opencv求取视差图sgbm

SGBM（Semi-Global Block Matching）是OpenCV中用于计算视差图的一种算法。视差图是描述立体视觉中离相机平面的距离差异的一种图像。

SGBM算法在计算视差图时，首先需要对左右两个图像进行预处理，包括灰度化、去噪等操作，然后使用代价函数来计算视差值。代价函数根据左右图像的像素强度差异来衡量视差值的可能性，常用的代价函数有SAD（Sum of Absolute Differences）、SSD（Sum of Squared Differences）等。

在SGBM算法中，为了减少计算量和提高计算的准确性，会将图像分割成若干个小块，并使用块匹配的方式计算每个块的相关性。这种方法可以减少计算量，并且能够处理不同区域的视差变化。

计算出每个块的相关性后，SGBM算法会进行视差值的优化，通过全局优化和局部优化来得到最终的视差图。全局优化主要是通过梯度约束和平滑度约束来减少视差图中的噪声，并使得视差变化更加平滑。局部优化则是为了进一步优化局部区域的视差值，通过调整权重和代价函数来得到更准确的视差图。

最后得到的视差图可以用于计算深度图、三维重建等应用，对于视觉导航、机器人感知等方面都具有很大的帮助。

总而言之，SGBM算法是OpenCV中用于计算视差图的一种算法，通过对图像进行预处理，使用代价函数计算视差值，然后通过全局和局部优化得到最终的视差图。这一视差图可以应用于多个领域，为实现深度感知和三维重建等应用提供数据基础。