树840的根节 点）之间的代价可以是最低的。像素4(例如，第一子树810的根节点）和像素11 (例如， 第三子树830的根节点）之间的代价可以是最高的。
[0121] 参照图11，在表2的算法的步骤3,当按照升序边被分类后，可访问边。例如，可首 先访问连接像素4和像素12的边。在表2的算法的步骤3_1，因为像素4和像素12均是 "gcp"，所以可将边代价和阈值代价进行比较。在以下的描述中，除非另有说明，否则边代价 可以是指被访问的边的代价，并且阈值代价可以是指根节点分别所属的子树的阈值代价之 间较低的阈值代价。边代价和阈值代价可与强度信息、位置信息和视差信息中的至少一个 相关联。
[0122] 在下文中，为了便于描述，假设属于同一区域的根节点之间的代价低于阈值代价， 并且属于不同区域的根节点之间的代价高于阈值。在表2的算法的步骤3-1，因为像素4和 像素12属于同一区域520,所以可连接像素4和像素12。因为当将像素12选择为根节点 时将被产生的子树的级别更低，所以可将像素12选择为根节点。
[0123] 参照图12,可访问像素5和像素13的边。在表2的算法的步骤3-1，因为像素5 和像素13均是"gcp"，所以可将边代价和阈值代价进行比较。在表2的算法的步骤3-1，因 为像素5和像素13属于同一区域510,所以可连接像素5和像素13。因为当将像素5选择 为根节点时将被产生的子树的级别更低，所以可将像素5选择为根节点。
[0124] 可访问连接像素11和像素13的边。然而，因为像素13不再是根节点，所以可不 连接像素11和像素13。访问连接像素4和像素5的边。然而，因为像素4不再是根节点， 所以可不连接像素4和像素5。可访问连接像素12和像素13的边。然而，因为像素13不 再是根节点，所以可不连接像素12和像素13。
[0125] 参照图13,可访问连接像素5和像素11的边。在表2的算法的步骤3-2,因为像 素5是"gcp"而像素11是"non-gcp"，所以可连接像素5和像素11。在表2的算法的步骤 3-2,因为基于执行表1的算法的结果，具有"gcp"根的子树和具有"non-gcp"根的子树属 于不同区域，所以不需要将边代价和阈值代价进行比较，并且可对连接像素5和像素11的 边的代价进行惩罚。因为当将像素5选择为根节点时将被产生的子树的级别更低，所以可 将像素5选择为根节点。
[0126] 参照图14,可访问连接像素5和像素12的边。在表2的算法的步骤3-1，因为像素 5和像素12均是"gcp"，所以可将边代价和阈值代价进行比较。在表2的算法的步骤3-1， 因为像素5属于第一区域510,而像素12属于第二区域520,所以可对连接像素5和像素12 的边的代价进行惩罚。因为当将像素5选择为根节点时将被产生的子树的级别更低，所以 可将像素5选择为根节点。
[0127] 参照图15,作为执行表2的算法的结果，产生了生成树1500。生成树1500与图14 的树1400相应。
[0128] 在下文中，将参照图16提供关于执行表1的算法和表2的算法的处理的描述。可 基于表1的算法产生第一子树1610、第二子树1620、第三子树1630和第四子树1640。在此 示例中，可产生子树以使单个子树最多包括单个" gcp "。
[0129] 可基于表2的算法来连接子树的根节点。在此示例中，可基于强度信息、位置信息 和视差信息中的至少一个来计算连接"gcp"和"gcp"的边（例如，边1615)的代价。例如， 可基于等式1、等式2、等式3、等式4、等式5和等式6中的任意一个等式来计算连接"gcp" 和"gcp"的边的代价。此外，可对计算连接"gcp"和"gcp"的边的代价的方式做出各种修 改。
[0142] 在等式1至等式6, \指示像素 u的位置信息，X漼示像素 V的位置信息，α指示 用于位置信息的参数。du指示像素 u的视差信息，丸指示像素 V的视差信息，β指示用于 视差信息的参数。Iu指示像素 u的强度信息，I ^旨示像素 V的强度信息，γ指示用于强度 信息的参数。
[0143] 当边1615的代价高于阈值时，可对边1615的代价进行惩罚。
[0144] 因为"non-gcp"不包括视差信息，所以可基于强度信息和位置信息中的至少一个 来计算连接"gcp"和"non-gcp"的边（例如，边1625)的代价。在此示例中，可对边1625 的代价进行惩罚。例如，可基于等式7来计算连接"gcp"和"non-gcp"的边的代价。此外， 可对计算连接"gcp"和"non-gcp"的边的代价的方式做出各种修改。
[0145] [等式 7]
[0146] γ I Iu-Iv I +T
[0147] 在等式7中，T指示惩罚。因为"non-gcp"不包括视差信息，所以可基于强度信息 和位置信息中的至少一个来计算连接"non-gcp"和"non-gcp"的边（例如，边1635)的代 价。在此示例中，可对边1635的代价进行惩罚。例如，可基于等式7来计算连接"non-gcp" 和"non-gcp"的边的代价。此外，可对计算连接"non-gcp"和"non-gcp"的边的代价的方 式做出各种修改。
[0148] 枏据示例实施例的立体兀配
[0149] 在下文中，将参照图17和图18提供关于使用生成树进行立体匹配的方法的描述。 如先前所描述的，用于立体匹配的方法可以是指对与左眼相应的图像中的像素和与右眼相 应的图像中的像素进行匹配的方法。可基于与左眼相应的图像或者基于与右眼相应的图像 来执行用于立体匹配的方法。在下文中，为了便于描述，假设基于与左眼相应的图像来执行 用于立体匹配的方法。
