应用于全息立体匹配的改进视差图算法的制作方法

本发明涉及全息应用技术领域，尤其是应用于全息立体匹配的改进视差图算法。

背景技术：

全息立体匹配是计算机立体视觉技术中的一个关键步骤，全息立体匹配的最终结果是导出拥有致密场景深度信息的视差图。视差图算法通常以一副图像为基准，在另一幅图像上寻找与之匹配的像素点，将视差值与量化灰度的乘积作为视差图中该像素点的灰度值。视差图中包含了场景像素点的三维深度信息，通过双目测距原理可以计算得到整个场景像素点的三维坐标。

传统的多窗视差图算法。传统多窗视差图算法采用尺寸为3的聚合窗，对于每一对待匹配的像素点，在聚合窗上滑动目标像素点的位置，对每对聚合窗采用sad算法计算匹配代价，选择所有匹配代价中最小的作为该组聚合窗的匹配代价。在匹配区间中迭代计算每组聚合窗的匹配代价并进行保存，选择其中拥有最小的匹配代价的像素点对作为最终的立体匹配结果，匹配像素点对之间的位置间距即为视差。

大窗多窗视差图算法。传统视差图算法由于采用较小的聚合窗，因此算法效率高但误匹配率也很高。采用大型聚合窗的多窗算法使用大小为9的聚合窗，有效地提高了算法的鲁棒性和匹配精度，但需要耗费更多的时间来计算的聚合窗匹配代价，使得算法的效率无法满足工业需求。

技术实现要素：

本发明提供的应用于全息立体匹配的改进视差图算法，提高了全息立体匹配的准确度和效率。

本发明具体采用如下技术方案实现：

一种应用于全息立体匹配的改进视差图算法，具体制作步骤为：

步骤1、边缘提取，采用canny算子对左、右视图图像进行边缘提取，过滤掉边缘与背景的相互干扰，缩小目标像素的匹配区域；

步骤2、匹配代价计算，利用计算机缓存技术和优化的匹配代价计算方法进行匹配代价计算；

步骤3、视差选择，使用胜者为王算法选择最佳匹配像素点作为匹配像素点对，并计算视差值进行保存。

作为优选，所述标定模板选用平面棋盘格，所述平面棋盘格由黑白相间的10*7个棋盘格组成，共有内角点9*6个。

作为优选，所述步骤2的匹配代价计算，具体步骤如下：

步骤21、采用sad算法分别计算每对待匹配像素的9个特殊位置聚合窗的匹配代价，取最佳的匹配代价作为该对像素的匹配代价结果；

步骤22、在匹配区间内按照步骤21所述方法循环计算匹配代价，得到d个匹配代价，从中选取匹配代价最佳的作为最终的匹配像素对；

步骤23、计算该对匹配像素的视差值，将视差值与灰度级数的乘积作为视差图中该点的灰度值；

步骤24、针对基准图像中的每一个像素点，循环步骤21至步骤23，求解视差图中该点的灰度值，并最终将视差图显示保存。

作为优选，所述视差选择采用胜者为王算法，在匹配代价计算过程中，每对像素点都可以得到一个匹配代价数组，数组中保存了该对像素点在本算法中的9个聚合窗下的匹配代价。

本发明提供的应用于全息立体匹配的改进视差图算法，其有益效果在于：该算法在传统算法的基础上增加了边缘提取步骤，提高了立体匹配的准确率。对立体匹配的聚合窗模板进行筛选，使用9个特殊位置的聚合窗替代大窗多窗视差图算法的聚合窗模板，并通过分类和计算机缓存技术，将匹配代价中间值进行保存，有效的提升了算法的计算效率。

附图说明

图1是本发明改进视差图算法流程图；

图2是聚合窗示意图；

图3是匹配代价计算流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

本实施例提供的应用于全息立体匹配的改进视差图算法，如图1所示，具体步骤如下：

步骤1、边缘提取，采用canny算子对左、右视图图像进行边缘提取，过滤掉边缘与背景的相互干扰，缩小目标像素的匹配区域；

步骤2、匹配代价计算，利用计算机缓存技术和优化的匹配代价计算方法进行匹配代价计算；

步骤3、视差选择，使用胜者为王算法选择最佳匹配像素点作为匹配像素点对，并计算视差值进行保存。

针对传统多窗视差图算法误匹配率高、大窗多窗视差图算法效率低等缺陷，改进的多窗视差图算法使用尺寸为9的聚合窗，能够较好的过滤噪声和图像中复杂背景的影响，本算法聚合窗的示意图如图2所示。本算法匹配代价的具体计算步骤如图3所示，具体步骤如下：

步骤21、采用sad算法分别计算每对待匹配像素的9个特殊位置聚合窗的匹配代价，取最佳的匹配代价作为该对像素的匹配代价结果。

步骤22、在匹配区间内按照步骤21所述方法循环计算匹配代价，得到d个匹配代价，从中选取匹配代价最佳的作为最终的匹配像素对。

步骤23、计算该对匹配像素的视差值，将视差值与灰度级数的乘积作为视差图中该点的灰度值。

步骤24、针对基准图像中的每一个像素点，循环步骤21至步骤23，求解视差图中该点的灰度值，并最终将视差图显示保存。

视差选择采用wta算法(全称为winnertakesall，胜者为王算法)，在匹配代价计算过程中，每对像素点都可以得到一个匹配代价数组，数组中保存了该对像素点在本算法中的9个聚合窗下的匹配代价。由于基准图像中的一个目标像素点可能出现在另一图像的一个匹配区域内，因此对于一个目标像素点，可能存在多个待匹配像素，将每对像素点的最佳匹配代价保存在新数组中，并对该数组再次进行比较，取拥有最小匹配代价的像素点对作为正确匹配像素对，进而确定视差。胜者为王算法的计算公式如下式所示，i代表9个特殊位置聚合窗，d代表左右视图像素点的匹配区域。

为量化评估本算法的性能，采用平方根误差算法量化评估视差图的精度，平方根误差算法计算公式如下式所示：

其中，dc(x,y)代表算法视差图中位置为(x,y)处的像素灰度值，dt(x,y)代表标准视差图中位置为(x,y)处的像素灰度值，n代表视差图中的像素总数。

量化评估试验主要采用计算机cpu运算时间来评估算法的效率，所有评估试验均在intel酷睿2双核cpu(主频2.4ghz)及2g内存环境下进行。并与传统多窗算法(3*3窗)和大窗的多窗算法(9*9窗)的量化结果进行对比，结果如表1所示，从表中可以看出改进的多窗视差图算法相对于传统多窗视差图算法拥有更好的匹配精度，相比大窗多窗算法拥有更佳的运算速度。

表1三种算法的运行参数对比表

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。