引言：基于OpenCV3.0，對BM、SGBM和GC算法進行了對比測試研究。由于SGBM算法視差效果好速度快的特點，常常被廣泛應用和改進，本文針對SGBM算法主要參數設置作了對比測試，以供大家參考。

BM：Block Matching ，采用SAD方法計算匹配代價；

SGBM： 修改自Heiko Hirschmuller的《Stereo Processing by Semi-global Matching and Mutual Information》：http://www.openrs.org/photogrammetry/2015/SGM%202008%20PAMI%20-%20Stereo%20Processing%20by%20Semiglobal%20Matching%20and%20Mutual%20Informtion.pdf；長按以下二維碼可直接打開

與原方法不同點：

沒有實現原文中基于互信息的匹配代價計算，而是采用BT算法（"Depth Discontinuities by Pixel-to-Pixel Stereo()" by S. Birchfield and C. Tomasi）；

默認運行單通道DP算法，只用了5個方向，而fullDP使能時則使用8個方向（可能需要占用大量內存）；

增加了一些BM算法中的預處理和后處理程序；

GC：OpenCV3.0中沒有實現，可以在OpenCV以下版本中找到。該方法效果是最好的，但是速度太慢，不能達到實時的匹配效率；

1、SGBM

主要參數：minDisparity 、numDisparities、blockSize、P1、P2。其他參數設置參照http://blog.csdn.net/zhubaohua_bupt/article/details/51866567

代碼：

#include "stdafx.h"

#include "opencv2/opencv.hpp

using namespace std;

using namespace cv;

int _tmain(int argc, _TCHAR* argv[])

{

Mat left = imread("imgL.jpg", IMREAD_GRAYSCALE);

Mat right = imread("imgR.jpg", IMREAD_GRAYSCALE);

Mat disp;

int mindisparity = 0;

int ndisparities = 64;

int SADWindowSize = 11;

//SGBM

cv::Ptr sgbm = cv::StereoSGBM::create(mindisparity, ndisparities, SADWindowSize);

int P1 = 8 * left.channels() * SADWindowSize* SADWindowSize;

int P2 = 32 * left.channels() * SADWindowSize* SADWindowSize;

sgbm->setP1(P1);

sgbm->setP2(P2);

sgbm->setPreFilterCap(15);

sgbm->setUniquenessRatio(10);

sgbm->setSpeckleRange(2);

sgbm->setSpeckleWindowSize(100);

sgbm->setDisp12MaxDiff(1);

//sgbm->setMode(cv::StereoSGBM::MODE_HH);

sgbm->compute(left, right, disp);

disp.convertTo(disp, CV_32F, 1.0 / 16); //除以16得到真實視差值

Mat disp8U = Mat(disp.rows, disp.cols, CV_8UC1); //顯示

normalize(disp, disp8U, 0, 255, NORM_MINMAX, CV_8UC1);

imwrite("results/SGBM.jpg", disp8U);

return 0;

}

minDisparity：最小視差，默認為0。此參數決定左圖中的像素點在右圖匹配搜索的起點，int 類型；

numDisparities：視差搜索范圍長度，其值必須為16的整數倍。最大視差 maxDisparity = minDisparity + numDisparities -1；

blockSize：SAD代價計算窗口大小，默認為5。窗口大小為奇數，一般在3*3 到21*21之間；

P1、P2：能量函數參數，P1是相鄰像素點視差增/減 1 時的懲罰系數；P2是相鄰像素點視差變化值大于1時的懲罰系數。P2必須大于P1。需要指出，在動態規劃時，P1和P2都是常數。

一般建議：P1 = 8*cn*sgbm.SADWindowSize*sgbm.SADWindowSize；P2 = 32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize；

總結：

1. blockSize(SADWindowSize) 越小，也就是匹配代價計算的窗口越小，視差圖噪聲越大；blockSize越大，視差圖越平滑；太大的size容易導致過平滑，并且誤匹配增多，體現在視差圖中空洞增多；

2. 懲罰系數控制視差圖的平滑度，P2>P1，P2越大則視差圖越平滑；

3. 八方向動態規劃較五方向改善效果不明顯，主要在圖像邊緣能夠找到正確的匹配；

2、BM

代碼：

#include "stdafx.h"

#include "opencv2/opencv.hpp"

using namespace std;

using namespace cv;

int _tmain(int argc, _TCHAR* argv[])

{

Mat left = imread("imgL.jpg", IMREAD_GRAYSCALE);

Mat right = imread("imgR.jpg", IMREAD_GRAYSCALE);

Mat disp;

int mindisparity = 0;

int ndisparities = 64;

int SADWindowSize = 11;

cv::Ptr bm = cv::StereoBM::create(ndisparities, SADWindowSize);

// setter

bm->setBlockSize(SADWindowSize);

bm->setMinDisparity(mindisparity);

bm->setNumDisparities(ndisparities);

bm->setPreFilterSize(15);

bm->setPreFilterCap(31);

bm->setTextureThreshold(10);

bm->setUniquenessRatio(10);

bm->setDisp12MaxDiff(1);

copyMakeBorder(left, left, 0, 0, 80, 0, IPL_BORDER_REPLICATE); //防止黑邊

copyMakeBorder(right, right, 0, 0, 80, 0, IPL_BORDER_REPLICATE);

bm->compute(left, right, disp);

disp.convertTo(disp, CV_32F, 1.0 / 16); //除以16得到真實視差值

disp = disp.colRange(80, disp.cols);

Mat disp8U = Mat(disp.rows, disp.cols, CV_8UC1);

normalize(disp, disp8U, 0, 255, NORM_MINMAX, CV_8UC1);

imwrite("results/BM.jpg", disp8U);

return 0;

}