PatchMatchStereo
PatchMatchStereo copied to clipboard
ethan-li-coding
关于结果的测试
看了您的AD-Census以及PatchMatch这两个项目，想问下您有相关的测试代码嘛？因为我之前跑的是
https://github.com/WangHewei16/Stereo-Matching 这个项目中Tablecode中的测试Error_Non31这个测试代码，但是目前感觉有几个问题：1.想问下生成的这些各种各样的图片的对应关系，因为在
https://github.com/WangHewei16/Stereo-Matching
这个项目中，生成了许多的结果，比如
生成了许多注入dispLR,dispBoth这样的图片。
您生成的是视差图，和我生成的视差图在使用测试代码的时候结果差异很大，比如这张图片是使用您的代码生成的结果以及他这个项目生成的结果对比，
我用测试代码运行您的patchmatch得到的图片（view1.png-d.png），以及另一个项目得到的图片（203_dispLR_so.png）去分别测试做对比，结果发现您的图片得到的结果错误率为99%。
然而实际上肉眼可见您的方法生成的图片效果更好，是什么原因导致的这样的结果呢？
是因为生成的图片的格式问题嘛？因为我看到您的方法生成的图片的灰度貌似看上去和他这个项目生成的图片灰度不一样2.可以把AD-Census以及PatchMatch两个算法取各自最优的部分结合起来，然后得到更好的测试结果吗？3.您有专门用来测试的更好的测试代码吗？谢谢！
是这样的，我的png只是为了显示，而不是为了做测试，做测试的话要去官网找一个scale，然后把视差都乘以scale来缩放，这个scale每个数据集还不一样。我只是简单的把视差拉到了0~255范围内，不能直接用于评测。你只需要针对不同的数据集改一下视差缩放的方式即可。
是这样的，我的png只是为了显示，而不是为了做测试，做测试的话要去官网找一个scale，然后把视差都乘以scale来缩放，这个scale每个数据集还不一样。我只是简单的把视差拉到了0~255范围内，不能直接用于评测。你只需要针对不同的数据集改一下视差缩放的方式即可。
您说的官网是指哪一个网站呀
https://vision.middlebury.edu/stereo/data/ middlebury数据集的官网
我之前用的也是这个网站 但是没有搞清楚这个在线评估的具体做法 于是就先放在一边了 这个缩放是生成好的视差图直接每个像素乘以scale嘛？还有一个问题，比如我用您的方法生成了im2.png-d.png以及im5.png-d.png，这两张图片都是测试需要的嘛还是说在测试的时候只需要其中一张？或者是这两张视差图要再合成一个深度图？