opencv视差图

视差图（Disparity Map）是指将两幅立体图像中对应像素的视差（Disparity）信息以灰度图的形式表示出来的一种图像。视差是指同一物体在两幅立体图像中对应像素的水平位移量，它与物体距离的关系呈反比例关系。因此，视差图可以用来计算物体的深度信息，是立体视觉中非常重要的一部分。

OpenCV提供了StereoBM、StereoSGBM等算法来计算视差图。其中，StereoBM是基于块匹配（Block Matching）的算法，而StereoSGBM是基于半全局匹配（Semi-Global Matching）的算法。它们都是基于匹配代价（Matching Cost）的计算原理，即通过比较左右相机像素间的相似度，计算出每个像素的匹配代价，然后根据代价来计算视差值。

使用OpenCV计算视差图的步骤一般包括以下几个步骤：

1. 读入左右相机图像；
2. 对图像进行预处理，如去噪、调整亮度等；
3. 计算视差图，可以选择StereoBM或StereoSGBM等算法；
4. 对视差图进行后处理，如滤波、填充等；
5. 将视差图转换为深度图，或者直接使用视差图进行深度估计。

这里简单给出一个使用StereoBM算法计算视差图的示例代码：

import cv2

# 读入左右相机图像
imgL = cv2.imread('left.png', 0)
imgR = cv2.imread('right.png', 0)

# 创建StereoBM对象
stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15)

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

# 对视差图进行后处理
disparity = cv2.medianBlur(disparity, 5)

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

其中，numDisparities和blockSize分别表示视差搜索范围和块大小，可以根据具体情况进行调整。