opencv 光流法 源码解读

OpenCV中的光流法主要是通过计算相邻两帧图像中像素点的运动来实现。具体实现过程如下：

1. 首先，我们需要读取两帧图像，并将它们转换为灰度图像。

2. 接着，我们可以使用cv::calcOpticalFlowPyrLK函数计算相邻两帧图像中的光流向量。该函数的参数包括前一帧图像、后一帧图像、前一帧图像中的特征点、后一帧图像中的特征点以及一些其他参数。

3. 计算出光流向量后，我们可以将其可视化，以便更好地理解运动情况。

下面是一个简单的示例代码：

import cv2 as cv
import numpy as np

# 读取两帧图像
frame1 = cv.imread('frame1.jpg')
frame2 = cv.imread('frame2.jpg')

# 将图像转换为灰度图像
gray1 = cv.cvtColor(frame1, cv.COLOR_BGR2GRAY)
gray2 = cv.cvtColor(frame2, cv.COLOR_BGR2GRAY)

# 设置参数
lk_params = dict(winSize=(15, 15),
                 maxLevel=2,
                 criteria=(cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT, 10, 0.03))

# 计算光流向量
p0 = cv.goodFeaturesToTrack(gray1, mask=None, **feature_params)
p1, st, err = cv.calcOpticalFlowPyrLK(gray1, gray2, p0, None, **lk_params)

# 可视化光流向量
mask = np.zeros_like(frame1)
for i, (new, old) in enumerate(zip(p1, p0)):
    a, b = new.ravel()
    c, d = old.ravel()
    mask = cv.line(mask, (a, b), (c, d), (0, 255, 0), 2)
    frame2 = cv.circle(frame2, (a, b), 5, (0, 0, 255), -1)
img = cv.add(frame2, mask)

# 显示结果
cv.imshow('frame', img)
cv.waitKey(0)
cv.destroyAllWindows()