sad匹配算法python

SAD (Sum of Absolute Differences) 匹配算法是一种计算两幅图像之间差异的方法，常用于计算机视觉领域中的图像匹配问题。下面是一个简单的 SAD 匹配算法的 Python 实现：

import numpy as np
import cv2

# 读取两幅图像
img1 = cv2.imread('image1.png', 0)
img2 = cv2.imread('image2.png', 0)

# 设置窗口大小，用于计算 SAD 值
window_size = 5

# 计算图像的 SAD 值
def calculate_sad(img1, img2, x, y):
    sad = np.sum(np.abs(img1[x:x+window_size, y:y+window_size] - img2[x:x+window_size, y:y+window_size]))
    return sad

# 在图像中找到最小的 SAD 值
def find_best_match(img1, img2, x, y):
    min_sad = float('inf')
    best_match = None
    for i in range(-window_size//2, window_size//2):
        for j in range(-window_size//2, window_size//2):
            sad = calculate_sad(img1, img2, x+i, y+j)
            if sad < min_sad:
                min_sad = sad
                best_match = (x+i, y+j)
    return best_match

# 对每个像素进行匹配
disparity_map = np.zeros_like(img1)
for i in range(window_size//2, img1.shape[0]-window_size//2):
    for j in range(window_size//2, img1.shape[1]-window_size//2):
        best_match = find_best_match(img1, img2, i, j)
        disparity_map[i, j] = j - best_match[1]

# 显示视差图像
cv2.imshow('Disparity map', disparity_map)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个实现中使用了 OpenCV 库来读取图像，但是 SAD 匹配算法的实现并不需要 OpenCV，并且可以适用于任何图像。具体来说，这个实现中通过 `calculate_sad` 函数计算了两幅图像在给定位置的 SAD 值，然后通过 `find_best_match` 函数找到了与给定位置的图像 SAD 值最小的位置，最后对每个像素进行匹配并生成视差图像。