在opencv中的实现为semi-global block matching（SGBM）讲解

semi-global matching算法是SGM的缩写，是一种基于计算机双目视觉中的disparity(视差)的半全局匹配算法，在opencv中的实现为semi-global block matching（SGBM）。

SGBM的思路：
通过选取每个像素点的disparity，组成一个视差图（disparity map），设置一个和视差图相关的全局能量函数，使这个能量函数最小化，以达到求解每个像素最优disparity （视差）的目的 。
能量函数的形式如下：

D指disparity map。 E（D）是该disparity map 对应的能量函数。
p，q 代表图像中的某个像素。
Np指像素p的相应像素点。
C（p，Dp）指当前像素点disparity为Dp时，该像素点的cost（损失）。
P1是一个惩罚系数，它适用于像素p相邻像素中disparity值与disparity值相差1的那些像素。
P2是一个惩罚系数，它适用于像素p相邻像素中disparity值与p的disparity值相差大于1的那些像素。
I[.]函数返回1如果函数中的参数为真，否则返回0。

利用上述函数在一个二维图像中寻找最优解是一个NP-complete问题，耗时过于巨大，因此该问题被近似分解为多个一维问题，即线性问题。而且每个一维问题都可以用动态规划来解决。因为1个像素有8个相邻像素，因此一般分解为8个一维问题。如下图所示