立体匹配中的NCC，SAD，SSD算法

Normalized Cross correlation (NCC)

NCC(u,v) =  [(wl - w)/(|wl - w|)]*[(wr - w)/(|wr - w|)] 选择最大值

 

Sum of Squared Defferences (SSD)

SSD(u,v) =  Sum{[Left(u,v) - Right(u,v)] * [Left(u,v) - Right(u,v)]} 选择最大值

Sum of Absolute Defferences (SAD) 

SAD(u,v) = Sum{|Left(u,v) - Right(u,v)|}  选择最小值

 

先说说SAD算法的基本流程：

1.构造一个小窗口，类似与卷积核。

2.用窗口覆盖左边的图像，选择出窗口覆盖区域内的所有像素点。 

3.同样用窗口覆盖右边的图像并选择出覆盖区域的像素点。

4.左边覆盖区域减去右边覆盖区域，并求出所有像素点差的绝对值的和。

5.移动右边图像的窗口，重复3，4的动作。（这里有个搜索范围，超过这个范围跳出） 

6.找到这个范围内SAD值最小的窗口，即找到了左边图像的最佳匹配的像素块。