Census算法的C++实现

census算法的c++实现

这个代码是在(48条消息) 双目立体匹配 Census_MisTimee的博客-CSDN博客

基础上改的，添加了一些代码理解内容，由于本身对c++没有很熟悉（c++小白）所以代码的改进后不知道是不是更好，反正理解是更好理解了hhh。如果理解有错误的地方，麻烦在下方留言再改进。

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
//先定义census对图像进行编码//
//首先定义一个窗口的大小
int hWind = 1;
//相当于利用窗口遍历整个图像，并且将8位的数字给每次窗口的中心点。
Mat ProcessImg(Mat& Img);
//定义一个左图像和右图像，还是在Mat类下面,这个是要用来分别获得将左右图像传递给ProcessImg后，得到的图像
Mat LeftCensus, RightCensus;
//通过下面这个类的成员函数获得视差图
Mat getDisparity(Mat& left, Mat& right);
//对视差图进行优化
Mat ProcessDisparity(Mat& disImg);
//先定义汉明距离//
int GetHammingWeight(uchar value);
//下面就是接受的返回值用自己定义的变量来接受
int ImgHeight, ImgWeight;Mat LeftImg, RightImg;
Mat DisparityImg(ImgHeight,ImgWeight,CV_8UC1,Scalar::all(0));
Mat DisparityImg_Processed(ImgHeight, ImgWeight, CV_8UC1, Scalar::all(0));int main()
{LeftImg = imread("E:/vs_qt_code/2.ppm", 0);//0是加载灰度图像//RightImg = imread("E:/vs_qt_code/3.ppm", 0);ImgHeight = LeftImg.rows;//获得行数也就是图像的高度//ImgWeight = LeftImg.cols;//获得列数//LeftCensus = ProcessImg(LeftImg);namedWindow("Left_census", 1);imshow("Left_census", LeftCensus);waitKey(500);RightCensus = ProcessImg(RightImg);namedWindow("Right_census", 1);imshow("Right_census", RightCensus);waitKey(500);DisparityImg = getDisparity(LeftCensus, RightCensus);namedWindow("Disparity", 1);imshow("Disparity", DisparityImg);//  imwrite(save_dir  + "disparity.jpg", DisparityImg);waitKey(500);DisparityImg_Processed = ProcessDisparity(DisparityImg);namedWindow("shichayouhua", 1);imshow("shichayouhua", DisparityImg_Processed);waitKey();return 0;
}
Mat ProcessImg(Mat& Img)
{Mat Img_census = Mat(Img.rows, Img.cols, CV_8UC1, Scalar::all(0));//创建一个单通道灰度图像,由于经过下面的操作每个中心点都变为census 序列也就是二进制的数串，uchar center = 0;for (int i = 0; i < ImgHeight - hWind-1; i++){for (int j = 0; j < ImgWeight - hWind-1; j++){center = Img.at<uchar>(i + hWind, j + hWind);//当遍历图像时获取每次的中心点，因为是3*3的矩阵这也是为什么要i < ImgHeight - hWind-1，j < ImgWeight - hWind-1uchar neighbor = 0;uchar census = 0;for (int p = i; p <= i + 2 * hWind; p++){for (int q = j; q <= j + 2 * hWind; q++){if (p >= 0 && p < ImgHeight && q >= 0 && q < ImgWeight){if (!(p == i + hWind && q == j + hWind)){neighbor = Img.at<uchar>(p, q);if (neighbor > center){census = census * 2;//这里*2的意思就是左移，这里应该是把大于的取为0，小于的取为1了，但是由于这样取最后hamming操作的结果是一样的}else{census = census * 2 + 1;}}}}}Img_census.at<uchar>(i + hWind, j + hWind) = census;//将census序列赋给每次便利的中心点}}return Img_census;
}
int GetHammingWeight(uchar value)
{int num = 0;if (value == 0)return 0;while(value){++num;value = (value - 1) & value;}return num;}
//用来获得视差图
Mat getDisparity(Mat& left, Mat& right)
{int DSR_min = 0;int DSR_max = 16;Mat disparity(ImgHeight, ImgWeight, CV_8UC1);Mat Dif(1, DSR_max - DSR_min, CV_8UC1);//定义一个1维的单通道矩阵for (int i = 0; i < ImgHeight; i++){for (int j = 0; j < ImgWeight; j++){uchar R;uchar L;uchar diff;int count = 0;L = left.at<uchar>(i, j);for (int k = DSR_min; k < DSR_max; k++){int y = j - k;//这里为什么用j-k，是因为左眼看到的视图会比右眼看到的偏右，因此以左眼为参考的话，确定右图的视差，则是要往左在0-16范围内寻找一样的点，由于往往是在一条线上的所以直接找不同位置的像素纵坐标就好。if (y < 0){Dif.at<uchar>(k) = 0;}if(y>=0){R = right.at<uchar>(i, y);//将右视图的这几个像素都取出来//diff = L ^ R;diff = GetHammingWeight(diff);Dif.at<uchar>(k) = diff;}}Point minLoc;minMaxLoc(Dif, NULL, NULL, &minLoc, NULL);int loc = minLoc.x;//这里的x指的是列 矩阵和坐标刚好相反disparity.at<uchar>(i, j) = (loc + 1) * 16 - 1;//这里就刚好改到0-255像素内}}return disparity;}
//视差优化 大白话就是将像素低于125的变为0，大于125的存储到ProcessDisImg
Mat ProcessDisparity(Mat& disImg)
{Mat ProcessDisImg(ImgHeight, ImgWeight, CV_8UC1); //用来存储图像的，里面的参数就是多大多高，单通道的灰度图像for (int i = 0; i < ImgHeight; i++){for (int j = 0; j < ImgWeight; j++){uchar pixel = disImg.at<uchar>(i, j);if (pixel < 100){pixel = 0;}ProcessDisImg.at<uchar>(i, j) = pixel;}}return ProcessDisImg;
}

