SAD(Sum of absolute differences)是一种图像匹配算法。

SAD算法的基本流程：
1.构造一个小窗口，类似与卷积核。
2.用窗口覆盖左边的图像，选择出窗口覆盖区域内的所有像素点。
3.同样用窗口覆盖右边的图像并选择出覆盖区域的像素点。
4.左边覆盖区域减去右边覆盖区域，并求出所有像素点差的绝对值的和。
5.移动右边图像的窗口，重复3，4的动作。（这里有个搜索范围，超过这个范围跳出）
6.找到这个范围内SAD值最小的窗口，即找到了左边图像的最佳匹配的像素块。

SAD算法具体实现

import os
import time
import cv2 as cv
from PIL import Image
import numpy as np
from matplotlib import pyplot as plt
max_D = 25       #最大视差
win_size = 5     #滑动窗口大小
os.chdir(r'../ohta')                                         #图片所在文件夹路径
limg = np.asanyarray(Image.open(r"scene1.row3.col1.ppm"))    #左相机图片
rimg = np.asanyarray(Image.open(r"scene1.row3.col3.ppm"))    #右相机图片
limg = cv.cvtColor(limg, cv.COLOR_BGR2GRAY)     #将左图像转化为灰度图
rimg = cv.cvtColor(rimg, cv.COLOR_BGR2GRAY)
limg = np.asanyarray(limg, dtype=np.double)     #将左图像转化为double类型
rimg = np.asanyarray(rimg, dtype=np.double)
img_size = np.shape(limg)[0:2]                  #定义一个和图片大小相等尺寸的数组
plt.figure("左图灰度图")
plt.imshow(limg)
plt.show()
plt.figure("右图灰度图")
plt.imshow(rimg)
plt.show()
t1 = time.time()      #记录开始时间
imgDiff = np.zeros((img_size[0], img_size[1], max_D))   #记录视差为max_D的e2
e = np.zeros(img_size)                                 #记录视差为i时，左右图片的整体差距
for i in range(0, max_D):
    e = np.abs(rimg[:, 0:(img_size[1]-i)]-limg[:, i:img_size[1]])
    e2 = np.zeros(img_size)       #记录win_size之和
    for x in range(0, img_size[0]):
        for y in range(0, img_size[1]):
            e2[x, y] = np.sum(e[(x-win_size):(x+win_size), (y-win_size):(y+win_size)])
    imgDiff[:, :, i] = e2
dispMap = np.zeros(img_size)    #最小视差图
for x in range(0, img_size[0]):
    for y in range(0, img_size[1]):
        val = np.sort(imgDiff[x, y, :])   #排序
        if np.abs(val[0]-val[1]) > 10:
            val_id = np.argsort(imgDiff[x, y, :])      #返回从小到大的索引
            dispMap[x, y] = val_id[0]/max_D*255   #恢复彩色图像
print("所用时间:", time.time()-t1)
plt.figure("视差图")
plt.imshow(dispMap)
plt.show()

具体的运行效果

 所用时间为： 11.613516569137573