使用SGBM算法，用python写双目相机视差计算

双目视差计算是计算机视觉中的一个重要问题，常用的算法之一是SGBM算法。下面是一个使用Python和OpenCV库实现SGBM算法的双目视差计算示例代码：

import numpy as np
import cv2

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

# SGBM参数设置
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).astype(np.float32) / 16.0

# 视差图显示
cv2.imshow('disparity', (disparity - min_disp) / num_disp)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`imgL`和`imgR`分别是左右图像，可以通过`cv2.imread()`函数读取。`window_size`是SGBM算法中的窗口大小，`min_disp`和`num_disp`是最小视差和视差范围。`cv2.StereoSGBM_create()`函数用于创建SGBM算法对象，并设置相关参数。最后，通过`stereo.compute()`函数计算视差图，再通过`cv2.imshow()`函数显示视差图。

需要注意的是，在实际应用中，需要对双目相机进行校正和匹配，以获取更为准确的视差图。