『壹』 哪種立體匹配演算法不是全局匹配演算法
：基於局部約束的方法：有區域匹配（主要是基於窗口）、特徵匹配（基於特徵點，如SIFT）、相位匹配（主要用濾波來做）。 基於全局約束的方法：主要有動態規劃演算法、圖割演算法、人工智慧演算法、協同演算法、置信度傳播演算法、非線性擴散演算法等
『貳』 有沒有人用動態規劃的方法來求得兩幅圖像的立體匹配視差圖
這個是主要的代碼。
它可以分為幾下幾個部分：
（1）這里DP演算法只在每一行中進行搜索，那麼應該記錄下兩圖的每一對應行的 cost function的值，程序用的是SAD方法。
（2）開始從最後一行開始進行搜索，這里因為好像要將當前元素與前後三個元素進行比較光滑度的比較，所以構造了這么一個矩陣
（3）然後說是把什麼先記錄下來，然後找到這條最優路線
『叄』 VS圖像立體匹配調試錯誤，不太會改，求大師指出修改的地方
可能是有的dll引用了工程，而有的引用了文件。比如你的主工程是A，另外有兩個工程B和C，A和B都引用了C，如果A和B引用C的方式不一致就會出現這種情況。我經常遇到，解決辦法就是統一引用方式，要麼都引用工程，要麼都直接引用dll文件。。 我也遇到這樣的問題，聽別人說是超時，說時進入了死循環，改變演算法就可以解決，求採納。
『肆』 matlab標定參數在opencv中的立體匹配程序怎麼寫
VC
可以調用matlab工具箱,
只需要將數據介面修改一下，最簡單的方式是matlab程序寫成動態連接庫，然後用VC直接調用DLL.
opencv只是演算法庫，不是編譯環境，不存在opencv調用matlab的說法,
opencv是圖像處理庫，和做界面沒關系.
『伍』 下列哪種立體匹配演算法不是全局匹配演算法
Z 因為沒這個選項
『陸』 關於立體視覺SGBM演算法的實現，多方向DP部分求助的搜索推薦
最近一直在學習SGBM演算法，作為一種全局匹配演算法，立體匹配的效果明顯好於局部匹配演算法，但是同時復雜度上也要遠遠大於局部匹配演算法。演算法主要是參考Stereo Processing by Semiglobal Matching and Mutual Information，裡面有講完整的演算法實現。OpenCV中實際上是提供了SGBM類進行SGBM演算法的實現。
#include <highgui.h>
#include <cv.h>
#include <cxcore.h>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
IplImage * img1 = cvLoadImage("left.png",0);
IplImage * img2 = cvLoadImage("right.png",0);
cv::StereoSGBM sgbm;
int SADWindowSize = 9;
sgbm.preFilterCap = 63;
sgbm.SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 3;
int cn = img1->nChannels;
int numberOfDisparities=64;
sgbm.P1 = 8*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;
sgbm.P2 = 32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize;
sgbm.minDisparity = 0;
sgbm.numberOfDisparities = numberOfDisparities;
sgbm.uniquenessRatio = 10;
sgbm.speckleWindowSize = 100;
sgbm.speckleRange = 32;
sgbm.disp12MaxDiff = 1;
Mat disp, disp8;
int64 t = getTickCount();
sgbm((Mat)img1, (Mat)img2, disp);
t = getTickCount() - t;
cout<<"Time elapsed:"<<t*1000/getTickFrequency()<<endl;
disp.convertTo(disp8, CV_8U, 255/(numberOfDisparities*16.));
namedWindow("left", 1);
cvShowImage("left", img1);
namedWindow("right", 1);
cvShowImage("right", img2);
namedWindow("disparity", 1);
imshow("disparity", disp8);
waitKey();
imwrite("sgbm_disparity.png", disp8);
cvDestroyAllWindows();
return 0;
}
『柒』 opencv三維重建深度怎麼不隨視場變化
視場變化主要是通過找出每對圖像間的對應關系，根據三角測量原理，得到視差圖；
在獲得了視差信息後，根據投影模型很容易地可以得到原始圖像的深度信息和三維信息。立體匹配技術被普遍認為是立體視覺中最困難也是最關鍵的問題，主要是以下因素的影響：
（1）光學失真和雜訊（亮度、色調、飽和度等失衡）
（2）平滑表面的鏡面反射
（3）投影縮減（Foreshortening）
（4）透視失真（Perspective distortions）
（5）低紋理（Low texture）
（6）重復紋理（Repetitive/ambiguous patterns）
（7）透明物體
（8）重疊和非連續
『捌』 怎麼使用動態規劃演算法對圖像進行立體匹配呢具體做法
這個是主要的代碼。 它可以分為幾下幾個部分： （1）這里DP演算法只在每一行中進行搜索，那麼應該記錄下兩圖的每一對應行的 cost function的值，程序用的是SAD方法。 （2）開始從最後一行開始進行搜索，這里因為好像要將當前元素與前後三個元素進。
『玖』 求教，在middlebury上的立體匹配的源代碼該如何使用
我之前是用vs2003運行的，需要該點程序，很容易就修改通過了好像，不過作者很聰明，是用cmd命令來運行程序的，不需要要基於vs來運行，所以很方便實用。 不過說實話，即使你運行通過了，那個程序我感覺只能看看，作用貌似不是很明顯，很多演算法已經太traditional了。你說你沒有學過編程，那麼從代碼來理解演算法貌似有點難，所以建議你把程序跑通後，對立體匹配的框架能有所理解，就行了
『拾』 opencv 有沒有實時的立體匹配演算法
opencv裡面是沒有那種演算法的，它只是提供一些常用的計算函數。具體的演算法，由於你的需求比較特殊，相信應該沒有現成的瑕疵檢測演算法，好在你的需求難度應該不大，通過常用的圖像識別演算法，比如紋理演算法（Gabor演算法）、SURF演算法就可以找到白紙上瑕疵，這些瑕疵都是相當於一張白紙的特徵點嘛！基本思想就是借用圖像識別、匹配過程的思想——找圖像上的特徵點。白紙一般是提取不出特徵點的，要是提取出來了，那就說明白紙上有東西（洞、褶皺或者異物）。