负视差值？答案

【问题标题】：Negative Disparity Values?负视差值？
【发布时间】：2011-07-16 08:59:26
【问题描述】：

将负视差值映射到灰度时如何处理它们？我尝试将左侧图像对与右侧图像对匹配，并且很多时候出现负值。目前我将它们归一化为 0- 255（8位图像）！

【问题讨论】：

你对它们进行标准化有什么问题？
@etarion ：我的问题是，如果在图像中显示的最小值和最大值不是 -300 和 +400 之类的东西，那么 0-255 的范围就不足以显示所有这些东西.我觉得当我将值降低到 0-1 时，我可能会取消值，这样视差的差异可能不会那么明显..我附上了一个示例输出。我担心的是我可能没有给视差提供足够的间隔范围正确显示的值

标签： image-processing opencv computer-vision stereo-3d

【解决方案1】：

标准化为灰度并不是一种可怕的方法。

另一种方法可能是让 -ve 数字随着数量级变大而从黑色变为红色，而 +ve 数字则从黑色变为绿色（例如），尽管这意味着小的差异将非常不可见。

我发现的最佳方法是将您的差异映射到从绿色到黄色再到红色的颜色（或colour wheel 的其他一些连续部分）。我发现这样做的最简单方法是使用 colourspace 之类的 HSL - 将 L 设置为一半（最大颜色），将 S 设置为最大 - “全彩色”并根据您的视差数字改变 H 值。然后你通常要convert the HSL values to RGB values via the standard equations。

【讨论】：

【解决方案2】：

你翻译它们。您可以将视差范围：[-127,128] 编码为 [0,255]，方法是向视差添加 127 以对其进行编码，然后从像素值中减去 127 以将像素值解码为视差。

现在情况似乎如此，如果您需要的范围超过 0 到 255 之间，您将不得不为您的视差图使用一些可视化软件，例如 MATLAB。灰度图像给你的唯一好处是你有非常自然的可视化，如果这还不够，因为你有超过 256 个离散标签，你需要转向另一种类型的可视化机制。

【讨论】：

这就是他说他正在使它们正常化时的意思。
“另一种可视化机制”——比如使用范围饱和色...