からステレオ画像への密な視差マップを計算するにはどうすればよいですか?
これまでの私の考えは、最初の画像のすべてのピクセルを調べて、2 番目の画像をスキャンして一致するものを探すことでした。2 つのピクセルの類似性を比較するために、ピクセルの周囲の小さなウィンドウでピクセルの差の 2 乗を計算しました。このアルゴリズムは、合成画像では比較的うまく機能しますが、反射を含む画像や光強度の差が大きい画像ではうまく機能しません。より良い結果を得るには、どのアプローチを使用する必要がありますか?
画像処理のマスター、知識を共有してください。
Otto-Chau ステレオ マッチング アルゴリズムは非常に効果的で、サブピクセル精度の適応型最小二乗パッチ マッチングと、一致した画像での領域成長を組み合わせています。
Otto, GP, Chau, TKW, 1989. 地形画像のマッチングのための「領域拡張」アルゴリズム。イメージ ビジョン コンピューティング、7(2)、83 ～ 94 ページ。
これは領域ベースのアプローチであるため、画像内の適切な量のテクスチャにある程度依存しています。非常にまばらな画像データがある場合は、機能ベースのアプローチがうまく機能する可能性があります。おそらく、正確さのために適応 LS マッチングによって強化されます。相関アプローチは実装が簡単で高速ですが、画像間のアフィン ワーピングを考慮していないため、多くの場合、ニュートン ラフソン スキームを使用して多数のワーピングと画像から画像への非常に良い適合を得るために、放射測定パラメータ。
I found this write up on a method for calculating a dense disparity map, and if you follow the links you can get the PDF describing their method in detail. Unfortunately my image processing experience doesn't include stereoscopy so I can't comment on the quality of the algorithm presented.
http://serdis.dis.ulpgc.es/~lalvarez/research/demos/StereoFlow/
I'll check my texts for any further material on this subject.
Edit: I looked through the books I have and "Computer Vision" by Linda G. Shapiro and George C. Stockman has a ~10 page explanation of the math behind stereoscopy when camera and image orientation is known, and points to a section on correlation to find common features between stereo images but nothing on disparity mapping.
視差を計算するための一般的で効果的な方法には、グラフ カットが含まれます。基本的に、グラフは 2 つの画像から作成され、画像の深さの不連続性から生じるエネルギーを最小限に抑える方法でカットされます。Cornell の Ramin Zabih には、このトピックに関する多くの論文があります。
http://www.cs.cornell.edu/~rdz/graphcuts.html
概要として、「グラフカットによる高速近似エネルギー最小化」をお勧めします。