【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
加油吧zkf4 分钟前
YOLO目标检测数据集类别:分类与应用
人工智能·计算机视觉·目标跟踪
Blossom.11826 分钟前
机器学习在智能制造业中的应用:质量检测与设备故障预测
人工智能·深度学习·神经网络·机器学习·机器人·tensorflow·sklearn
天天扭码30 分钟前
AI时代,前端如何处理大模型返回的多模态数据?
前端·人工智能·面试
难受啊马飞2.039 分钟前
如何判断 AI 将优先自动化哪些任务?
运维·人工智能·ai·语言模型·程序员·大模型·大模型学习
顺丰同城前端技术团队41 分钟前
掌握未来:构建专属领域的大模型与私有知识库——从部署到微调的全面指南
人工智能·deepseek
许泽宇的技术分享44 分钟前
用.NET9+Blazor+Semantic Kernel,打造企业级AI知识库和智能体平台——AntSK深度解读
人工智能
烟锁池塘柳01 小时前
【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
人工智能·深度学习·机器学习
一尘之中1 小时前
全素山药开发指南:从防痒处理到高可用食谱架构
人工智能
加油吧zkf2 小时前
水下目标检测:突破与创新
人工智能·计算机视觉·目标跟踪
加油吧zkf2 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo