function [motionVectors] = motionEstimation(currentFrame, referenceFrame, blockSize, searchRange) [row, col] = size(currentFrame); mbSize = blockSize; vectors = zeros(2, row*col/mbSize^2); costs = ones(2*searchRange + 1, 2*searchRange + 1) * 65537; for i = 1:mbSize:row-mbSize+1 for j = 1:mbSize:col-mbSize+1 cost = 65537; xBest = 0; yBest = 0; currentBlock = currentFrame(i:i+mbSize-1, j:j+mbSize-1); for m = -searchRange:searchRange for n = -searchRange:searchRange if (i+m >= 1 && i+m+mbSize-1 <= row && j+n >= 1 && j+n+mbSize-1 <= col) referenceBlock = referenceFrame(i+m:i+m+mbSize-1, j+n:j+n+mbSize-1); tempCost = sum(sum(abs(currentBlock - referenceBlock))); if (tempCost < cost) cost = tempCost; xBest = m; yBest = n; end end end end vectors(:, (i-1)/mbSize*col/mbSize + j/mbSize + 1) = [yBest; xBest]; end end motionVectors = vectors; end

这是一个基于块匹配的运动估计MATLAB函数示例。函数接受当前帧`currentFrame`和参考帧`referenceFrame`作为输入，以及块大小`blockSize`和搜索范围`searchRange`。

函数首先初始化运动向量矩阵`vectors`和代价矩阵`costs`，然后使用两个嵌套的循环遍历当前帧中的每个块。对于每个块，它在参考帧中搜索最匹配的块，并计算它们之间的差异代价。最后，它选择代价最小的匹配块，并将其对应的运动向量存储在运动向量矩阵中。

请注意，这只是一个简单的示例，实际的运动估计算法可能需要更多的优化和改进。此外，该函数假设输入的当前帧和参考帧都是灰度图像，并且块大小必须能够整除图像的尺寸。如果需要处理彩色图像或者处理边界情况，请根据具体需求进行修改。