光流算法python

光流算法是计算机视觉中常用的一种方法，用于估计图像序列中物体的运动。在 Python 中，你可以使用 OpenCV 库来实现光流算法。

下面是一个简单的示例代码，展示了如何使用 OpenCV 中的光流算法：

import cv2

# 读取视频文件
cap = cv2.VideoCapture('input_video.mp4')

# 创建一个 Lucas-Kanade 光流算法的对象
lk_params = dict(winSize=(15, 15), maxLevel=2, criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))

# 读取第一帧并进行灰度转换
ret, prev_frame = cap.read()
prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)

# 定义光流跟踪的初始位置
prev_pts = cv2.goodFeaturesToTrack(prev_gray, maxCorners=100, qualityLevel=0.3, minDistance=7)

# 创建一个空画布，用于绘制光流跟踪的轨迹
mask = np.zeros_like(prev_frame)

while True:
    # 读取当前帧并进行灰度转换
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算光流
    next_pts, status, _ = cv2.calcOpticalFlowPyrLK(prev_gray, gray, prev_pts, None, **lk_params)

    # 选择好的光流点
    good_new = next_pts[status == 1]
    good_prev = prev_pts[status == 1]

    # 绘制光流轨迹
    for i, (new, prev) in enumerate(zip(good_new, good_prev)):
        a, b = new.ravel()
        c, d = prev.ravel()
        mask = cv2.line(mask, (a, b), (c, d), (0, 255, 0), 2)
        frame = cv2.circle(frame, (a, b), 5, (0, 255, 0), -1)
    
    # 将光流轨迹叠加到当前帧上
    output = cv2.add(frame, mask)

    # 显示结果
    cv2.imshow('Optical Flow', output)
    
    # 更新先前帧和特征点
    prev_gray = gray.copy()
    prev_pts = good_new.reshape(-1, 1, 2)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 清理资源
cap.release()
cv2.destroyAllWindows()

你需要将上述代码中的 'input_video.mp4' 替换为你想要处理的视频文件的路径。这段代码会读取视频文件，将每一帧转换为灰度图像，并计算光流轨迹，最后将光流轨迹绘制在帧上进行显示。

请注意，上述代码中使用了 Lucas-Kanade 光流算法，你可以根据自己的需求选择其他光流算法或参数。此外，确保你已经安装了 OpenCV 库，可以使用以下命令进行安装：

pip install opencv-python

希望对你有所帮助！如有更多问题，请随时提问。