不好的视差图通常是由于以下问题引起的：

1. 图像配准不准确：视差图的生成依赖于左右两幅图像的配准。如果图像配准不准确，会导致视差图中的视差值不准确。解决方法是使用更准确的图像配准算法，如基于特征点匹配的算法（如SIFT、SURF）或基于全局优化的算法（如图割、基于深度学习的方法）。

2. 图像噪声：图像中的噪声会干扰视差图的生成。可以通过图像降噪算法（如高斯滤波、中值滤波）来减少图像中的噪声，从而提高视差图的质量。

3. 低纹理区域：低纹理区域的图像信息较少，很难进行准确的视差计算。可以通过引入其他约束条件，如平滑约束、边缘约束等，来改善低纹理区域的视差计算结果。

下面是一个简单的示例代码，用于生成视差图：

import cv2

# 读取左右两幅图像
left_img = cv2.imread('left.png', 0)
right_img = cv2.imread('right.png', 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_img, right_img)

# 显示视差图
cv2.imshow('Disparity Map', disparity)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例代码中，使用了OpenCV库的StereoBM_create函数来创建BM算法对象。然后，通过compute函数计算左右两幅图像的视差图，并使用imshow函数显示视差图。

注意，这只是一个简单的示例代码，实际应用中可能需要根据具体情况进行参数调整和算法优化，以达到更好的视差图生成效果。