇数值, int 型*/
	bm->setPreFilterSize(9);

	/*预处理滤波器的截断值，预处理的输出值仅保留[-preFilterCap, preFilterCap]范围内的值，参数范围：1 - 31,int 型*/
	bm->setPreFilterCap(31);

	//==SAD 参数
	/*SAD窗口大小，容许范围是[5,255]，一般应该在 5x5 至 21x21 之间，参数必须是奇数，int 型*/
	bm->setBlockSize(9);

	/*最小视差，默认值为 0, 可以是负值，int 型*/
	bm->setMinDisparity(0);

	/*视差窗口，即最大视差值与最小视差值之差, 窗口大小必须是 16 的整数倍，int 型*/
	bm->setNumDisparities(numberOfDisparities);

	//==后处理参数
	/*
	低纹理区域的判断阈值:
	如果当前SAD窗口内所有邻居像素点的x导数绝对值之和小于指定阈值，则该窗口对应的像素点的视差值为 0
	（That is, if the sum of absolute values of x-derivatives computed over SADWindowSize by SADWindowSize
	pixel neighborhood is smaller than the parameter, no disparity is computed at the pixel），
	该参数不能为负值，int 型;
	*/
	bm->setTextureThreshold(10);

	/*
	视差唯一性百分比:
	视差窗口范围内最低代价是次低代价的(1 + uniquenessRatio/100)倍时，最低代价对应的视差值才是该像素点的视差，
	否则该像素点的视差为 0 （the minimum margin in percents between the best (minimum) cost function value and the second best value to accept
	the computed disparity, that is, accept the computed disparity d^ only if SAD(d) >= SAD(d^) x (1 + uniquenessRatio/100.) for any d != d*+/-1 within the search range ），
	该参数不能为负值，一般5-15左右的值比较合适，int 型*/
	bm->setUniquenessRatio(15);

	/*检查视差连通区域变化度的窗口大小, 值为 0 时取消 speckle 检查，int 型*/
	bm->setSpeckleWindowSize(100);

	/*视差变化阈值，当窗口内视差变化大于阈值时，该窗口内的视差清零，int 型*/
	bm->setSpeckleRange(32);

	/*
	左视差图（直接计算得出）和右视差图（通过cvValidateDisparity计算得出）之间的最大容许差异。
	超过该阈值的视差值将被清零。该参数默认为 -1，即不执行左右视差检查。int 型。
	注意在程序调试阶段最好保持该值为 -1，以便查看不同视差窗口生成的视差效果。
	*/
	bm->setDisp12MaxDiff(1);

	/*计算视差*/
	bm->compute(imgL, imgR, imgDisparity16S);

	//-- Check its extreme values
	double minVal; double maxVal;
	minMaxLoc(imgDisparity16S, &minVal, &maxVal);

	cout << minVal << "\t" << maxVal << endl;

	//--Display it as a CV_8UC1 image：16位有符号转为8位无符号
	imgDisparity16S.convertTo(imgDisparity8U, CV_8U, 255 / (numberOfDisparities*16.));
}


int main()
{
	//--读取图像
	Mat imgL = imread("..\\image\\aloeL.jpg", 0);
	Mat imgR = imread("..\\image\\aloeR.jpg", 0);

	//--And create the image in which we will save our disparities
	Mat imgDisparity8U = Mat(imgL.rows, imgL.cols, CV_8UC1);

	calDispWithBM(imgL, imgR, imgDisparity8U);
}