cv::StereoSGBM 类参考

该类实现了修改后的 H. Hirschmuller 算法 [128]，它与原始算法的不同之处如下：更多...

#include <opencv2/calib3d.hpp>

cv::StereoSGBM 的协作图

公共类型
枚举	{   MODE_SGBM = 0 ,   MODE_HH = 1 ,   MODE_SGBM_3WAY = 2 ,   MODE_HH4 = 3 }
从 cv::StereoMatcher 继承的公共类型
枚举	{   DISP_SHIFT = 4 ,   DISP_SCALE = (1 << DISP_SHIFT) }

公共成员函数
virtual int	getMode () const =0
virtual int	getP1 () const =0
virtual int	getP2 () const =0
virtual int	getPreFilterCap () const =0
virtual int	getUniquenessRatio () const =0
virtual void	setMode (int mode)=0
virtual void	setP1 (int P1)=0
virtual void	setP2 (int P2)=0
virtual void	setPreFilterCap (int preFilterCap)=0
virtual void	setUniquenessRatio (int uniquenessRatio)=0
从 cv::StereoMatcher 继承的公共成员函数
virtual void	compute (InputArray left, InputArray right, OutputArray disparity)=0
	为指定的立体对计算视差图。
virtual int	getBlockSize () const =0
virtual int	getDisp12MaxDiff () const =0
virtual int	getMinDisparity () const =0
virtual int	getNumDisparities () const =0
virtual int	getSpeckleRange () const =0
virtual int	getSpeckleWindowSize () const =0
virtual void	setBlockSize (int blockSize)=0
virtual void	setDisp12MaxDiff (int disp12MaxDiff)=0
virtual void	setMinDisparity (int minDisparity)=0
virtual void	setNumDisparities (int numDisparities)=0
virtual void	setSpeckleRange (int speckleRange)=0
virtual void	setSpeckleWindowSize (int speckleWindowSize)=0
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< StereoSGBM >	create (int minDisparity=0, int numDisparities=16, int blockSize=3, int P1=0, int P2=0, int disp12MaxDiff=0, int preFilterCap=0, int uniquenessRatio=0, int speckleWindowSize=0, int speckleRange=0, int mode=StereoSGBM::MODE_SGBM)
	创建 StereoSGBM 对象。
从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

附加继承成员
从 cv::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

该类实现了修改后的 H. Hirschmuller 算法 [128]，它与原始算法的不同之处如下：

• 默认情况下，该算法是单通道的，这意味着只考虑 5 个方向而不是 8 个。在 createStereoSGBM 中将 mode 设置为 StereoSGBM::MODE_HH 以运行完整变体算法，但请注意，它可能会消耗大量内存。
• 该算法匹配的是块，而不是单个像素。但是，将 blockSize=1 可以将块减少为单个像素。
• 互信息成本函数未实现。相反，使用的是一个更简单的来自 [29] 的 Birchfield-Tomasi 亚像素度量。不过，彩色图像也受支持。
• 包含 K. Konolige 算法 StereoBM 的一些预处理和后处理步骤，例如：预过滤（StereoBM::PREFILTER_XSOBEL 类型）和后过滤（唯一性检查、二次插值和散斑过滤）。

注意

• （Python）StereoSGBM 匹配算法的使用示例可在 opencv_source_code/samples/python/stereo_match.py 找到。

成员枚举文档

匿名枚举

匿名枚举

枚举器
MODE_SGBM
MODE_HH
MODE_SGBM_3WAY
MODE_HH4

成员函数文档

create()

static Ptr< StereoSGBM > cv::StereoSGBM::create ( int minDisparity = 0, int numDisparities = 16, int blockSize = 3, int P1 = 0, int P2 = 0, int disp12MaxDiff = 0, int preFilterCap = 0, int uniquenessRatio = 0, int speckleWindowSize = 0, int speckleRange = 0, int mode = StereoSGBM::MODE_SGBM )

static

Python
	cv.StereoSGBM.create(	[, minDisparity[, numDisparities[, blockSize[, P1[, P2[, disp12MaxDiff[, preFilterCap[, uniquenessRatio[, speckleWindowSize[, speckleRange[, mode]]]]]]]]]]]	) ->	retval
	cv.StereoSGBM_create(	[, minDisparity[, numDisparities[, blockSize[, P1[, P2[, disp12MaxDiff[, preFilterCap[, uniquenessRatio[, speckleWindowSize[, speckleRange[, mode]]]]]]]]]]]	) ->	retval

