运动估计——块匹配算法代码

块匹配算法是一种常用的运动估计算法，以下是一份简单的块匹配算法代码示例：

import numpy as np

def block_matching(prev_frame, curr_frame, block_size=16, search_range=16):
    """
    块匹配算法实现运动估计
    :param prev_frame: 上一帧图像
    :param curr_frame: 当前帧图像
    :param block_size: 块的大小
    :param search_range: 搜索范围
    :return: 运动矢量场
    """
    height, width = prev_frame.shape
    mv_field = np.zeros((height // block_size, width // block_size, 2))

    for i in range(0, height, block_size):
        for j in range(0, width, block_size):
            # 获取当前块
            curr_block = curr_frame[i:i+block_size, j:j+block_size]

            # 初始化最小误差和最小误差对应的运动矢量
            min_error = np.inf
            motion_vector = np.zeros(2)

            # 在搜索范围内寻找最相似的块
            for k in range(max(0, i-search_range), min(height-block_size, i+search_range)):
                for l in range(max(0, j-search_range), min(width-block_size, j+search_range)):
                    # 获取参考块
                    ref_block = prev_frame[k:k+block_size, l:l+block_size]

                    # 计算均方误差
                    error = np.sum(np.square(ref_block - curr_block))

                    # 更新最小误差和最小误差对应的运动矢量
                    if error < min_error:
                        min_error = error
                        motion_vector = np.array([k-i, l-j])

            # 记录运动矢量
            mv_field[i//block_size, j//block_size] = motion_vector

    return mv_field

在上面的代码中，我们首先将图像划分成大小为 `block_size` 的块，然后在以当前块为中心的一个搜索范围内寻找与之最相似的块，并计算它们的均方误差。最后，我们将最小误差对应的运动矢量作为当前块的运动矢量，记录在运动矢量场中。