这是一个基于HTML5和CSS3的3D视差相册画廊，让图片在环形画廊中滚动切换，并且将鼠标滑过图片时，图片也会产生高亮效果，形成一种3D的视差效果。有兴趣的同学可以自己改造一下，就是鼠标点击图片时，可以展开原图。

针对大视差图像拼接后重叠区域出现重影、非重叠区域发生透视失真等问题，提出一种改进的大视差图像拼接算法。利用尽可能投影算法（APAP）建立低密度网格形变，根据待拼接图像成对匹配点的分布对重叠区域内的网格形变进行细分。通过随机釆样一致性算法计算全局最优相似矩阵，校正非重叠区域发生的透视失真现象。将全局最优相似矩阵与网格单应矩阵加权叠加，实现目标图像形变。在此基础上，对目标图像重叠区域进行内容感知，保留重要度较低的区域并完成拼接，以避免重叠区域出现重影问题。实验结果表明，相对APAP、SPHP等算法，该算法的拼接效果更能还原真实场景，且拼接图像的均方根误差值较低。

data_generator.py文件：数据生成器。 DispNet.py文件：网络结构。 第1步：运行annotation.py文件，在model_data文件夹下生成.txt。 第2步：运行DispNet_Trainer.py文件。 第3步：运行DispNet_Tester.py文件。

UE5 视差材质，分了两种方式，一种9宫格样式贴图，一种是单图版，节点太多，截图太小看不清，有需要的朋友下载研究吧。视差材质真的是太有用了，真的是解决了很多细节问题。

内容概要：SVG黑科技排版上下左右视差滚动与3D立体呈现公众号排版效果模板代码 适用人群：新媒体运营、平面设计师、前端开发工程师、美工设计师 使用场景：公众号图文排版

3D全息图像可以通过再现3D场景的光线来提供真实的3D内容，并且被认为是未来3D电视的有前途的技术。 视差信息是3D全息图像的首要内在特征。 提出了一种基于HEVC的基于视差补偿的3D全息图像编码算法。 为了产生真实的差异，我们 在视差匹配过程中向外扩展可用区域，而不是将当前编码块分为四个部分。 实验结果表明， 与原始HEVC标准相比，该方法与原始HEVC帧内预测和经典TMP算法相比，具有可观的收益，并且复杂度增加。

关于立体匹配的算法，配有测试的图片，通过插值的方法获得比较稠密的视差效果。

请引用这些论文： [1] S. Mukherjee和R. Guddeti，“使用加速框架在立体图像中基于深度的选择性模糊”，Springer-Verlag杂志“ 3D研究”，第1卷。 5，没有。 2014 年 3 月。 [2] S. Mukherjee 和 R. Guddeti，“基于立体视觉的稀疏视差估计的视差计算混合算法”，IEEE 第 10 届信号处理和通信国际会议 (SPCOM)，2014 年 7 月。 我的算法采用了一种快速的混合方法（基于块和区域的混合）从校正后的立体图像对进行立体视差估计。 对于来自 Middlebury 立体视觉数据集的三个标准基准图像（Tsukuba、Sawtooth 和 Venus），其错误率分别低至 7.8%、5.3% 和 4.7%，尺寸分别为 384x288、434x380 和 434x383 像素。 该算法在具有 Intel i7-2600 CPU

计算机立体视觉是从数字图像中提取 3D 信息。 在传统的立体视觉中，使用两个水平位移的相机以类似于人类视觉的方式获得场景的两个不同视图。 通过比较这两个图像，可以以视差的形式获得相对深度信息map，它对相应图像点的水平坐标差异进行编码。 该视差图中的值与相应像素位置的场景深度成反比。

利用VC结合OPENCV编写的图像匹配生成视差图像的程序。