【发布时间】：2013-07-10 13:08:19
【问题描述】：
我是立体匹配的新手。我无法理解差异的概念。什么是视差图和视差图，它们有什么区别？
【问题讨论】：
标签： computer-vision stereo-3d disparity-mapping
【发布时间】：2013-07-10 13:08:19
【问题描述】：
了解视差的最简单方法之一是眨眼，一次眨眼，左右眼交替。如果你观察，离你近的物体似乎会比离你更远的物体更多地跳动它们的位置。随着物体移开，这种转变将变得可以忽略不计。因此，在视差图中，较亮的阴影表示与视点（相机）的距离更大，距离更小。较深的阴影代表较小的偏移，因此与相机的距离较远。
【讨论】：
差异
视差是指立体对的左右图像中两个对应点之间的距离。如果您查看下图，您会看到标记的点 X（忽略 X1、X2 和 X3）。沿着从 X 到 OL 的虚线，您可以看到在 XL 处与左侧平面的交点。同样的原则也适用于右侧的图像平面。
如果 X 投影到左帧 XL = (u,v) 和右帧 XR = (p,q) 中的一个点，您可以找到该点的视差作为 (u ,v) 和 (p,q)。 显然，这个过程涉及在左侧帧中选择一个点，然后在右侧图像中找到它的匹配点（通常称为对应点）；在不犯很多错误的情况下，这通常是一项特别困难的任务。
视差图/图像
如果您要对左侧图像中的每个像素执行此匹配过程，在右侧框架中找到其匹配项并计算它们之间的距离，您最终会得到一个每个像素都包含距离/视差值的图像对于左侧图像中的那个像素。
示例
给定一张左图
还有一张正确的图片
通过将左侧图像中的每个像素与右侧图像中的对应像素进行匹配，并计算像素值之间的距离（差异），您最终应该得到如下所示的图像：
此底部图像称为视差图像/地图。执行立体匹配时要阅读的一个有用主题是rectification。这将使左右图像中的像素匹配过程大大加快，因为搜索将是水平的。
【讨论】：
-
这是一个很好的概述，但它听起来几乎像是任务是确定性的，我认为在现实世界条件下一般情况并非如此。