给定校准相机对的两个立体图像，通常需要进行校正。如Loop和Zhang(链接(在"计算立体视觉的校正单形图"中所述：
通常，对极线与坐标轴不对齐不是平行的。这样的搜索很耗时，因为我们必须比较图像空间中斜线上的像素。这些类型的算法如果核线是轴，可以简化并提高效率对齐且平行。这可以通过应用2D投影来实现对每个图像进行变换或单应性。这个过程被称为图像校正。与经整流的图像对将位于同一水平扫描线上，并且不同之处仅在于水平位移。
要进行3D重建，必须对图像运行匹配算法，以解决著名的对应问题。
匹配算法是应用于原始图像还是应用于校正后的图像？事实上，校正引入的失真可能会导致模式识别失败，对吧？
请分享任何参考资料(如有(。谢谢
大多数匹配算法(如opencv中使用的"半全局块匹配"(都需要校正的立体图像对才能正常工作。因此，将匹配算法应用于校正后的图像。
矫正的实际作用是扭曲图像，使两幅图像中的极线水平排列。这意味着，两个图像中的对象在校正后都处于一个垂直图像平面中。这样，匹配算法只需要检查沿着图像线的korresponse，而不是整个图像。
整流引入的"失真"通常只由几何和仿射图像变换组成。对图像进行变换，使得图像更好地对准，并且因此匹配算法的模式识别在校正后表现得更好。
更多信息的可能来源是"Hartley，Richard和Andrew Zisserman。计算机视觉中的多视图几何。剑桥大学出版社，2003年。">