文章題目：A Pixel Dissimilarity Measure That Is Insensitive to Image Sampling
作者：Stan Birchfield and Carlo Tomasi
廢話篇：最近開始學習Stereo方面的有關知識，本想從目前比較新的算法搞起，但是發現前人的東西如果不懂，很多知識沒有辦法Get到作者的思路，不理解作者爲什麼會想到這個方法。所以開始學習Stereo的基礎知識。
有幸讀了《Stereo Vision:Algorithms and Applications》這篇文章，對於入門級別還是非常有幫助的。作者細緻的列舉了很多相關的參考文獻，其實要想深入理解，這些文獻也是很必須的，這篇文章是第一篇，希望有個好的開始，加油。
言歸正傳，這篇文章雖然是1998年的一篇化石級文章，但是在Stereo方面，還是一篇比較出名的作品。從題目上理解，本文主要是講“像素不相關的方法，並且這對圖像的採樣不敏感”（翻譯到這，想說，這是什麼鬼。這個問題文章摘要解答）
摘要：由於圖像的採樣，傳統的像素不相關的分配，即使在沒有噪聲和其他影響的情況下會導致兩個對應的點會有一個很大的差值（敲黑板！這解釋了文章的題目，因爲Stereo是有left和right的兩個相機，我們希望從這兩個相機中，合成一個立體的圖像，算出深度信息，然而，傳統的方法，會造成這兩個點有很大的差值，我們希望這兩點差值儘量下，因爲他們其實是不同相機拍攝的同一個點。所以，希望有這樣一個方法，對圖像的採樣不明感，其實拍照就是一個採樣的過程。）因此作者提出了一個相鄰像素差值的方法，實驗結果很好之類的。
Introduction
這部分我們只看重點
“Although this may not be a problem if one is only interested in finding the best match for a given pixel, it is a problem if a threshold is used to determine matching failure or if the dissimilarities between the pixels are added to other quantities”
如果只是想找一個最匹配的點，這個方法可能不是那麼需要，但是如果你需要判斷閾值，或者匹配失敗的數量等，這個方法就很適用。
從圖中，看到和絕對值不同進行對比。
DEFINITION AND COMPUTATION OF DISSIMILARITY
這部分是整篇文章的重點，介紹本文提出的方法
本文的方法精髓是
IR，IL分別表示，理想採樣設備下，獲得的左右兩幅圖像的強度。參數XL和XR分別表示左、右兩側側掃描線的位置，我們主要的目的是計算這兩點的不相關性。
其中d非的計算如下圖
這個公式出自本文作者上一篇文章《Depth Discontinuities by Pixel-to-Pixel Stereo》
推導過程感興趣的小夥伴可以去了解一下，思路就是，如果假設左側的圖是待配準的，那麼我們希望右側攝像機的圖像，儘可能的去跟左側的圖像匹配，這個相關性越小越好。因此，這個公式在於，如果當預測的值IL(XL)在區間Imax和Imin內，則這麼相減，一定會得到兩個個負數，這樣，在這個區間上最大值選擇就是0，然後在帶入上個公式，改點會被選擇。其實這種最優化選擇，或者迭代的匹配，如果採用目前deepLearning 的方法，效果會好很多，這也是現在很多的算法都是基於DL的。