立体图像的深度图（Depth Map）是表示图像中每个像素点距离相机的深度或距离信息的二维灰度图。它提供了场景中物体的三维结构和距离信息，对于三维重建、增强现实、虚拟现实等应用具有重要意义。
深度图可以通过以下方式获取：
1. 双目视觉方法：使用两个相机（左右摄像机）同时拍摄同一场景，通过计算两个视角之间的视差（视差指的是左右图像中对应像素的差异），可以估计出每个像素点的深度值，从而生成深度图。该方法基于视差 - 深度关系，需要进行立体匹配和视差计算。
2. 结构光方法：使用投影器投射特殊编码的光纹（通常为条纹或格子纹），相机拍摄被纹理照射的场景。通过分析被纹理变形的情况，可以计算出每个像素点的深度信息，生成深度图。这种方法适用于近距离测量，并且受到光线条件的影响较大。
3. 时间飞行（Time-of-Flight，ToF）方法：利用 ToF 相机发送并接收光信号，通过测量光信号的往返时间来计算物体到相机的距离。基于 ToF 原理，可以获取整个场景的深度信息，生成深度图。该方法适用于实时深度感知，并且对光线条件的要求相对较低。
import numpy as np
import cv2
imgL = cv2.imread("assets/tsukuba_l.png", 0)
imgR = cv2.imread("assets/tsukuba_r.png", 0)
stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15)
disparity = stereo.compute(imgL, imgR)
disparity = np.uint8(disparity)
cv2.imshow("L", imgL)
cv2.imshow("R", imgR)
cv2.imshow("depth", disparity)
cv2.waitKey(0)
cv2.destroyAllWindows()生成深度图后，可以使用灰度值或颜色来表示不同深度或距离的区域。通常，深度值越小或距离越近的区域在深度图中呈现较暗的灰度或颜色，深度值越大或距离越远的区域呈现较亮的灰度或颜色。
深度图在计算机视觉、三维重建、虚拟现实等领域有广泛应用，例如景深效果、目标识别和分割、虚拟场景渲染等。
需要注意的是，深度图的生成涉及一些复杂的计算和算法，需要根据具体的应用场景和硬件设备选择合适的方法和工具进行处理。
Lnton 羚通专注于音视频算法、算力、云平台的高科技人工智能， 基于视频分析技术、视频智能传输技术、远程监测技术以及智能语音融合技术等， 拥有多款可支持 ONVIF、RTSP、GB/T28181 等多协议、多路数的音视频智能分析服务器。