创建 StereoSGBM 对象。

参数

minDisparity	可能的最小视差值。通常为零，但有时校正算法会使图像发生偏移，因此需要相应地调整此参数。
numDisparities	最大视差减去最小视差。该值始终大于零。在当前实现中，此参数必须能被 16 整除。
blockSize	匹配块大小。它必须是大于等于 1 的奇数。通常，它应在 3..11 的范围内。
P1	控制视差平滑度的第一个参数。详见下文。
P2	控制视差平滑度的第二个参数。值越大，视差越平滑。P1 是相邻像素间视差变化加一或减一的惩罚。P2 是相邻像素间视差变化大于一的惩罚。算法要求 P2 > P1。请参见 stereo_match.cpp 示例，其中显示了一些合理的 P1 和 P2 值（例如，分别为 8*图像通道数*blockSize*blockSize 和 32*图像通道数*blockSize*blockSize）。
disp12MaxDiff	左右视差检查中允许的最大差异（以整数像素为单位）。将其设置为非正值可禁用此检查。
preFilterCap	预过滤图像像素的截断值。算法首先计算每个像素的 x 导数，并将其值裁剪到 [-preFilterCap, preFilterCap] 区间。结果值被传递给 Birchfield-Tomasi 像素成本函数。
uniquenessRatio	最佳（最小）计算成本函数值“胜过”次佳值的百分比裕度，以认为找到的匹配是正确的。通常，5-15 范围内的值就足够了。
speckleWindowSize	平滑视差区域的最大大小，以将其视为噪声散斑并使其失效。将其设置为 0 以禁用散斑过滤。否则，将其设置在 50-200 范围内。
speckleRange	每个连通分量内的最大视差变化。如果您进行散斑过滤，请将此参数设置为正值，它将隐式乘以 16。通常，1 或 2 就足够了。
mode	将其设置为 StereoSGBM::MODE_HH 以运行全尺寸的两遍动态规划算法。它将消耗 O(W*H*numDisparities) 字节，这对于 640x480 立体图像来说很大，对于高清尺寸的图像来说更是巨大。默认情况下，它设置为 false。

第一个构造函数使用所有默认参数初始化 StereoSGBM。因此，您至少只需设置 StereoSGBM::numDisparities。第二个构造函数允许您将每个参数设置为自定义值。

getMode()

virtual int cv::StereoSGBM::getMode ( ) const

纯虚函数

Python
	cv.StereoSGBM.getMode(		) ->	retval

getP1()

virtual int cv::StereoSGBM::getP1 ( ) const

纯虚函数

Python
	cv.StereoSGBM.getP1(		) ->	retval

getP2()

virtual int cv::StereoSGBM::getP2 ( ) const

纯虚函数

Python
	cv.StereoSGBM.getP2(		) ->	retval

getPreFilterCap()

virtual int cv::StereoSGBM::getPreFilterCap ( ) const

纯虚函数

Python
	cv.StereoSGBM.getPreFilterCap(		) ->	retval

getUniquenessRatio()

virtual int cv::StereoSGBM::getUniquenessRatio ( ) const

纯虚函数

Python
	cv.StereoSGBM.getUniquenessRatio(		) ->	retval

setMode()

virtual void cv::StereoSGBM::setMode ( int mode )

纯虚函数

Python
	cv.StereoSGBM.setMode(	mode	) ->	无

setP1()

virtual void cv::StereoSGBM::setP1 ( int P1 )

纯虚函数

Python
	cv.StereoSGBM.setP1(	P1	) ->	无

setP2()

virtual void cv::StereoSGBM::setP2 ( int P2 )

纯虚函数

Python
	cv.StereoSGBM.setP2(	P2	) ->	无

setPreFilterCap()

virtual void cv::StereoSGBM::setPreFilterCap ( int preFilterCap )

纯虚函数

Python
	cv.StereoSGBM.setPreFilterCap(	preFilterCap	) ->	无

setUniquenessRatio()

virtual void cv::StereoSGBM::setUniquenessRatio ( int uniquenessRatio )

纯虚函数

Python
	cv.StereoSGBM.setUniquenessRatio(	uniquenessRatio	) ->	无

---

此类的文档是从以下文件生成的

• opencv2/calib3d.hpp