介绍一下SGBM算法

SGBM（Semi-Global Block Matching）算法是一种用于计算立体匹配的算法。它是一种基于区块匹配的算法，可以用于计算两个图像之间的视差图。SGBM算法是一种改进的BM算法，它在计算代价函数时，考虑了像素点的全局信息，因此可以得到更加准确的视差图。

SGBM算法的主要步骤如下：
1. 对左右两幅图像进行预处理，包括灰度化、高斯滤波等操作。
2. 计算代价函数，代价函数是指左右两幅图像中对应像素点之间的相似度度量，可以使用SAD（Sum of Absolute Differences）、SSD（Sum of Squared Differences）等方法计算。
3. 对代价函数进行聚合，聚合的目的是将代价函数中的噪声和不确定性降低，常用的聚合方法有平均值、中值、加权平均等。
4. 计算视差图，视差图是指左右两幅图像中对应像素点之间的距离，可以通过代价函数和聚合结果计算得到。

下面是一个使用OpenCV实现SGBM算法的例子：

import cv2

# 读取左右两幅图像
imgL = cv2.imread('left.png', 0)
imgR = cv2.imread('right.png', 0)

# 创建SGBM对象
window_size = 3
min_disp = 0
num_disp = 16 * 5
stereo = cv2.StereoSGBM_create(minDisparity=min_disp,
                                numDisparities=num_disp,
                                blockSize=window_size,
                                P1=8 * 3 * window_size ** 2,
                                P2=32 * 3 * window_size ** 2,
                                disp12MaxDiff=1,
                                uniquenessRatio=10,
                                speckleWindowSize=100,
                                speckleRange=32)

# 计算视差图
disparity = stereo.compute(imgL, imgR)

# 显示视差图
cv2.imshow('disparity', disparity)
cv2.waitKey(0)
cv2.destroyAllWindows()