给定左右两幅图像，利用自适应窗口算法进行视差估计，采用左图预测右图时，采取与类似于运动估计的方法，对左图进行“扭曲”后再作为右图的预测图像。利用自适应窗口算法对实现视差估计，算出视差矢量，以此计算其视差补偿预测图像的误差，从而求得残差图。

autosize，控件随着窗口大小改变，自动改变自身大小。

在网上找了很多JS悬浮效果，都没自己理想的，最后只能自己摸索，终于可以完全支持，并且可以根据用户滚动窗口时，悬浮广告自适应窗口，在很多网站做活动需要悬浮广告时非常受用！

Matlab rms函数代码立体配对项目 一个Matlab项目，实现了具有自适应窗口形状的Kanade立体匹配算法。 文件索引： Benchmark1.m-关于9种以上窗口形状的初始工作 Benchmark3.m-我们算法的主要实现。 它使用以下功能： 不确定度.m：在给定窗口内计算不确定度估计值的函数。 crementDisp.m：一个函数，用于在我们扩展窗口之后计算视差增量。 initialDisparity.m：将基准1的结果重构为一个函数，该函数会生成视差图的初始估计 originalLab.m-包含运行算法的代码，该算法通过简单地改变所有差异来计算SSD。 这段代码还会生成我们的RMS与窗口大小图 NewWindow.m-一个包装类，用于提供有关我们在其上进行计算的窗口的信息 StereoImage.m-另一个包装类，包含一组立体图像的各个方面 运行：要查看我们的Kanade和Okutomi算法最终实现的结果，请运行Benchmark3。 立体声图像输入可以更改为任何图像。

C#联合Halcon编程，实现图片的平移缩放以及控件自适应窗口大小的功能

附件为C#源码（VS2012创建的），窗体控件自适应电脑分辨率，自适应窗体大小，实测效果非常好，可以直接拿来使用

数字视频处理中利用自适应窗口进行视差估计的算法实现 算法理论部分来自于教材《数字视频处理》（黎洪松主编）第七章

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。

自定义类CSelfResizeWindow实现窗口和控件的自适应调整，根据屏幕尺寸调整大小。实现的非常简单，而且通用性很好，对于控件和窗体都有好用，只要继承这个自定义类，并在你的对话框类的OnInitDialog()函数和OnSize()函数中各加入一行代码就全部OK啦!

效果演示