立体匹配——census算法
参考文章：https://blog.csdn.net/MyStylee/article/details/78491271
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，计算结果为1的个数，记1的个数作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。
代码实现：
#if 1
//*************************Census*********************
#include (census) << endl;
}
}
}
}
Img_census.at<uchar>(i + hWind, j + hWind) = census;//census编码图像赋值
}
}
end = getTickCount();
cout << "time is = " << end - start << " ms" << endl;
return Img_census;
}
//------------得到汉明距离---------------
int GetHammingWeight(uchar value)
{
int num = 0;
if (value == 0)
return 0;
while (value)
{
++num;
value = (value - 1)&value;
}
return num;
}
//--------------------得到视差图像--------------
Mat getDisparity(Mat &left, Mat &right)
{
int DSR_min = 0;//视差搜索范围上限
int DSR_max = 16;//视差搜索范围下限
Mat disparity(ImgHeight, ImgWidth, CV_8UC1);
cout << "ImgHeight = " << ImgHeight << " " << "ImgWidth = " << ImgWidth << endl;
for (int i = 0; i < ImgHeight; i++)
{
for (int j = 0; j < ImgWidth; j++)
{
uchar L;
uchar R;
uchar diff;
int count = 0;//视差图像素
L = left.at<uchar>(i, j);
Mat Dif(1, DSR_max - DSR_min, CV_8UC1);
// Mat Dif(1, DSR, CV_32F);
for (int k = DSR_min; k < DSR_max; k++)
{
//cout << "k = " << k << endl;
int y = j - k;
if (y < 0)
{
Dif.at<uchar>(k) = 0;
}
if (y >= 0)
{
R = right.at<uchar>(i, y);
#if 0
cout << (65 ^ 35) << endl; //98; cout << 65 ^ 34 << endl;//这样会报错
cout << (65 | 35) << endl; //99;
cout << (65 & 35) << endl; //1
#endif // 0
//bitwise_xor(L, R, );
diff = L ^ R;
diff = GetHammingWeight(diff);
Dif.at<uchar>(count++) = diff;
// Dif.at(k) = diff;
//cout << count << endl;
}
}
//---------------寻找最佳匹配点--------------
Point minLoc;
minMaxLoc(Dif, NULL, NULL, &minLoc, NULL);
int loc = minLoc.x;//x相当于矩阵中的列。坐标和矩阵不一样，坐标是P(x, y),对应矩阵是y行x列
disparity.at<uchar>(i, j) = loc * 16;//乘以16是因为设置的视差下限是DSR_max，16*16=256，正好可以将视差图(0-15)*16变成灰度图(0-255)
}
}
return disparity;
}
//-------------对得到的视差图进行处理视差优化-------------------
Mat ProcessDisparity(Mat &disImg)
{
Mat ProcessDisImg(ImgHeight, ImgWidth, CV_8UC1);//存储处理后视差图
for (int i = 0; i < ImgHeight; i++)
{
for (int j = 0; j < ImgWidth; j++)
{
uchar pixel = disImg.at<uchar>(i, j);
if (pixel < 100)
pixel = 0;
ProcessDisImg.at<uchar>(i, j) = pixel;
}
}
return ProcessDisImg;
}
#endif // 0
左图和右图：
运行结果为：
补充：
（1）事先在工程目录pic文件下存放：立体校正后的左图 “2.ppm"和立体校正后的右图"3.ppm”。图片获取网址：http://vision.middlebury.edu/stereo/data/scenes2001/data/tsukuba/
数据集：http://vision.middlebury.edu/stereo/data/
（2）统计一个整数转换成二进制数后1的个数
https://blog.csdn.net/earther19949/article/details/99840713
#include（3）Mat：
https://blog.csdn.net/sinat_33718563/article/details/78213233
（a）三通道图像读取方式
Vec3b可以看作是vector
使用由于在OpenCV中，使用imread读取到的Mat图像数据，都是用uchar类型的数据存储，对于RGB三通道的图像，每个点的数据都是一个Vec3b类型的数据。使用at定位方法如下：
img.at(row, col)[0] = 255; // 这是指修改B通道数据
img.at(row, col)[1] = 255; // 这是指修改G通道数据
img.at(row, col)[2] = 255; // 这是指修改R通道数据
（b）单通道图像读取方式
Mat img1 = imread(filename,IMREAD_GRAYSCALE);
for( size_t nrow = 0; nrow < img1.rows; nrow++)
{
for(size_t ncol = 0; ncol < img1.cols; ncol++)
{
uchar val = img1 .at<uchar>(nrow,ncol);
}
}
（4）Opencv minMaxLoc()函数的使用
void cv::minMaxLoc ( InputArray src,
double * minVal,
double * maxVal = 0,
Point * minLoc = 0,
Point * maxLoc = 0,
InputArray mask = noArray()
)
参量：
src 输入单通道数组。
minVal 指向返回的最小值的指针；如果不需要，则使用NULL。
maxVal 指向返回的最大值的指针；如果不需要，则使用NULL。
minLoc 指向返回的最小位置的指针（在2D情况下）；如果不需要，则使用NULL。
maxLoc 指向返回的最大位置的指针（在2D情况下）；如果不需要，则使用NULL。
mask 用于选择子阵列的可选遮罩。
函数cv :: minMaxLoc查找最小和最大元素值及其位置；该功能不适用于多通道阵列。如果需要在所有通道中查找最小或最大元素，请先使用Mat :: reshape将数组重新解释为单通道。