视差图有什么应用，用python代码举例说明

视差图是一种基于立体视觉原理的图像处理技术，可以用来估计图像中物体的深度信息。视差图通常由两幅视差对应的图像组成，其中每个像素的数值表示该像素在两幅图像中的视差大小。视差越大，表示物体离相机越近，反之则表示物体离相机越远。

视差图在计算机视觉和机器人领域有广泛的应用，如三维重建、物体跟踪、机器人导航等。

下面是一个用Python实现计算视差图的示例代码：

import cv2

# 读取左右视图图像
img_left = cv2.imread('left.png', cv2.IMREAD_GRAYSCALE)
img_right = cv2.imread('right.png', cv2.IMREAD_GRAYSCALE)

# 定义SGBM算法对象
stereo = cv2.StereoSGBM_create(minDisparity=0, numDisparities=16, blockSize=5)

# 计算视差图
disparity = stereo.compute(img_left, img_right)

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

在这个示例代码中，我们首先使用OpenCV库读取了左右视图的灰度图像，然后使用StereoSGBM算法对象计算视差图。最后使用imshow函数显示视差图。