文档介绍：目前，常用的基于区域的局部匹配准则主要有图像序列中对应像素差的绝对值（ SAD, Sum of Absolute
Differences），图像序列中对应像素差的平方和（ SSD, Sum of Squared Differences ），图像的相关性（NCC, Normalized Cross Correlation ）等，另外还有 Census变换法，也是一种基于区域的匹配方法。几种算法的 基本原理如下。
（1）SAD算法：SAD算法是一种最简单的匹配算法，用公式表示为：
此种方法就是以左目图像的源匹配点为中心，定义一个窗口 D，其大小为（2m+1） （2n+1），统计其窗口
的灰度值的和，然后在右目图像中逐步计算其左右窗口的灰度和的差值，最后搜索到的差值最小的区域的 中心像素即为匹配点。
（2）SSD匹配算法：SSD算法与SAD算法相似，其公式为：
（3）NCC匹配算法：NCC算法是计算两幅图像匹配区域的互相关性，其计算公式为:
式中…
(2 朋+1)(2 旳 + 1)
工工乙（疋+'我j+丿+巧
由以上三种算法可知，SAD算法最简单，因此当模板大小确定后， SAD算法的速度最快。NCC算法与SAD
算法相比要复杂得多。
Census变换匹配算法：Census变换算法是先对单幅图像的窗口区域进行变换， 然后再按照Hamming 距离来比较它们的相似性进行匹配。 Census变换把任一像素f周围的像素影射为一串数字。图像 F中的任 一像素f的Census值为：
Eg区【心］)
『136 125 12 宁
例如，对于像素值分别为32 98 100的图像t则经^Census变换后为
^5 180 70;
(00001101) c即周围像素/与齐相比，如果責“则为1,否则为几左
经过Census变换后的两个图像对,—般通过Hairatiing距离来比较他们的相 似性，即在两个字符串中比较相同位置的两个字符是否相同，有多少个不同的位 置，则Hamming距离就为多少。例如，^^(00001**********)^，到 的Hamming距离最小点为匹配点*心