值滤波器进行处理得到平均误差能量矩阵；均值滤波器可以消除像素点之间RGB差值骤变导致的匹配误差。并且通过均值滤波器还可以得到误差能量整体变化趋势。因此，该算法也可以称为全局匹配算法。用m
大小的窗口进行匹配时，平均误差能量矩阵可由下面公式表示：
eijd1
i
jm
eijd

mxiyj
215

对每个差值进行反复的均值滤波器后，我们可以选取eijd中最小的误差
2能量值作为像素点ij误差值，因此dij这表示左右图像结果立体匹配后的
图像视差矩阵。算法步骤如下：
步骤1：在视差搜索范围内计算得出误差能量矩阵。图26步骤2：在视差搜索范围内对每一个视差矩阵进行多次平均滤波图27
步骤
3：在

ei
jd
矩阵中为每一个i
j
像素找到最小视差量，将最小视差
每个像素处的视差值dij定义为视差图像。图27
图26计算能量矩阵原理图
10
f第二章双目视觉系统
a
b
图27算深度图示意图a通过均值滤波器b最小值搜索
242基于线性生长区域立体匹配算法
基于线性生长的立体匹配算法分为两个部分：寻找基点发展区域和按照预定
的规则进行区域生长。我们的规则是利用公式1点与临近点的误差能量值，当
误差能量值大于我们预先设计的阈值时，则重新找基点；当小于预先设计的阈值
时，则进行区域生长。事实上，更准确的说该算法叫做视差值生长。在实际运算
中为减少运算量，我们限定生长方向为线性水平方向。算法步骤如下：
步骤1根点选择：在图像中选取一个不属于任何生长区域的点并利用能量
函数式1求取该点视差，将该点作为基点并作为区域视差初值d0，进行步骤2。
若找不到任何一点比d0小则重复该步骤。
步骤2（区域生长）：计算基点的紧邻点的视差值，如果等于或小于初值d0，则将该点定义为区域点。否则将其定义为闲置点
步骤3：重复步骤2对图像的所有点进行计算，直到图像中所有的点都被计算过，算法停止。所有的区域点组成的区域构成视差图dij。
图28生长匹配算法示意图
11
f第二章双目视觉系统
243从差距图生成深度图左右两图像深度和视差关系可由立体投影示意图29表示，利用基本几何计算可以得出深度Z和差异d之间的关系如下：
ZijfTdij
216
图像中像素点ij投影在物体表面的真实位置的空间立体坐标XYZ，按
以下公式可用于计算后计算深度Z。

X

Z
f
f

i
Y

Z

f

j

f
217
图29立体投影示意
为了获得更平滑的深度图，可在在计算深度Z之前使用55窗r