[0150] 可从多条候选视差信息{0,…，d_}中选择最合适的候选视差信息，以获得在图 像中包括的预先确定和/或选择的像素 X的视差信息。可计算与像素 X的一组候选视差信 息de {〇,…，d_}中的每个候选视差信息相应的数据代价，以选择最合适的候选视差信 息。
[0151] 参照等式8,像素组lx'}包括可能和与左眼相应的图像的像素 X匹配的与右眼相 应的图像的像素。
[0152] [等式 8]
[0153] {x' } = {x' ：x' = x-d，y' = y，d e {〇，…，dmax}}
[0154] 可通过如等式9所示的确定像素 x和像素组|x' }之间的相似度的函数来定义数 据代价。
[0155] [等式 9]
[0156] Dx (d) =T(CliIljIrjX1W)
[0157] 在等式9中，Dx(d)指示像素 X中与候选视差信息d相应的数据代价。^指示与左 眼相应的图像的像素的强度信息，Id旨示与右眼相应的图像的像素的强度信息。W指示将 被设置用于计算像素 X的特征向量的区域。
[0158] 例如，将被输出的Dx(d)越低，则第一特征向量和第二特征向量之间的相似度越 高，其中，第一特征向量通过像素（x，y)的强度信息I 1和相邻于像素（x，y)的区域W来确 定，第二特征向量通过像素（x_d，y)的强度信息L和相邻于像素（x-d， y)的区域W'来确 定。第一特征向量和第二特征向量之间的异构性越大，则将被输出的Dx(d)越大。
[0159] 例如，可通过等式10和等式11来表示用于立体匹配的数据代价。
[0160] [等式 10]
[0161]
[0162] [等式 11]
[0163]
[0164] 在等式10和等式11中，Dv(d)指示数据代价，Dv #a⑷指示基于强度信息计算出 的一般数据代价，Gv(d)指示用于"gcp"的数据代价。μ和κ分别指示用于确定D v#a (d) 和1((1)的权重的参数。山指示预先提供给"gcp"像素 V的视差信息。G_指示预先确定 和/或选择的数据代价的最大值。
[0165] 在"gcp"像素 vl的示例中，可将κ设置为远大于μ。例如，可将κ设置为"1"， 并可将μ设置为"〇"。当候选视差信息d与预先提供给像素 Vl的视差信息相同时，数据代 价可以是最小值（例如，"〇"）。当候选视差信息d与预先提供给像素 Vl的视差信息不同 时，数据代价可以是最大值（例如，G_)。
[0166] 在"non-gcp"像素 v2的示例中，可将μ设置为远大于κ。例如，可将μ设置为 "1"，并可将κ设置为"〇"。因为视差信息未被预先提供给"non-g Cp"像素 V2,所以可使用 Dv#a⑷来计算与候选视差信息d相应的数据代价。
[0167] 累计数据代价可用于增强立体匹配的性能。例如，可基于等式12而不是基于单个 数据代价D x (d)来计算在预先确定和/或选择的区域中包括的像素的数据代价的加权和， 以计算像素 V的数据代价。
[0168] [等式 12]
[0170] 在等式12中，指示像素 X中与候选视差信息d相应的累计数据代价。艮指 示用于计算像素 X的累计数据代价的预先确定和/或选择的区域，w(i，X)指示将被添加用 于计算像素 X的累计数据代价的像素 i的数据代价的权重。D1 (d)指示在Rx中包括的像素 i中与候选视差信息d相应的数据代价。可将D1(Cl)应用于等式10。
[0171] 在此示例中，用于加权和的区域Rx的覆盖范围和权重w(i，x)可以是用于确定累 计数据代价的性能的重要参数。参照等式13,可使用根据示例实施例的生成树来计 算覆盖整个图像的像素的数据代价的加权和。
[0172] [等式 13]
[0174] 在等式13中，Hg)指示像素 V中与候选视差信息d相应的累计数据代价。I指示 覆盖整个图像的一组像素，w(u，V)指示将被添加用于计算像素 V的累计数据代价的像素 u 的数据代价的权重。Du(d)指示在I中包括的像素 u中与候选视差信息d相应的数据代价。 可将Du (d)应用于等式10。
[0175] w(u，v)可以是像素 u和像素 V之间的测量距离。例如，可基于等式14来计算 W (U, V) 〇
[0176] [等式 14]
[0177]
[0178] 在等式14中，
边强度指示通过计算在生成树中沿着从像素 V到像素 u的路径 存在的边的代价之和而获得的值。γ指示用于w(u，v)的参数。
[0179] 例如，参照图17，w(2, 1)是沿着从像素2到像素1的路径1710存在的边的代价之 和。w(7, 1)是沿着从像素7到像素1的路径1720存在的边的代价之和。w(13, 1)是沿着 从像素13到像素1的路径1730存在的边的代价之和。
[0180] 因为像素 ul和像素 v之间的相似度越高，则沿着从像素 ul到像素 v的路径存在 的边的代价之和越小，所以w(ul，v)的值可减小。相反地，因为像素 u2和像素 V之间的相 似度越低，则沿着从像素 u2到像素 V的路径存在的边的代价之和越高，所以w(u2, V)的值 可增大。
[0181] 作为示例，参照图17, w(2, 1)可具有远小于w(7, 1)的值。例如，沿着从像素2到 像素1的路径1710存在的边的代价可远低于沿着从像素7到像素1的路径1720存在的边 的代价之和。因为连接像素12和像素5的边是在产生生成树时被惩罚过的边，所以沿着从 像素7到像素1的路径1720存在连接像素12和像素5的边。
[0182] 如另一示例，参照图18, w(10, 16)可具有远小于w(9, 16)的值。例如，沿着从像 素10到像素16的路径1810存在的边的代价之和可远小于沿着从像素9到像素16的路径 1820存在的边的