你有没有想过为什么人和许多动物都有两只眼睛？通过使用两只眼睛，我们可以感知深度。原理很简单，当你看屏幕的时候，把头固定住，闭上一只眼睛，试着看屏幕后面的所有东西，现在睁开你闭上的眼睛，再闭上另一只眼睛，试着看同样的东西， 你能看到差别吗？

每只眼睛都向我们的大脑发送信息。这个信息几乎是一样的，如果你可以有两张你的双眼的照片，然后你试着把这张照片重叠起来，你会发现离你眼睛最近的物体有很大的位移，而远处的物体有很大的位移很小。这些观察到的位移被转化为物体的深度。

现在另一个可以帮助你理解这个概念的实验是这样的：试着让你的视线固定闭上你的眼睛一会儿，现在只睁开一只眼睛但尽量不要移动你的视线，试着触摸你周围的东西，但请记住保持您的视图修复，这很简单吗？现在闭上一只眼睛，移动你的头并尝试做同样的事情，更容易吗？通过移动你的头，你正在向你的大脑提供关于物体有多远的信息，因为在最近的物体中，可观察到的位移会更大。当然，您应该考虑到眼睛还有其他类型的细胞可以帮助我们感知深度。但是在一对简单的立体相机中，我们可以恢复的信息只是每个图像中同一点的距离，即视差图，并且有很多方法可以恢复它，光流很常见。这种信息通常用于了解 3D 空间，并应用分割来比较相机和对象之间的距离。

虽然仅使用相机，但您可以仅比较强度变化，并尝试通过使用大量指标来检测主要变化。通过保持相机固定并尝试忽略场景中没有移动的事物，使用这种系统来跟踪对象是很常见的。

在立体视频/图像中，每帧/图像都有更多信息，可以创建图像/视频信号（深度）的 3D 演示。您可以从 3D 创建单声道图像/视频。您无法从单声道图像/视频信号创建 3D 演示。那是因为旧电影不是用两个相机从两个稍微不同的方向拍摄的，所以不能转换成 3D。