大家可以留言改进。

Census算法的C++实现相关推荐

【老生谈算法】matlab实现census算法源码——census算法
census算法matlab程序 1.文档下载: 本算法已经整理成文档如下,有需要的朋友可以点击进行下载序号文档(点击下载) 本项目文档 [老生谈算法]census算法matlab程序.docx ...
立体匹配——census算法
参考文章:https://blog.csdn.net/MyStylee/article/details/78491271 Census原理: 在视图中选取任一点,以该点为中心划出一个例如3 × 3的矩 ...
双目视觉07_立体匹配Census算法
以下实验为左图以下为实验右图实验代码 import os import time import cv2 as cv import numpy as np import matplotlib.pyp ...
基于深度学习算法和传统立体匹配算法的双目立体视觉
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 01 立体视觉是什么? 在开始之前,我相信很多站友都会有这个疑问, ...
双目立体匹配 Census
上一篇介绍了双目立体匹配SAD算法,这一篇介绍Census算法. Census原理: 在视图中选取任一点,以该点为中心划出一个例如3 × 3 的矩形,矩形中除中心点之外的每一点都与中心点进行比较,灰度 ...
《一种新颖的自适应权重 Census变换立体匹配算法》（2016）
摘要:针对当前 Census 变换立体匹配算法深度不连续区域匹配精度低的缺陷,提出了一种新颖的自适应权重的Census 变换立体匹配算法.在 Census 变换阶段计算变换窗口中心点上下左右四个像素的 ...
几种典型的立体匹配算法
使用左右两张图片,计算深度图.一下几种算法代码参考 http://www.360doc.com/content/13/0129/11/11533449_263014896.shtml,经验证可行.并得 ...
【码上实战】【立体匹配系列】经典AD-Census: （3）代价计算
海内存知己,天涯若比邻. 下载完整源码,点击进入: https://github.com/ethan-li-coding/AD-Census 欢迎同学们在Github项目里讨论! 上篇主类中,我们对A ...
通过单细胞RNA-seq揭示TNBC中的亚克隆异质性和侵袭性疾病状态
一.背景三阴性乳腺癌(TNBC)是一种侵袭性亚型,其特点是广泛的瘤内异质性.三阴性乳腺癌在临床上被定义为缺乏雌激素受体(ER)和孕激素受体(PgR)表达以及人类表皮生长因子受体2(HER2)基因扩增 ...

Census算法的C++实现

Census算法的C++实现相关推荐

最新文章

热门文章