OpenCV提供了一些用于景深估计的函数和算法，可以帮助你估计图像中不同区域的景深信息。下面是一个简单的示例代码，展示了如何使用OpenCV进行景深估计：
import cv2
import numpy as np
# 读取左右视图的图像
left_image = cv2.imread('left_image.jpg', 0)
right_image = cv2.imread('right_image.jpg', 0)
# 创建BM算法对象
stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15)
# 计算视差图
disparity = stereo.compute(left_image, right_image)
# 将视差图进行归一化处理
disparity_normalized = cv2.normalize(disparity, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)
# 显示视差图
cv2.imshow('Disparity Map', disparity_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上面的代码中，我们首先读取了左右视图的图像，然后使用cv2.StereoBM_create()函数创建了一个BM算法对象，接着调用stereo.compute()方法计算了视差图，最后对视差图进行了归一化处理并显示出来。
需要注意的是，这只是一个简单的示例代码，实际的景深估计过程可能会更加复杂，具体的参数设置和算法选择需要根据实际情况进行调整。另外，OpenCV还提供了其他的景深估计算法（如SGBM、SGBM等），你可以根据需要选择合适的算法来进行景深估计。
