【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
sali-tec1 小时前
C# 基于OpenCv的视觉工作流-章108-区域筛选
图像处理·人工智能·opencv·算法·计算机视觉
老金带你玩AI1 小时前
豆包工作新的3个更新,太夯了!
人工智能
Gigavision6 小时前
基于BUAA-MIHR数据集的噪声解耦对比学习算法
人工智能·python·深度学习·算法
红海云7 小时前
Kimi 双端接入 CloudBase 的工程价值
人工智能·语言模型
计算机编程-吉哥7 小时前
YOLO26 vs YOLO11 vs YOLOv8:深度学习咖啡果实成熟度分割系统【计算机毕业设计选题推荐】
人工智能·python·深度学习·yolo·django·毕业设计
冬奇Lab8 小时前
一年前没启动 AI 提效的团队,今年在付什么钱?
人工智能
NeoGressAI外贸数字化8 小时前
IOR新规9月18日生效:Form 5106六项资料自查清单
人工智能
根目录下的猫9 小时前
RK3588适配的轻量级AI模型推荐
人工智能·后端·python·目标检测
weixin_6689 小时前
Cursor 插件使用说明:Linear 与 Figma
人工智能·cursor
wshzd10 小时前
LLM之Agent(六十八)|PI(七)构建测试与开发流程
人工智能