Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Стереозір× | Гістограмне вирівнювання× | |
|---|---|---|
| Галузь | Комп'ютерний зір | Комп'ютерний зір |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 1990s | 1970s |
| Автор методу≠ | David Scharstein and Richard Szeliski | Signal processing community |
| Тип≠ | Depth estimation and 3D vision | Contrast enhancement and preprocessing |
| Основоположне джерело≠ | Scharstein, D., & Szeliski, R. (2002). A taxonomy and evaluation of dense two-frame stereo correspondence algorithms. International Journal of Computer Vision, 47(1), 7–42. DOI ↗ | Gonzalez, R. C., & Woods, R. E. (1992). Digital Image Processing. Addison-Wesley, 2nd edition, Chapter 3. link ↗ |
| Інші назви | Stereo correspondence, Disparity estimation | Histogram stretching, Contrast enhancement |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Stereo matching is a computer vision technique for recovering depth information by finding corresponding points between a pair of stereo images (taken from slightly different viewpoints). By locating the same scene feature in both images and measuring the disparity (horizontal shift), stereo matching reconstructs 3D structure using the principles of triangulation. | Histogram equalization is an image preprocessing technique that redistributes pixel intensities to improve contrast and visibility of details. By spreading the histogram of pixel values evenly across the available range, histogram equalization enhances images with poor contrast, making features more visually distinct and easier to process algorithmically. |
| ScholarGateНабір даних ↗ |
|
|