双目立体视觉中的彩色SAD算法

双目立体视觉中的彩色SAD（Sum of Absolute Differences）算法是一种基于颜色信息的匹配方法，通过计算左右图像中对应像素块的颜色差异绝对值和来估计视差。

一、算法原理

核心思想

在左右图像中，以每个像素为中心构造一个滑动窗口，计算窗口内所有像素的RGB三通道颜色差绝对值之和（即SAD值），通过搜索最小SAD值确定最佳匹配位置，进而计算视差。
公式

对于左图窗口 LLL和右图窗口 RRR，SAD值定义为：

其中，www为窗口半径，ddd为视差范围，k=1,2,3k=1,2,3k=1,2,3对应RGB三通道。

二、实现步骤

输入预处理
- 读取左右彩色图像，转换为双精度类型。
- 确保两图已校正（行对准），且尺寸一致。
参数设置
- 窗口大小（如 5×5，半径 w=2）。
- 最大视差范围 dmax（通常为图像宽度的5%~10%）。
视差计算
- 遍历左图每个像素，构造滑动窗口。
- 在右图对应行范围内滑动窗口，计算SAD值。
- 记录最小SAD值对应的视差，生成视差图。
后处理
- 对视差图进行中值滤波或双边滤波，消除噪声。
- 可选：通过视差-深度公式转换为深度图。

三、MATLAB代码实现

matlab 复制代码

% 读取左右彩色图像
left = im2double(imread('left.png'));
right = im2double(imread('right.png'));
[m, n, ~] = size(left);

% 参数设置
w = 2;          % 窗口半径
d_max = 64;     % 最大视差
window_size = 2*w + 1;

% 初始化视差图
disparity_map = inf(m, n);

% 遍历图像（排除边界）
for i = w+1 : m-w
    for j = w+1 : n-w
        % 构造左图窗口
        left_win = left(i-w:i+w, j-w:j+w, :);
        
        % 在右图搜索范围内滑动窗口
        min_sad = inf;
        best_d = 0;
        for d = 0 : d_max
            if j - d - w < 1
                break;
            end
            right_win = right(i-w:i+w, j-d-w:j-d+w, :);
            
            % 计算三通道SAD
            sad = 0;
            for k = 1:3
                diff = left_win(:,:,k) - right_win(:,:,k);
                sad = sad + sum(abs(diff(:)));
            end
            
            % 更新最小SAD和最佳视差
            if sad < min_sad
                min_sad = sad;
                best_d = d;
            end
        end
        disparity_map(i, j) = best_d;
    end
end

% 归一化视差图并显示
disparity_map = uint8(normalize(disparity_map, 0, 1, 'range'));
imshow(disparity_map);
title('视差图');

参考代码双目立体视觉彩色SAD算法 www.youwenfan.com/contentcsr/99026.html

四、优化与改进

加速方法
- 积分图加速：预计算积分图以快速计算窗口内差异和。
- 并行计算 ：利用MATLAB的parfor或GPU加速（如gpuArray）。
抗噪处理
- 对输入图像进行高斯滤波，减少噪声影响。
- 在SAD计算中引入权重（如中心像素权重更高）。
多尺度匹配
- 先在大窗口下粗匹配，再在小窗口内精匹配，提升边缘精度。

五、应用场景

自动驾驶：实时生成深度图用于障碍物检测。
机器人导航：结合SLAM技术实现环境建模。
3D重建：通过视差图恢复场景三维结构。

六、参考文献

双目图像融合算法（SAD原理与MATLAB实现）
立体匹配核心算法（SAD、SSD等）
彩色SAD算法的卷积优化
匹配代价计算（AD、SAD、Census对比）