【opencv】示例-phase_corr.cpp 捕获视频流并通过计算相位相关性来检测画面中的移动...

cpp 复制代码
// 包含OpenCV库的头文件
#include "opencv2/core.hpp" // 包含OpenCV核心功能
#include "opencv2/videoio.hpp" // 包含视频IO功能
#include "opencv2/highgui.hpp" // 包含高级GUI功能,显示图像
#include "opencv2/imgproc.hpp" // 包含图像处理功能


using namespace cv; // 使用OpenCV命名空间,方便调用OpenCV函数


int main(int, char* [])
{
    VideoCapture video(0); // 创建VideoCapture对象,用于捕获编号为0的摄像头视频
    
    // 定义一些Mat类型的变量用于存放处理的帧
    Mat frame, curr, prev, curr64f, prev64f, hann;
    char key; // 用于接收用户按键


    // 主循环
    do
    {
        video >> frame; // 从视频流中读取一帧保存到frame变量中
        cvtColor(frame, curr, COLOR_RGB2GRAY); // 将捕获的彩色帧转换为灰度图


        // 如果prev为空,说明是第一帧,需要进行初始化
        if(prev.empty())
        {
            prev = curr.clone(); // 将当前帧存储到prev中,用于下次迭代
            createHanningWindow(hann, curr.size(), CV_64F); // 创建汉宁窗,用于相位相关函数
        }


        // 将prev和curr的数据类型转换为CV_64F,用于相位相关函数
        prev.convertTo(prev64f, CV_64F);
        curr.convertTo(curr64f, CV_64F);


        // 计算prev和curr之间的相位偏移
        Point2d shift = phaseCorrelate(prev64f, curr64f, hann);
        double radius = std::sqrt(shift.x*shift.x + shift.y*shift.y); // 计算偏移的幅度


        // 如果偏移幅度大于5,绘制一个圆和线来表示偏移方向
        if(radius > 5)
        {
            Point center(curr.cols >> 1, curr.rows >> 1); // 计算帧的中心点
            // 在当前帧上绘制圆和线
            circle(frame, center, (int)radius, Scalar(0, 255, 0), 3, LINE_AA);
            line(frame, center, Point(center.x + (int)shift.x, center.y + (int)shift.y), Scalar(0, 255, 0), 3, LINE_AA);
        }


        imshow("phase shift", frame); // 显示经过相位相关偏移标示的图像
        key = (char)waitKey(2); // 等待2ms,如果有按键则获取到key变量


        prev = curr.clone(); // 更新prev帧为当前帧
    } while(key != 27); // 如果按键不是Esc键继续循环,Esc键ASCII码为27,用于退出循环


    return 0; // 程序结束,返回0
}
css 复制代码
createHanningWindow(hann, curr.size(), CV_64F);
bash 复制代码
Point2d shift = phaseCorrelate(prev64f, curr64f, hann)
相关推荐
minge000128 分钟前
【世界杯中的AI】(2026-07-05)当足球遇见AI:7月5日世界杯的“人机共舞”与冷门之夜
人工智能·科技·世界杯
IT_陈寒1 小时前
闭包陷阱让我加了两天班,JavaScript你真行
前端·人工智能·后端
wumingxiaoyao1 小时前
从 0 开始学 AI:第 2 课,AI、机器学习、深度学习和大模型是什么关系?
人工智能·深度学习·机器学习·ai·大模型·llm
2601_962683891 小时前
治理遗留系统中的“生肉 SQL”:一次用多模型协作优化慢查询的实战复盘
数据库·人工智能·sql
踩着两条虫1 小时前
可视化 vs 终端 vs 云端:VTJ.PRO、Claude Code、Codex 三强横评
前端·vue.js·人工智能·低代码·架构
字节跳动视频云技术团队1 小时前
Agentic 范式下的视频画质优化:火山引擎的新路径
人工智能·音视频开发
欢子2 小时前
Android 端接入AI
人工智能
酱学编程2 小时前
【从零到一实现一个 AI Agent 框架 · 第四篇】04. 任务规划:拆解复杂目标 -
服务器·网络·数据库·人工智能
手写码匠2 小时前
手写 AI 上下文压缩系统:从零实现 Prompt 压缩与选择性上下文管理
人工智能·深度学习·算法·aigc
机器之心2 小时前
世界模型评测的最大盲区,被这个新基准捅破了
人工智能·openai