我在本科期間研究的方向一直是計算機視覺，研究生加入雙目視覺專案組後，感覺有的知識還是比較無知，所以萌新開始狂補知識點，剛好研究到自適應權的立體匹配演算法。
其中，提到了格式塔原理。在格式塔原理中，相似原理和接近原理廣泛使用於視覺查詢中。
在**中，不同於之前的方法採用找到乙個最理想的支援視窗，而是根據顏色的相似和幾何距離來調整畫素的權值。前者——顏色的相似採用的是格式塔原理中的相似原理，即在某一方面相似的各部分趨於組成整體；後者——幾何距離採用的是格式塔原理中的接近原理，即幾何距離，也就是空間上位置相近的各部分趨於組成整體。其中，畫素的顏色越相似，它的權值越大；畫素距離越近，它所分配到的權值也就越大。
在演算法過程中根據相似性分類時，採用的是採用lab顏色空間。cielab提供了三維的資訊，分別是l（亮度——l=0時為黑色，l=100時為白色）、a（紅色和綠色之間的位置——a為負的時候指綠色，而a為正的時候指紅色）、b（黃色和藍色之間的位置——b為負的時候指藍色，而為正的時候指黃色）。
之所以採用cielab空間，而不是採用rgb顏色空間，是因為lab顏色空間更接近人類視覺感知系統。
*現在剛研究完這兩篇**，正在編寫**實現
後期會更博貼出實現結果和**。*
立體匹配中的NCC，SAD，SSD演算法
normalized cross correlation ncc ncc u,v wl w wl w wr w wr w 選擇最大值 sum of squared defferences ssd ssd u,v sum 選擇最大值 sum of absolute defferences sad sa...
立體匹配中的NCC，SAD，SSD演算法
normalized cross correlation ncc ncc u,v wl w wl w wr w wr w 選擇最大值 sum of squared defferences ssd ssd u,v sum 選擇最大值 sum of absolute defferences sad sa...
Census立體匹配演算法演算法的Python實現
census作為立體匹配的代價函式之一，不論是區域性立體匹配還是全域性立體匹配都有很重要的作用，今天直入主題，直接給出 並解釋一下 的實現，具體原理有很多優秀的博文已經貼出來了，本文不再贅述 import os import time import cv2 as cv import numpy as...