Computer vision 立体视觉三维重建：关于图像校正的澄清

给定一对经过校准的相机拍摄的两张立体图像，通常需要进行校正。如Loop和Zhang（）在“计算立体视觉矫正同音字”中所述：

通常，极线不与坐标轴和坐标轴对齐 它们不是平行的。这样的搜索非常耗时，因为我们必须 比较图像空间中斜线上的像素。这些类型的算法 如果极线是轴线，则可以简化并提高效率 对齐和平行。这可以通过应用二维投影来实现 对每个图像进行变换或同音字。这个过程被称为 图像校正。与一个平面上的点特征相对应的像素 校正后的图像对将位于同一水平扫描线上，并且 只在水平位移上不同

要进行三维重建，必须在图像上运行匹配算法，以解决著名的对应问题

匹配算法是应用于原始图像还是应用于校正后的图像？ 事实上，矫正带来的失真可能会导致模式识别失败，对吗

如有任何参考资料，请与他人分享。 谢谢。

大多数匹配算法（如opencv中使用的“半全局块匹配”）需要校正立体图像对才能正常工作。 因此，将匹配算法应用于校正后的图像

矫正的实际作用是扭曲图像，使两幅图像中的极线水平排列。这意味着，两个图像中的对象在校正后都位于一个垂直图像平面中。这样，匹配算法只需检查沿图像线的响应，而不必检查整个图像

矫正引入的“失真”通常仅由几何和仿射图像变换组成。对图像进行变换，使图像更好地对齐，从而使校正后匹配算法的模式识别性能更好

更多信息的可能来源可以是“Hartley，Richard和Andrew Zisserman.计算机视觉中的多视图几何.剑桥大学出版社，2003。”