OpenCV 位移测量

OpenCV（Open Source Computer Vision Library）是一个广泛使用的计算机视觉库，它提供了一系列强大的工具和算法用于图像处理、计算机视觉和机器学习。其中，位移测量（也称为运动估计或光流估计）是OpenCV中的一个重要功能，用于计算视频序列中物体或场景之间的空间位移。

在OpenCV中，位移测量通常通过光流技术来实现。光流是指从一帧到下一帧的像素变化，它可以反映出目标物体的运动轨迹。OpenCV提供了几种方法来计算光流，包括：

1. Horn-Schunck法：这是早期的一种经典方法，使用优化算法寻找最小化数据残差的光流解。
2. Lucas-Kanade法：基于局部平滑性和亮度一致性假设，使用迭代优化方法求解光流。
3. EpicFlow：这是一种基于特征匹配和稠密对应的方法，能处理更复杂的场景。
4. TV-L1算法：使用稀疏光流模型结合Total Variation能量函数，减少计算复杂度并提高抗噪声性能。

为了进行位移测量，你需要准备两个连续的视频帧或者图像，并使用OpenCV的`calcOpticalFlowPyrLK()`或`goodFeaturesToTrack()`等函数。这些函数可以帮助找到关键点，然后应用光流算法来估计它们在下一帧的位置变化。