python opencv不进行代价聚合的SAD算法并可视化结果

SAD算法是一种计算两幅图像之间差异的方法，它计算每个像素点的绝对差值之和，并将其作为整幅图像的差异度量。在OpenCV中，可以使用cv2.absdiff()函数计算两幅图像的差异，并使用cv2.sumElems()函数计算差异的绝对值之和。

以下是一个不进行代价聚合的SAD算法的示例代码：

import cv2
import numpy as np

# 读取两幅图像
img1 = cv2.imread('img1.png', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('img2.png', cv2.IMREAD_GRAYSCALE)

# 计算两幅图像的差异
diff = cv2.absdiff(img1, img2)

# 计算差异的绝对值之和
sum_diff = cv2.sumElems(diff)

# 可视化结果
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('diff', diff)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们使用cv2.imread()函数读取两幅灰度图像，并使用cv2.absdiff()函数计算它们之间的差异。然后，我们使用cv2.sumElems()函数计算差异的绝对值之和，并使用cv2.imshow()函数可视化结果。

请注意，这个示例并没有进行代价聚合，因此无法得到一个完整的视差图。如果您需要获得一个完整的视差图，可以考虑使用更复杂的算法，如SGBM或BM算法。