本文分三部分：
1. 图像直接分块的问题；
2. 图像重叠分块的实现原理介绍；
3. 立体匹配中的图像重叠分块的方法介绍；
1. 图像直接分块的问题
由于内存的限制或为了实现并行处理，对图像进行分块处理是必要的。如果仅仅对图像进行分块处理，然后把处理的图像块进行简单的拼接，容易导致界边处缝的问题（如下图所示）。所以，需要在图像分块时使得相邻图像块有一定的重叠，然后选择最优的处理结果填充重叠区域，从而消除接边缝。
图 1. 左图为直接分块处理结果，右图为重叠分块处理结果
2. 图像重叠分块的实现原理介绍
图 2. 图像分块原理示意图
如上图所示，图像重叠分块时，有三个Block，三个Position和一个Principle：
三个Block是：起始Block，中间Block和边缘Block；
三个Position是：Block在原始图像的读取和写入位置，处理结果有效内容在Block自身的位置；
一个 Principle是：各个Block处理结果的有效部分应该保持保持无缝连接；
基于以上思路，我们列出图像分块时的几个关键参数：
图像纵向块数：m_Tile = (height-BLOCKOVERLAP_Y-1)/(BLOCKHEIGHT-2*BLOCKOVERLAP_Y)+1
图像横向块数：nTile = (width-BLOCKOVERLAP_X-1)/(BLOCKWIDTH-2*BLOCKOVERLAP_X)+1
其中，width和height为原始图像的宽高，BLOCKWIDTH和BLOCKHEIGHT为图像块的宽高，BLOCKOVERLAP_X和BLOCKOVERLAP_Y为图像块横向和纵向的重叠尺寸。因为横向和纵向的公式是完全类似的，为了简便起见，下面我们用size，BLOCK，OVERLAP来相应代替上面的三个量。
| i_Read | i_Write | i_Offset | |
|---|---|---|---|
| 1st | 0 | 0 | 0 |
| Middle | i*(BLOCK-2*OVERLAP) | i_Read+OVERLAP | OVERLAP |
| Last | size-BLOCK | (i+1)*BLOCK-(2*i-1)*OVERLAP-size | (i+1)*BLOCK-(2*i-1)*OVERLAP-size |
3. 立体匹配中的图像重叠分块的方法介绍
立体匹配中使用分块处理的方法和一般的图像处理的分块方法不同，因为Block之间的对应需要一个初始的视差来驱动，否则可能导致图像块之间没有很好的重叠（如图3所示）。
图 3. 无初始视差驱动的航空影像分块处理
所以，如果有初始视差图来驱动，就可以很好地实现影像分块，而且这时不仅可以解除内存限制或者实现并行处理，还可以减小每个图像块的视差搜索范围，因此最终还有可能减少误匹配率。
基于此方法，立体匹配的分块处理方法框架如下：
int mTile = (height-BLOCKOVERLAP_Y-1)/(BLOCKHEIGHT-2*BLOCKOVERLAP_Y)+1;
int nTile = (width-BLOCKOVERLAP_X-1)/(BLOCKWIDTH-2*BLOCKOVERLAP_X)+1;
for (int m=0;m<mTile;m++)
{
int m_index= m*(BLOCKHEIGHT-2*BLOCKOVERLAP_Y);
int m_offset = BLOCKOVERLAP_Y;
int m_write = m_index+BLOCKOVERLAP_Y;
if (m==0)
{
m_offset = 0;
m_write = 0;
}
else if (m == mTile-1)
{
m_index = height-BLOCKHEIGHT;
m_offset = (m+1)*BLOCKHEIGHT-(2*m-1)*BLOCKOVERLAP_Y-height;
m_write = m*BLOCKHEIGHT-(2*m-1)*BLOCKOVERLAP_Y;
}
for (int n=0;n<nTile;n++)
{
int n_index = n*(BLOCKWIDTH-2*BLOCKOVERLAP_X);
int n_offset=BLOCKOVERLAP_X;
int n_write = n_index+BLOCKOVERLAP_X;
if (n==0)
{
n_offset = 0;
n_write = 0;
}
else if (n == nTile-1)
{
n_index = width-BLOCKWIDTH;
n_offset = (n+1)*BLOCKWIDTH-(2*n-1)*BLOCKOVERLAP_X-width;
n_write = n*BLOCKWIDTH-(2*n-1)*BLOCKOVERLAP_X;
}
CopyImgData(n_index,m_index,width,height,0,0,BLOCKWIDTH,BLOCKHEIGHT);
//计算整体视差平移量
int AvgBlockDisp = 0;
int num_disp = BLOCKWIDTH*BLOCKHEIGHT;
for (int i=0;i<num_disp;i++)
{
AvgBlockDisp += dm->disparity[i];
}
AvgBlockDisp /= num_disp;
int n_index_refer = n_index+AvgBlockDisp;
CopyImgData(bufl_block,bufl,n_index_refer,m_index,width,height,0,0,BLOCKWIDTH,BLOCKHEIGHT);
CopyImgData(bufr_block,bufr,n_index,m_index,width,height,0,0,BLOCKWIDTH,BLOCKHEIGHT);
Match();
//还原到原始视差范围
for (int i=0;i<BLOCKHEIGHT;i++)
{
for (int j=0;j<BLOCKWIDTH;j++)
{
dm->disparity[i*BLOCKWIDTH+j] += AvgBlockDisp;
}
}
//写入到内存
CopyImgData(n_offset,m_offset,BLOCKWIDTH,BLOCKHEIGHT,n_write,m_write,width,height);
CopyImgData(n_offset,m_offset,BLOCKWIDTH,BLOCKHEIGHT,n_write,m_write,width,height);
}
}