OpenCV视觉分析之目标跟踪(3)实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算的类SparsePyrLKOpticalFlow的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

用于计算稀疏光流的类。

该类可以使用带有金字塔的迭代 Lucas-Kanade 方法来计算稀疏特征集的光流

cv::SparsePyrLKOpticalFlow 类是 OpenCV 库中的一个类,用于实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算。这个类特别适合用来跟踪图像序列中的特征点,比如在视频中跟踪物体的关键点。

主要特点

  • 稀疏光流:只计算选定特征点的运动。
  • 金字塔结构:通过多尺度金字塔来提高跟踪的鲁棒性和准确性。
  • Lucas-Kanade 算法:使用 Lucas-Kanade 方法来计算特征点的位移。

成员函数

  • 构造函数:创建 cv::SparsePyrLKOpticalFlow 对象。
  • setMaxLevel(int maxLevel):设置金字塔的最大层数。
  • setWinSize(cv::Size winSize):设置用于计算光流的窗口大小。
  • calc(const cv::Mat &prevImg, const cv::Mat &nextImg, const cv::InputArray &prevPts, cv::OutputArray &nextPts, cv::OutputArray &status, cv::OutputArray &err):计算光流并返回新的特征点位置以及状态和误差。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载两个图像帧
    cv::Mat prevImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );
    cv::Mat nextImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );

    if ( !prevImg.data || !nextImg.data )
    {
        std::cout << "Error loading images" << std::endl;
        return -1;
    }

    // 检测特征点
    std::vector< cv::Point2f > prevPts;
    std::vector< cv::Point2f > nextPts;
    std::vector< uchar > status;
    std::vector< float > err;

    // 检测特征点(例如使用 Shi-Tomasi 角点检测)
    std::vector< cv::Point2f > corners;
    cv::goodFeaturesToTrack( prevImg, corners, 100, 0.01, 10, cv::Mat() );

    // 创建 SparsePyrLKOpticalFlow 对象
    cv::Ptr< cv::SparsePyrLKOpticalFlow > lk = cv::SparsePyrLKOpticalFlow::create();

    // 设置参数
    lk->setMaxLevel( 2 );
    lk->setWinSize( cv::Size( 15, 15 ) );

    // 计算光流
    lk->calc( prevImg, nextImg, corners, nextPts, status, err );

    // 可视化结果
    cv::Mat outImg = cv::Mat::zeros( prevImg.size(), CV_8UC3 );
    for ( size_t i = 0; i < corners.size(); i++ )
    {
        if ( status[ i ] )
        {
            cv::circle( outImg, corners[ i ], 5, cv::Scalar( 0, 255, 0 ), -1 );
            cv::line( outImg, corners[ i ], nextPts[ i ], cv::Scalar( 0, 0, 255 ), 2 );
        }
    }

    // 显示结果
    cv::imshow( "Sparse Optical Flow", outImg );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
Vacant Seat32 分钟前
贪心算法-跳跃游戏II
算法·游戏·贪心算法
夜松云41 分钟前
从对数变换到深度框架:逻辑回归与交叉熵的数学原理及PyTorch实战
pytorch·算法·逻辑回归·梯度下降·交叉熵·对数变换·sigmoid函数
八股文领域大手子1 小时前
深入浅出限流算法(三):追求极致精确的滑动日志
开发语言·数据结构·算法·leetcode·mybatis·哈希算法
啊阿狸不会拉杆1 小时前
人工智能数学基础(一):人工智能与数学
人工智能·python·算法
一捌年1 小时前
java排序算法-计数排序
数据结构·算法·排序算法
freexyn2 小时前
Matlab自学笔记五十二:变量名称:检查变量名称是否存在或是否与关键字冲突
人工智能·笔记·算法·matlab
渭雨轻尘_学习计算机ing2 小时前
二叉树构建算法全解析
算法·程序员
C语言魔术师3 小时前
70. 爬楼梯
算法·动态规划
跳跳糖炒酸奶4 小时前
第二章、Isaaclab强化学习包装器(1)
人工智能·python·算法·ubuntu·机器人
许_安4 小时前
leetcode刷题日记——两数相加
算法·leetcode·职场和发展