Lucas-Kanade 算法 python 代码实现

当然！下面是一个简单的 Lucas-Kanade 算法的 Python 代码实现示例：

import numpy as np

def lucas_kanade(image1, image2, window_size=3):
    # 转换为灰度图像
    if len(image1.shape) > 2:
        image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
    if len(image2.shape) > 2:
        image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
    
    # 设置窗口大小和步长
    window_half = window_size // 2
    step = 1
    
    # 计算图像梯度
    gradient_x = cv2.Sobel(image1, cv2.CV_64F, 1, 0, ksize=3)
    gradient_y = cv2.Sobel(image1, cv2.CV_64F, 0, 1, ksize=3)
    
    rows, cols = image1.shape
    u = np.zeros((rows, cols))
    v = np.zeros((rows, cols))
    
    for i in range(window_half, rows - window_half, step):
        for j in range(window_half, cols - window_half, step):
            # 提取窗口内的图像
            window1 = image1[i-window_half:i+window_half+1, j-window_half:j+window_half+1]
            
            # 计算窗口在第二幅图像中的位置
            x = j + int(u[i, j])
            y = i + int(v[i, j])
            
            # 如果窗口越界，则跳过
            if x < window_half or x >= cols - window_half or y < window_half or y >= rows - window_half:
                continue
            
            # 提取窗口内的图像
            window2 = image2[y-window_half:y+window_half+1, x-window_half:x+window_half+1]
            
            # 计算窗口内的光流
            error = window1 - window2
            gradient = np.array([gradient_x[i-window_half:i+window_half+1, j-window_half:j+window_half+1].flatten(),
                                 gradient_y[i-window_half:i+window_half+1, j-window_half:j+window_half+1].flatten()]).T
            steepest_descent = gradient.T.dot(gradient)
            delta_p = np.linalg.inv(steepest_descent).dot(gradient.T).dot(error.flatten())
            
            # 更新光流
            u[i, j] += delta_p[0]
            v[i, j] += delta_p[1]
    
    return u, v

这只是一个简单的示例，实际上，Lucas-Kanade 算法还有很多改进和优化的方法。这段代码实现了基本的光流计算，但请注意，你需要安装并导入适当的库（如 Numpy 和 OpenCV）来运行此代码。希望对你有所帮助！