立体匹配:关于用OpenCV彩色化middlebury网站给定的视差
#include "XYZ.h"
void readPFM(Mat_<float> &disp, float &scale, string path)
{ //关于将Mat见我的另外一篇博客:
ifstream in(path, ios_base::binary);
int cols;
int rows;
];
, '\n'); in.get();//文件头
, ' '); in.get(); cols = atoi(tmp);//列数
, '\n'); in.get(); rows = atoi(tmp); //行数
, '\n'); in.get(); scale = atof(tmp);//缩放因子
disp.create(rows, cols);
; i >= ; i--)//因为存储是从最后行开始存储的
; j < disp.cols; j++)
in.read((char*)(&disp(i, j)), sizeof(float));
in.close();
}
void dyeDisp_core(Mat_<Vec3b> &colordisp, Mat_<float> &disp, float mindisp, float maxdisp)
{
float scale = 1.0 / (maxdisp - mindisp);
; i < disp.rows; i++)
; j < disp.cols; j++)
{
Vec3b *xxx = &colordisp(i, j);
float x = disp(i, j);
if ((x != INFINITY) && (x != -INFINITY))
{
x = scale * (x - mindisp);
x = x / 1.15 + 0.1; // use slightly asymmetric range to avoid darkest shades of blue.
(*xxx)[] = __max(, __min(, ( * ( * fabs(x - .))))));
(*xxx)[] = __max(, __min(, ( * ( * fabs(x - .))))));
(*xxx)[] = __max(, __min(, ( * ( * fabs(x - .))))));
}
else
(*xxx) = Vec3b(, , );
}
}
void dyeDisp_one(string dir)
{
string calibpath = dir + "/calib.txt";
string disppath = dir + "/disp0GT.pfm";
string colordisppath = dir + "/disp0GT.png";
//1.读取极值视差
;
;
];
float f;
FILE *fp = fopen(calibpath.c_str(), "r");
while (fgets(line, sizeof line, fp) != NULL)
{
) dmin = f;
) dmax = f;
}
fclose(fp);
//2.读取视差图像
float scale;
Mat_<float> disp;
readPFM(disp, scale, disppath);
//FileStorage fs(disppath, FileStorage::READ);
//fs["mat"] >> disp;
//3.计算彩色视差
Mat_<Vec3b> colordisp(disp.rows, disp.cols);
dyeDisp_core(colordisp, disp, dmin, dmax);
//4.保存结果
imwrite(colordisppath, colordisp);
}
void dyeDisp_dir()
{
vector<string> dirs = cv_GetListFolders("./../TestData");
; i < dirs.size(); i++)
dyeDisp_one(dirs[i]);
}
void main()
{
dyeDisp_dir();
}
立体匹配:关于用OpenCV彩色化middlebury网站给定的视差的更多相关文章
- 光流算法:关于OpenCV读写middlebury网站给定的光流的代码
Middlebury是每个研究光流算法的人不可能不使用的网站,Middlebury提供了许多标准的测试库,这极大地推进了光流算法的进展.Middlebury提供的标准库,其计算出的光流保存在后缀名为. ...
- 立体匹配:关于OpenCV读写middlebury网站的给定的视差并恢复三维场景的代码
Middlebury是每个研究立体匹配算法的人不可能不使用的网站,Middlebury提供了许多标准的测试库,这极大地推进了立体匹配算法的进展.Middlebury提供的标准库,其计算出的视差保存在后 ...
- opencv 彩色图像分割(inrange)
灰度图像大多通过算子寻找边缘和区域生长融合来分割图像. 彩色图像增加了色彩信息,可以通过不同的色彩值来分割图像,常用彩色空间HSV/HSI, RGB, LAB等都可以用于分割! 笔者主要介绍inran ...
- OpenCV定制化创建角点检测子
定制化创建角点检测子 目标 在这个教程中我们将涉及: 使用 OpenCV 函数 cornerEigenValsAndVecs 来计算像素对应的本征值和本征向量来确定其是否是角点. 使用OpenCV 函 ...
- OpenCV阈值化处理
图像的阈值化就是利用图像像素点分布规律,设定阈值进行像素点分割,进而得到图像的二值图像.图像阈值化操作有多种方法,常用方法有经典的OTSU.固定阈值.自适应阈值.双阈值及半阈值化操作.这里对各种阈值化 ...
- OpenCV灰度化图像
OpenCV2版本号非常多函数发生了变化.比如二值化,其演示样例: void CmyMFC2Dlg::OnBnClickedButton1() { // TODO: Add your control ...
- opencv 彩色图像亮度、对比度调节 直方图均衡化
直接上代码: #include <Windows.h> #include <iostream>// for stand I/O #include <string> ...
- Jenkins(9)- 汉化 Jenkins 网站
如果想从头学起Jenkins的话,可以看看这一系列的文章哦 https://www.cnblogs.com/poloyy/category/1645399.html 下载插件 安装这两个插件,然后重启 ...
- OpenCV——阈值化
上述五种结合CV_THRESH_OTSU(自适应阈值),写成:THRESH_BINARY | CV_THRESH_OTSU
随机推荐
- 基础php链接SQL数据库
要连接到你的数据库必须添加以下几条数据: $conn = @mysql_connect("localhost","root","root") ...
- transform scale
- IOC-AOP
IOC,依赖倒置的意思,所谓依赖,从程序的角度看,就是比如A要调用B的方法,那么A就依赖于B,反正A要用到B,则A依赖于B.所谓倒置,你必须理解如果不倒置,会怎么着,因为A必须要有B,才可以调用B,如 ...
- WPF之MVVM模式讲解
WPF技术的主要特点是数据驱动UI,所以在使用WPF技术开发的过程中是以数据为核心的,WPF提供了数据绑定机制,当数据发生变化时,WPF会自动发出通知去更新UI. 恰当的模式可以让我们轻松达到“高内聚 ...
- web前端基础篇⑤
1.雪碧图技术(精灵图)sprite cpmpass-合并2.兼容性:1.reset充值技术,normalize技术2.加前缀-webkit —mom -ms— -o-3.<!Doctype&g ...
- JavaScript字符串常用操作函数之学习笔记
字符串简介 使用英文单引号或双引号括起来,如:’Hello’,”World”,但是不能首尾的单引号和双引号必须一致,交错使用,如果要打印单引号或者双引号,可以使用转义字符\’(单引号),\”(双引号) ...
- android技巧(三)屏幕适配
屏幕适配策略: 1.控件使用wrap_content.match_parent控制某些视图组件的宽度和高度,而不是硬编码的尺寸. “wrap_content”系统就会将视图的宽度或高度设置成所需的最小 ...
- 传智播客JavaWeb day07、day08-自定义标签(传统标签和简单标签)、mvc设计模式、用户注册登录注销
第七天的课程主要是讲了自定义标签.简单介绍了mvc设计模式.然后做了案例 1. 自定义标签 1.1 为什么要有自定义标签 前面所说的EL.JSTL等技术都是为了提高jsp的可读性.可维护性.方便性而取 ...
- php实现文件下载
<?php $filename = '路径+实际文件名'; //文件的类型 header('Content-type: application/octstream'); //下载显示的名字 he ...
- Erlang 103 Erlang分布式编程
Outline 笔记系列 Erlang环境和顺序编程Erlang并发编程Erlang分布式编程YawsErlang/OTP 日期 变更说明 2014-11-23 A Outl ...