В цифровой обработке изображений сумма абсолютных разностей ( SAD ) является мерой сходства между блоками изображения . Она вычисляется путем взятия абсолютной разницы между каждым пикселем в исходном блоке и соответствующим пикселем в блоке, используемом для сравнения. Эти разности суммируются для создания простой метрики сходства блоков, нормы L 1 изображения разности или манхэттенского расстояния между двумя блоками изображения.
Сумма абсолютных разностей может использоваться для различных целей, таких как распознавание объектов , создание карт несоответствий для стереоизображений и оценка движения для сжатия видео .
В этом примере сумма абсолютных разностей используется для определения того, какая часть изображения поиска наиболее похожа на изображение шаблона. В этом примере изображение шаблона имеет размер 3 на 3 пикселя, а изображение поиска — 3 на 5 пикселей. Каждый пиксель представлен одним целым числом от 0 до 9.
Шаблон Поиск изображения 2 5 5 2 7 5 8 6 4 0 7 1 7 4 2 7 7 5 9 8 4 6 8 5
В поисковом изображении есть ровно три уникальных места, куда может поместиться шаблон: левая сторона изображения, центр изображения и правая сторона изображения. Для расчета значений SAD используется абсолютное значение разницы между каждой соответствующей парой пикселей: разница между 2 и 2 равна 0, 4 и 1 равна 3, 7 и 8 равна 1 и т. д.
Расчет значений абсолютных разностей для каждого пикселя для трех возможных местоположений шаблона дает следующее:
Левый Центр Правый0 2 0 5 0 3 3 3 13 7 3 3 4 5 0 2 01 1 3 3 1 1 1 3 4
Для каждого из этих трех участков изображения 9 абсолютных разностей суммируются, давая значения SAD 20, 25 и 17 соответственно. Из этих значений SAD можно утверждать, что правая сторона изображения поиска наиболее похожа на изображение шаблона, поскольку она имеет наименьшую сумму абсолютных разностей по сравнению с двумя другими местоположениями.
Сумма абсолютных разностей обеспечивает простой способ автоматизации поиска объектов внутри изображения, но может быть ненадежной из-за влияния контекстных факторов, таких как изменения освещения, цвета, направления взгляда, размера или формы. SAD может использоваться в сочетании с другими методами распознавания объектов, такими как обнаружение краев , для повышения надежности результатов.
SAD является чрезвычайно быстрой метрикой благодаря своей простоте; это фактически самая простая из возможных метрик, которая учитывает каждый пиксель в блоке. Поэтому она очень эффективна для широкого поиска движения множества различных блоков. SAD также легко поддается параллелизации , поскольку она анализирует каждый пиксель отдельно, что делает ее легко реализуемой с помощью таких инструкций, как ARM NEON или x86 SSE2 . Например, SSE имеет упакованную инструкцию суммы абсолютных разностей (PSADBW) специально для этой цели. После того, как блоки-кандидаты найдены, окончательная доработка процесса оценки движения часто выполняется с помощью других более медленных, но более точных метрик, которые лучше учитывают человеческое восприятие . К ним относятся сумма абсолютных преобразованных разностей (SATD), сумма квадратов разностей (SSD) и оптимизация скорости-искажения .