matlab自带的disparity函数

MATLAB自带的disparity函数是用于计算视差图的函数，常用于立体视觉中的深度估计。下面是disparity函数的语法和说明：

[dmap, cim] = disparity(left, right, 'Method', method, 'BlockSize', blocksize, 'DisparityRange', disp_range, 'Uniqueness', uniqueness)

输入参数：

- left：左视图灰度图像；
- right：右视图灰度图像；
- method：视差计算方法，可选的值包括'SSD'（和平方差法）和'AD'（绝对差法），默认值为'SSD'；
- blocksize：匹配块大小，必须为正奇数，表示匹配块的边长，例如blocksize=3表示3x3的匹配块，默认值为9；
- disp_range：视差范围，表示最大视差值与最小视差值之间的差值，必须为正整数，例如disp_range=64表示最大视差值为64，最小视差值为0，默认值为64；
- uniqueness：唯一性约束阈值，表示匹配块的最小相似度，取值范围为0到1之间的实数，例如uniqueness=0.1表示相似度小于0.1的匹配块会被排除，默认值为0.5。

输出参数：

- dmap：视差图，表示每个像素的视差值，值越大表示距离越远；
- cim：一致性图，表示每个像素匹配的一致性，值越大表示匹配越可靠。

下面是一个简单的disparity函数的示例：

% 读取左右视图图像
left = imread('left.png');
right = imread('right.png');

% 转为灰度图像
left_gray = rgb2gray(left);
right_gray = rgb2gray(right);

% 计算视差图
[dmap, cim] = disparity(left_gray, right_gray, 'BlockSize', 15, 'DisparityRange', [0 64], 'Uniqueness', 0.5);

% 显示视差图
figure; imshow(dmap, []); colorbar;

在这个示例中，我们首先将输入的彩色左右视图图像转换为灰度图像。然后，使用disparity函数计算视差图。在计算过程中，我们将匹配块大小设置为15x15，视差范围设置为0到64，唯一性约束阈值设置为0.5。最后，使用imshow函数显示视差图。