SGBM算法实现双目相机视差图计算

计算机视觉视差图（SGBM算法）是一种广泛应用于双目视觉系统中的深度估计方法，它基于结构相似性（SAD）模板匹配原理，用于计算左右两幅图像之间的像素差异。在给出的C++代码片段中，主要展示了如何使用OpenCV库实现SGBM（Stereo Block Matching）算法来生成视差图。 首先，包括必要的头文件，如`#include <opencv2/opencv.hpp>`，引入OpenCV库的接口。`StereoBM`类是OpenCV提供的一个高效且可配置的单应性和深度估计器，适合于实时应用。 代码初始化了两个灰度图像，分别读取左右相机的图像文件"imgL.jpg"和"imgR.jpg"。然后定义了视差图变量`Mat disp`，以及一些关键参数，如最小视差（`mindisparity`）、视差范围（`ndisparities`）、模板窗口大小（`SADWindowSize`）等。这些参数的选择对最终结果有显著影响，例如模板窗口大小会影响匹配精度与速度。 接下来，创建了一个`cv::StereoBM`对象`bm`，并设置了上述参数。预滤波器大小（`setPreFilterSize`）、阈值（`setTextureThreshold`）、唯一性比率（`setUniquenessRatio`）和最大允许的相邻视差差（`setDisp12MaxDiff`）都是用来提高匹配性能和消除噪声的。 为了处理边缘和光照变化，代码使用`copyMakeBorder`函数在图像边缘添加了边界像素，这里使用了复制边界模式（`IPL_BORDER_REPLICATE`）。接着，调用`bm->compute`方法，输入左右图像，计算出视差图`disp`。由于原始视差值可能范围较大，通过`convertTo`函数将其转换为浮点型，并缩放以适应实际应用场景（这里是将像素值范围缩小到1/16，以便后续处理）。 最后，视差图进一步进行8位无符号整数（`CV_8UC1`）的归一化，确保值在0到255之间，便于显示和保存。通过`imwrite`函数将处理后的视差图保存为"results/BM.jpg"。 总结来说，这段代码演示了如何使用SGBM算法在计算机视觉中估计双目相机的视差图，展示了基本的图像读取、参数设置、计算过程以及结果的后处理步骤。这是一种简单但实用的方法，适用于需要快速获得相对深度信息的应用场景。