SAD进行双目立体视觉匹配（Python语言）

1 编译环境

编程语言：Python
IDE：PyCharm 2017

2 算法原理介绍

SAD(Sum of absolute differences)是一种图像匹配算法。基本思想：差的绝对值之和。此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。该算法快速、但并不精确，通常用于多级处理的初步筛选。

3 基本流程

3.1 步骤

输入：两幅图像，一般为左相机和右相机得到得左图和右图，分别设置为Left-Image，Right-Image
遍历左图中得所有像素点，并对每一个像素点执行如下操作：
（1）构造一个小窗口,类似于卷积核；
（2）用窗口覆盖左边的图像,选择出窗口覆盖区域内的所有像素点；
（3）同样用窗口覆盖右边的图像并选择出覆盖区域的像素点；
（4）左边覆盖区域减去右边覆盖区域，并求出所有像素点灰度差的绝对值之和；
（5）移动右边图像的窗口，重复（3）-（4）的处理（这里有个搜索范围,超过这个范围跳出）；
（6）找到这个范围内SAD值最小的窗口,即找到了左图锚点的最佳匹配的像素块。

3.2 示意图

4 代码（Python）

import cv2
from pylab import *
import time

def SAD(Img_L,Img_R,winsize,DSR):       #输入左右图像，窗口尺寸，搜索范围
    width,height=Img_L.shape
    kernel_L=np.zeros((winsize,winsize),dtype='uint8')
    kernel_R = np.zeros((winsize, winsize), dtype='uint8')
    disparity=np.zeros((width, height), dtype='uint8')
    for i in range(width-winsize):
        for j in range(height-winsize):
            kernel_L=Img_L[i:i+winsize,j:j+winsize]
            v=[0]*DSR
            for k in range(DSR):
                x=i-k
                if x>=0:
                    kernel_R=Img_R[x:x+winsize,j:j+winsize]
                for m in range(winsize):
                    for n in range(winsize):
                        v[k]=v[k]+abs(kernel_R[m,n]-kernel_L[m,n])
            disparity[i,j]=min(v)
    return disparity
start=time.process_time()                   #获取代码运行时间
img_L=cv2.imread('SAD\\L.bmp',0)
img_R=cv2.imread('SAD\\R.bmp',0)
sad=SAD(img_L,img_R,3,30)
cv2.imshow('Origion_L',img_L)
cv2.imshow('Origion_R',img_R)
cv2.imshow('After',sad)
cv2.waitKey()
cv2.destroyAllWindows()
end=time.process_time()
print('Running time:',end-start)            #显示运行时间

5 运行结果

6 结论

处理效果不好得原因应该是与卷积核得大小有关，可设置对照实验验证之。
csdn中第一篇python语言编写的SAD双目立体匹配文章，多谢阅读，可评论区交流。