Wyznaczanie obrazu dysparycji w rekonstrucji sceny trĂłjwymiarowej

!
!
"
y
Punkt wiata
w(X,Y,Z)
B (baza)
y1 = y2
Obraz 1
x
X=
y
Obraz 2
(x1,y1)
x
(x2,y2)
Y=
x1
(λ − Z )
y1
(λ − Z )
λ
λ
Z =λ−
λB
x2 − x1
#
$
!
#
" #
$
%
$
!
%
%
dysparycja
d
!
!
#&
'())*%
!
!
!
!
#
!
+
,
'
'())(%
"
!
!
-
1
SCOL( x, y, d ) =
1 + RL ( x, y) − RR ( x − d , y) + GL ( x, y) − GR ( x − d , y) + BL ( x, y) − BR ( x − d , y)
!
!
!
-
S EDGE (x, y, d ) = EL ( x, y ) * E R ( x − d , y ) * SCOL (x − 1, y, d )* SCOL (x + 1, y, d )
gdzie :
E R , L ( x, y ) =
1
1 + exp(0.4 − GR(x, y ) − GG( x, y ) − GB(x, y ) )
GR, GG, GB - s liniowymi gradientami pionowymi
poszczególnych składowych barwy piksela
#
$
$
!!
%
$
%
Outex – University of Oulu Texture Database
!!
$
$
%
Outex – University of Oulu Texture Database
!!
&
Obraz lewy
Obraz prawy
Wyznaczenie lokalnych cech
Podob. barwy
Podob. kraw.
Mapa podob.
Filtracja mapy podobie stwa
Znalezienie
maksimów
podobie stwa
Obraz
dysparycji
Filtracja
medianowa
Obraz
dysparycji
po filtracji
'
#.
%
P
L
!
'
Ilo ciowa miara bł dów
ε=
wyznaczenia obrazu dysparycji:
x
x
y
y
[I ( x, y) − I REF( x, y)]2
[I ( x, y) − I
REF
]
2
REF_ MEAN
/
!
&
!
!!
0
/
0
1
2$
3(*4
& +
!
!
!
)$
5)26
& +
!
!
!
)$
65*2
)$
7()3
8
!
"
#
!
9
!
!
%
!
0
!
+
!
:;
<
"
!
"
!
=
0
(
$
>
?&@'!$
A8
!
B
# &
# (#
+
!
&
"
=
)
"'
C#())4:())5%
*
8
!
!
=
"
!
8!
!
0
!
A
CB
!
!