BM算法和SGBM算法优缺点

有什么区别？ OpenCV BM算法和SGBM算法都是用于立体视觉的算法，但是它们的实现方式不同。BM算法是基于区域匹配的，它将左右两个图像分成若干个区域，然后对每个区域进行匹配。而SGBM算法则是基于像素点的匹配，它通过计算每个像素点的代价来进行匹配。此外，SGBM算法还可以使用更多的代价计算方式，比如视差梯度等，因此在一些情况下，SGBM算法的效果可能会更好。

### BM 算法参数详解 BM（Block Matching）算法是双目立体视觉中最基础的视差计算方法之一。其主要参数及其含义如下： - **`blockSize`**: 定义匹配窗口大小，即每次比较时使用的像素块尺寸。较大的 `blockSize` 能够提供更稳定的匹配结果，但也可能导致细节丢失[^2]。 - **`preFilterType`**: 预滤波器类型的选择，默认为 `CV_STEREO_BM_XSOBEL`，表示使用 X 方向 Sobel 滤波来增强边缘特征。 - **`preFilterSize`**: 预处理阶段应用的滤波器核大小，通常建议设置为奇数以获得更好的平滑效果。 - **`preFilterCap`**: 控制预过滤后的最大差异值，用于减少噪声影响并提高鲁棒性。 - **`minDisparity`**: 设置最小可能的视差值，通常设为0或负值以便覆盖近距离物体。 - **`numDisparities`**: 表示搜索范围内的视差数量，必须是16的整数倍。更大的数值意味着更高的精度但会增加计算成本。 - **`textureThreshold`**: 像素区域纹理阈值，低于此值则认为该区域缺乏足够的纹理信息而被忽略。 - **`uniquenessRatio`**: 匹配唯一性比率，确保最佳匹配与其他候选之间的显著差距。 ```cpp cv::StereoBM bm; bm.setBlockSize(9); // blockSize 参数配置 ``` --- ### SGBM 算法参数说明 SGBM（Semi-Global Block Matching）是在 BM 的基础上改进的一种半全局优化算法，能够更好地平衡性能与质量。以下是其核心参数及解释： - **`minDisparity`**: 和 BM 类似，定义了视差图中允许的最低视差值[^4]。 - **`numDisparities`**: 同样需为16的倍数，指定视差搜索的最大范围。 - **`blockSize`**: 对应于局部窗口大小，决定每一步计算所涉及的像素数目。 - **`P1`, `P2`**: 这两个参数控制惩罚项权重，其中 P1 是相邻像素间较小误差的成本，P2 则针对较大误差。合理调整这两个值有助于改善边界清晰度和整体一致性。 - **`disp12MaxDiff`**: 左右图像视差的一致性检查容忍度，超出设定值的部分会被标记为无效。 - **`preFilterCap`**: 功能类似于 BM 中的作用，限制输入数据的变化幅度从而降低噪音干扰。 - **`uniquenessRatio`**, **`speckleWindowSize`**, **`speckleRange`**: 提供额外的后处理选项，分别负责抑制错误匹配、去除孤立的小斑点等操作。 ```cpp cv::Ptr<cv::StereoSGBM> sgbm = cv::StereoSGBM::create( 0, // minDisparity 128, // numDisparities 7 // blockSize ); sgbm->setP1(216); // P1 参数配置 sgbm->setP2(864); // P2 参数配置 ``` --- ### GC 算法各项参数介绍 GC（Graph Cut）是一种基于能量最小化的全局最优求解技术，适用于复杂场景下的高精度需求。虽然其实现较为耗时，但在某些特定条件下表现优异。下面是几个重要参数描述： - **`iterations`**: 图割迭代次数，更多次迭代理论上可以获得更加精确的结果，不过也会相应延长运行时间[^3]。 - **`lambda`**: 平滑因子，调节邻域约束强度，较高的 lambda 更倾向于保持连续性和光滑性。 - **`occlusionCost`**: 处理遮挡情况时引入的一个代价系数，用来权衡可见部分与不可见部分之间关系。 - **`dataTermWeight`**: 数据项权重，反映原始观测值的重要性程度，适当增大可以提升对真实结构还原能力。 由于 OpenCV 自带版本并未完全开放所有高级功能接口给用户自定义调优，因此如果希望深入探索这些超参的影响，则需要借助第三方扩展或者自己动手实现完整的框架逻辑。 --- #### 性能对比总结表 | 参数名称 | BM | SGBM | GC | |------------------|-----------------------------|-----------------------------|----------------------------| | 计算效率 | 最高效 | 较低 | 显著较低 | | 结果准确性 | 较差 | 较好 | 最佳 | | 是否支持多方向路径优化 | 不支持 | 支持 | 支持 | ---