Computer vision 在立体匹配中，视差图和视差图像之间有什么区别？

我是立体匹配新手。我无法理解差异的概念。什么是视差图和视差图像，它们之间有什么区别？

视差

视差是指立体对左右图像中两个对应点之间的距离。如果查看下面的图像，您会看到一个带标签的点X（忽略X1、X2和X3）。沿着虚线从X到OL，可以看到左手平面在XL处的交点。同样的原理也适用于右侧图像平面

如果X投影到左帧XL=（u，v）中的一个点，并在XR=（p，q）处投影到右帧，则可以将该点的视差作为（u，v）和（p，q）之间向量的大小。 显然，这个过程涉及到在左手帧中选择一个点，然后在右手图像中找到它的匹配点（通常称为对应点）；通常这是一项特别困难的任务，要做到这一点，必须避免犯很多错误

视差图/图像

如果要对左侧图像中的每个像素执行此匹配过程，在右侧帧中查找其匹配并计算它们之间的距离，则最终会得到一个图像，其中每个像素都包含左侧图像中该像素的距离/视差值

示例

给一张左图

和一个正确的形象

通过将左侧图像中的每个像素与其右侧图像中对应的像素进行匹配，并计算像素值之间的距离（差异），您应该得到如下图像：

---

此底部图像称为视差图像/贴图。执行立体匹配时，需要阅读的一个有用主题是。这将使匹配左右图像中像素的过程大大加快，因为搜索将是水平的。

理解视差的最简单方法之一是眨眼，一次眨眼，左右眼交替眨眼。如果观察，距离您较近的对象在其位置上跳跃的幅度似乎大于距离较远的对象。随着对象的移动，这种移动将变得微不足道。因此，在视差贴图中，较亮的阴影表示距离视点（相机）的偏移量较大，距离较小。较暗的阴影表示偏移较小，因此与相机的距离较大。

这是一个很好的概述，但它使任务听起来几乎像是确定性的，我假设在现实世界条件下通常不是这样。