亲爱的朋友们，我目前正在研究一种视差算法，该算法仅访问一小部分视差空间，以便找到半密集视差图。它的工作原理是从一小部分通信种子中成长。但在此之前，我正在matlab中实现标准区域增长算法，以了解它是如何工作的。 基线增长算法的第一步说：
需要：整理图像Il，Ir，初始对应 种子S，图像相似度阈值。计算属于S的每个种子的相似性相似度。
现在我无法理解这一步。首先，我如何从两个校正的图像中计算初始种子点。我应该在matlab中使用SIFT算法还是有更好的方法来实现它。谁能让我对基于区域增长的视差计算算法如何工作以及它是否优于SAD或SSD有所了解。
答案 0 :(得分：2)
如果您已经校正了图像，找到视差是计算同一水平线上左右图像中像素之间成本的问题。
您可以在图像中选取一些选定的点（例如，具有来自SIFT的高梯度或特征点的点），将它们设置为您的区域的根/种子，并使用SAD /计算一系列差异的成本SSD或您喜欢的任何成本函数。
然后为根获取最佳差异并将其分配给邻居。如果该成本低于预定义阈值，则将其添加到该区域，否则转到下一个邻居。当你无法再增加点数时，区域的增长就完成了。
这是该过程的详细示例：http://arxiv.org/pdf/0812.1340.pdf