SGM（Semi-Global Matching）算法是一種用於計算雙目視覺中視差的半全局匹配算法。該算法由Heiko Hirschmuller提出，並首次發表於2005年的CVPR文章中。SGM算法結合了局部匹配和全局匹配的優點，在精度和效率上取得了良好的平衡。
SGM算法的核心步驟包括：
代價計算。SGM採用基於互信息（Mutual Information, MI）的匹配代價計算方法。互信息是一種對影像明暗變化不敏感的相關性測度，它通過兩張圖像各自的熵以及兩者的聯合熵來定義。熵代表圖像的信息量，是基於灰度的機率分布所得到的統計量。圖像的熵越大，代表包含的像素灰度越豐富，灰度分布越均勻。
代價聚合。由於代價計算步驟只考慮了局部的相關性，對噪聲非常敏感，因此SGM算法通過代價聚合步驟，增加一個額外的約束，通過懲罰臨近視差的變化來保證平滑。聚合過程中，會對像素的鄰域內的所有像素進行懲罰，其中對相鄰像素視差變化很大（大於1個像素）的情況進行更嚴厲的懲罰。
SGM算法在OpenCV中的實現為Semi-Global Block Matching（SGBM），這是一種高效的立體匹配算法，廣泛套用於實時立體視覺中。