lk光流跟踪算法python实现

LK光流跟踪算法是一种经典的基于局部区域的光流估计算法，可以用于视频中目标的运动跟踪。下面是一个简单的Python实现示例：

import numpy as np
from scipy import signal

def compute_lk_optic_flow(img1, img2, window_size=3):
    # 计算图像的梯度
    Ix = signal.convolve2d(img1, np.array([[-1, 1], [-1, 1]]), mode='same')
    Iy = signal.convolve2d(img1, np.array([[-1, -1], [1, 1]]), mode='same')

    # 计算Ixx, Iyy, Ixy
    Ixx = signal.convolve2d(Ix * Ix, np.ones((window_size, window_size)), mode='same')
    Iyy = signal.convolve2d(Iy * Iy, np.ones((window_size, window_size)), mode='same')
    Ixy = signal.convolve2d(Ix * Iy, np.ones((window_size, window_size)), mode='same')

    # 计算每个像素的光流向量
    flow = np.zeros_like(img1)
    for i in range(window_size // 2, img1.shape[0] - window_size // 2):
        for j in range(window_size // 2, img1.shape[1] - window_size // 2):
            # 构建A, b矩阵
            A = np.array([[Ixx[i, j], Ixy[i, j]], [Ixy[i, j], Iyy[i, j]]])
            b = np.array([-Ix[i, j], -Iy[i, j]])

            # 求解光流向量
            v = np.linalg.solve(A, b)
            flow[i, j] = v[0] ** 2 + v[1] ** 2

    return flow

使用示例：

import cv2

# 读取两张图像
img1 = cv2.imread('img1.png', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('img2.png', cv2.IMREAD_GRAYSCALE)

# 计算光流向量
flow = compute_lk_optic_flow(img1, img2)

# 显示结果
cv2.imshow('Optic Flow', flow)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：这只是一个简单的示例，实际应用中，LK光流跟踪算法需要进行更多的优化和改进，以提高其准确性和鲁棒性。