视差估计算法，指定为逗号分隔对，由'方法”,要么“BlockMatching”或“SemiGlobal”．视差函数实现了基本的块匹配[1]和半全局块匹配［3］算法。在“BlockMatching”方法，通过比较图像中每个像素块的绝对差值(SAD)和来计算视差。在“SemiGlobal”在匹配方法中，该函数还对相邻块施加类似的视差。这种额外的约束导致了比在“BlockMatching”方法。

算法执行以下步骤:

视差范围，指定为逗号分隔对，由'disparityrange.'和一个二元向量。双元素向量的格式必须为[思维思考，MaxDisparity］.两个元素必须是整数，可以是负的。思维思考和MaxDisparity一定在范围[-图像的宽度，图像的宽度］.之间的区别MaxDisparity和思维思考必须被整除16．disparityrange.必须是实的，有限的，非稀疏的。如果相机能拍到I1是右边的右边曾经采取I2,然后思维思考必须是负的。

视差范围取决于两个摄像机之间的距离以及摄像机和感兴趣的物体之间的距离。增加了disparityrange.当相机距离很远或物体离相机很近时。要为您的配置确定合理的视差，请在图像查看器应用程序，使用距离工具测量对应点对之间的距离。修改MaxDisparity与测量值相对应。

正方形块大小，指定为逗号分隔对，由'BlockSize和范围[5,255]的奇数。此值设置方块块大小的宽度。该函数使用像素块进行比较I1和I2．BlockSize必须是实的，有限的，非稀疏的。

对比度阈值范围，指定为逗号分隔对，由'ContrastThreshold'和范围(0,1)中的标量值。对比度阈值定义了对比度值的可接受范围。增加这个参数将导致更少的像素被标记为不可靠。ContrastThreshold必须是实的，有限的，非稀疏的。

唯一性的最小值，指定为由“逗号分隔的配对”UniquenessThreshold'和一个非负整数。增加这个参数会导致函数标记更多不可靠的像素。当一个像素的唯一性值较低时，为其计算的视差不可靠。设置阈值为0禁用独特性的阈值。UniquenessThreshold必须是实的，有限的，非稀疏的。

该函数将唯一性定义为最优视差估计和最优视差估计的比值。例如:

两个点之间从左到右的图像检查的最大距离，指定为逗号分隔对，包括'DistanceThreshold'和一个非负整数。增加这个参数将导致更少的像素被标记为不可靠。相反，当您降低距离阈值时，您就增加了视差映射的可靠性。您可以将该参数设置为空矩阵[]禁用它。DistanceThreshold必须是实的，有限的，非稀疏的。

距离阈值指定在点之间的最大距离I1同样的观点来自I2．该函数找到距离并按以下方式标记像素：

最小纹理阈值，指定为逗号分隔对，由“TextureThreshold和范围为[0,1)的标量值。纹理阈值定义了像素可靠的最小纹理值。像素块的纹理越低，计算出的视差就越不可靠。增加这个参数会导致更多像素被标记为不可靠。可以设置为0禁用它。此参数仅在您设置时适用方法来“BlockMatching”．

一个像素的纹理定义为饱和对比度计算的总和BlockSize-经过-BlockSize像素周围的窗口。当纹理低于以下定义的值时，该函数认为为像素计算的视差不可靠并标记它:

TextureThreshold必须是实的，有限的，非稀疏的。