【opencv】示例-dis_opticalflow.cpp 视频中光流的计算与可视化

该代码主要实现的功能是视频中光流的计算与可视化。首先使用OpenCV的VideoCapture对象打开视频文件，并每帧提取视频帧。接着，对连续两帧图像使用Dense Optical Flow ，这里使用了DIS (Dense Inverse Search)算法来计算它们之间的光流向量。计算得到的光流向量分解为x和y分量，并转换为极坐标表示的大小和角度。 这些信息通过归一化并映射到HSV色彩空间来对光流进行可视化，最终以颜色编码的方式显示出来。该过程包括了读取视频、处理每一帧并显示结果，直到遍历完所有帧或用户中断为止。

cpp 复制代码

#include "opencv2/core/utility.hpp" // 包含OpenCV核心功能支持的头文件
#include "opencv2/highgui.hpp"      // 包含OpenCV GUI 和图像/视频读写的头文件
#include "opencv2/imgproc.hpp"      // 包含OpenCV图像处理的头文件
#include "opencv2/videoio.hpp"      // 包含OpenCV视频读写的头文件
#include "opencv2/video.hpp"        // 包含OpenCV视频分析的头文件


using namespace std; // 使用标准命名空间
using namespace cv;  // 使用OpenCV命名空间


int main(int argc, char **argv)
{
    // 解析命令行参数
    CommandLineParser parser(argc, argv, "{ @video  | vtest.avi  | use video as input }"); 
    // 获取视频文件名，如果没找到，则保留输入的字符串
    string filename = samples::findFileOrKeep(parser.get<string>("@video")); 


    VideoCapture cap; // 创建视频捕获对象
    cap.open(filename); // 打开视频文件


    // 如果无法打开视频文件，则打印错误信息并退出
    if(!cap.isOpened())
    {
        printf("ERROR: Cannot open file %s\n", filename.c_str());
        parser.printMessage();
        return -1;
    }


    // 定义图像矩阵
    Mat prevgray, gray, rgb, frame;
    // 光流图像和分量
    Mat flow, flow_uv[2];
    // 光流的大小与角度
    Mat mag, ang;
    // HSV色彩空间分量
    Mat hsv_split[3], hsv;
    // 接收键盘输入
    char ret;


    // 创建稠密光流计算对象（中等预设）
    Ptr<DenseOpticalFlow> algorithm = DISOpticalFlow::create(DISOpticalFlow::PRESET_MEDIUM);


    // 无限循环，直到视频读取完成或用户终止
    while(true)
    {
        cap >> frame; // 从视频中读取一帧
        // 如果读取到的帧为空，则跳出循环
        if (frame.empty())
            break;


        // 将图像由BGR色彩空间转换为灰度空间
        cvtColor(frame, gray, COLOR_BGR2GRAY);


        // 如果prevgray不为空，则计算当前帧和前一帧之间的光流
        if (!prevgray.empty())
        {
            algorithm->calc(prevgray, gray, flow); // 计算光流
            split(flow, flow_uv); // 分离光流的两个分量
            multiply(flow_uv[1], -1, flow_uv[1]); // 翻转y分量
            cartToPolar(flow_uv[0], flow_uv[1], mag, ang, true); // 将笛卡尔坐标转换为极坐标
            // 归一化光流的大小  
            normalize(mag, mag, 0, 1, NORM_MINMAX);
            // 是否设定HSV色彩空间的H、S、V分量
            hsv_split[0] = ang; // 角度字段
            hsv_split[1] = mag; // 光流大小字段
            hsv_split[2] = Mat::ones(ang.size(), ang.type()); // 光流可视化的V分量设为全1矩阵
            merge(hsv_split, 3, hsv); // 融合HSV的分量得到完整的HSV图像
            cvtColor(hsv, rgb, COLOR_HSV2BGR); // 将HSV色彩空间转化为BGR色彩空间
            imshow("flow", rgb); // 显示光流图像
            imshow("orig", frame); // 显示原始图像
        }


        // 捕获键盘输入，如果用户按下任何键，终止循环
        if ((ret = (char)waitKey(20)) > 0)
            break;
        std::swap(prevgray, gray); // 更新前一帧的图像
    }


    // 正常结束程序，返回0
    return 0;
}

cpp 复制代码

std::swap(prevgray, gray);

shell 复制代码

algorithm->calc(prevgray, gray, flow);

css 复制代码

cartToPolar(flow_uv[0], flow_uv[1], mag, ang, true);

The End