为提高立体匹配算法的效果和稳定性, 提出了一种基于色调(H)、饱和度(S)和明度(V)颜色空间的自适应聚合区域的引导滤波算法。结合图片的结构和纹理信息, 通过颜色和横向梯度的相互作用计算初始匹配代价。在HSV颜色空间中运用颜色和距离信息计算每一点的自适应支撑臂长, 解决了图片中红、绿、蓝3种颜色变化趋势相近导致无法有效反映图片信息的问题。自适应聚合区域利用中心点纵向臂上各点的横向臂进行构造, 采用引导滤波的方法在自适应聚合区域内聚合代价空间。为避免中心点邻域信息波动造成支撑窗口过小的问题, 设置了臂长的最小范围。后处理过程采用左右一致性检测结合峰比率检测的方法寻找误匹配点, 通过近邻点匹配和加权中值滤波的方法修正视差图。采用Middlebury平台上的标准图片进行实验, 结果表明所提算法的平均匹配误差为5.24%, 比改进前的自适应窗口算法的匹配误差降低了0.92%, 具有更好的边缘保持效果, 算法参数稳健性较好。

利用HSV颜色空间算法,对图像进行HSV技术处理,为图像的下一步分割技术提供指导,编写了MATLAB代码

1.实现HSV颜色空间模型的绘制 2.代码注释详尽 3.标注有格子线条，颜色色调按区域划分 1.实现HSV颜色空间模型的绘制 2.代码注释详尽 3.标注有格子线条，颜色色调按区域划分