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
羑悻的小杀马特2 小时前
OpenCV 引擎:驱动实时应用开发的科技狂飙
人工智能·科技·opencv·计算机视觉
蹦蹦跳跳真可爱5893 小时前
Python----计算机视觉处理(Opencv:道路检测之提取车道线)
python·opencv·计算机视觉
想跑步的小弱鸡5 小时前
Leetcode hot 100(day 3)
算法·leetcode·职场和发展
xyliiiiiL6 小时前
ZGC初步了解
java·jvm·算法
爱的叹息7 小时前
RedisTemplate 的 6 个可配置序列化器属性对比
算法·哈希算法
独好紫罗兰7 小时前
洛谷题单2-P5713 【深基3.例5】洛谷团队系统-python-流程图重构
开发语言·python·算法
每次的天空8 小时前
Android学习总结之算法篇四(字符串)
android·学习·算法
请来次降维打击!!!8 小时前
优选算法系列(5.位运算)
java·前端·c++·算法
qystca9 小时前
蓝桥云客 刷题统计
算法·模拟
别NULL9 小时前
机试题——统计最少媒体包发送源个数
c++·算法·媒体