视差估计算法，指定为逗号分隔的一对组成的“方法'，要么“块匹配”要么“半全局”。悬殊的功能实现基本块匹配[1]和半球状块匹配[3]算法。在里面“块匹配”方法，通过比较在图像中的每个像素块的绝对差和（SAD）的总和的函数计算视差。在里面“半全局”匹配的方法，所述函数还迫使上相邻块类似的差异。这种额外的限制导致一个更完整的差估计比“块匹配”方法。

算法执行以下步骤：

视差的范围，指定为逗号分隔的一对组成的“DisparityRange'和两元件矢量。两个元素向量必须是格式为[MinDisparity，MaxDisparity]。两个元件必须是整数，并且可以是负的。MinDisparity和MaxDisparity必须是在范围[ -图像宽度，图像宽度]。和...之间的不同MaxDisparity和MinDisparity必须整除16。DisparityRange必须是真实的，有限的，非稀疏。如果摄像头用于拍摄I1是对相机的使用采取正确I2， 然后MinDisparity必须为负。

该视差范围取决于两个照相机和摄像机和感兴趣的物体之间的距离之间的距离。增加DisparityRange当摄像机相距很远或物体接近相机。要确定您的配置合理的差距，显示在输入图像的立体浮雕imtool并使用距离工具来衡量对相应的点之间的距离。修改MaxDisparity以对应于测量值。

正方形块大小，指定为逗号分隔的一对组成的“BLOCKSIZE'和在范围[5,255]的奇整数。此值设置为方形块大小的宽度。该函数使用的像素的正方形块之间的比较I1和I2。BLOCKSIZE必须是真实的，有限的，非稀疏。

对比阈值范围内，指定为逗号分隔的一对组成的“ContrastThreshold'和在范围（0,1]标量值。对比阈值定义的对比度值的可接受范围，增加该参数导致更少的像素被标记为不可靠的。ContrastThreshold必须是真实的，有限的，非稀疏。

唯一性的最小值，指定为逗号分隔的一对组成的“UniquenessThreshold'和非负整数。增加的功能标记更不可靠像素这个参数的结果。当用于像素的唯一性值低，计算了它的视差是不太可靠的。设置门槛0禁用唯一性阈值。UniquenessThreshold必须是真实的，有限的，非稀疏。

功能定义的唯一性为最佳视差估计的比率和小于最佳视差估计。例如：

对于两点间左到右图像检查最大距离，指定为逗号分隔的一对组成的“DistanceThreshold'和非负整数。增加较少的像素这个参数结果被标记为不可靠的。相反，当你降低了距离阈值，可以增加视差图的可靠性。您可以将此参数设置为空矩阵[]禁用它。DistanceThreshold必须是真实的，有限的，非稀疏。

距离阈值指定的点之间的最大距离I1和相同点从发现I2。该函数发现的距离和标记以下面的方式在像素：

最小纹理阈值，指定为逗号分隔的一对组成的“TextureThreshold'和在范围[0，1）的标量值。纹理阈值定义为一个像素是可靠的最小纹理值。越低，纹理像素的块时，较不可靠的所计算的视差对于像素。增加更多的像素这个参数结果被标记为不可靠的。您可以设置此参数0禁用它。此参数仅适用于当您设置方法至“块匹配”。

一个像素的结构被定义为饱和的对比度上计算总和BLOCKSIZE-通过-BLOCKSIZE窗口的像素周围。该函数考虑计算用于像素不可靠的和标记它的视差，当纹理低于由下式定义的值：

TextureThreshold必须是真实的，有限的，非稀疏。