OpenCV CUDA模块中用于稠密光流计算的 TV-L1（Dual TV-L1）算法类cv::cuda::OpticalFlowDual_TVL1

• 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

cv::cuda::OpticalFlowDual_TVL1类是基于变分优化方法的稠密光流算法实现（Dual TV-L1 光流模型），在 GPU 上加速运行。适用于精度要求较高、但对性能要求不极端的应用场景。

所属模块和头文件

• 模块：opencv_cudaoptflow
• 头文件：

 #include <opencv2/cudaoptflow.hpp>

功能概述

特性	描述
稠密光流计算	计算图像帧之间的像素级运动矢量（X 和 Y 分量）
GPU 加速	使用 CUDA 在 NVIDIA GPU 上进行加速
高精度	基于 TV-L1 变分优化模型，适用于需要高精度光流的场景
支持参数调节	支持多个超参数调整以平衡速度与质量

创建对象方法

Ptr<cv::cuda::OpticalFlowDual_TVL1> tvl1 = 
    cv::cuda::OpticalFlowDual_TVL1::create();

你也可以使用以下函数设置默认参数：

Ptr<cv::cuda::OpticalFlowDual_TVL1> tvl1 = 
    cv::cuda::OpticalFlowDual_TVL1::create(
        double tau = 0.25,
        double lambda = 0.15,
        double theta = 0.3,
        int nscales = 5,
        int warps = 5,
        double epsilon = 0.01,
        int iterations = 300,
        bool useInitialFlow = false
    );

主要成员函数

函数名	描述
calc(...)	计算两帧图像之间的光流
get/setTau()	获取/设置梯度下降步长 τ
get/setLambda()	获取/设置光流平滑约束系数 λ
get/setTheta()	获取/设置对偶变量更新权重 θ
get/setNumScales()	获取/设置金字塔层数
get/setWarpingsNumber()	获取/设置每层 warp 次数
get/setEpsilon()	获取/设置收敛阈值 ε
get/setIterations()	获取/设置每次 warp 的迭代次数
get/setUseInitialFlow()	是否使用初始 flow 输入（如前一帧结果）

calc() 函数原型

void calc(
    InputArray I0,              // 第一帧图像（灰度图）
    InputArray I1,              // 第二帧图像（灰度图）
    InputOutputArray flowX,     // 输出 X 分量
    InputOutputArray flowY,     // 输出 Y 分量
    Stream& stream = Stream::Null()
);

参数说明：

参数	类型	描述
I0, I1	InputArray	输入的两帧图像（必须为 CV_8UC1 灰度图）
flowX, flowY	InputOutputArray	输出的 X/Y 方向光流分量（CV_32FC1）
stream	Stream&	可选 CUDA 流，默认为 Stream::Null()

示例代码

#include <opencv2/opencv.hpp>
#include <opencv2/cudaoptflow.hpp>

using namespace cv;
using namespace cv::cuda;

// 自定义绘制函数
void drawOpticalFlow(const Mat& flow, Mat& dst, int step = 16);

int main() {
    // Step 1: 加载图像
    Mat frame1 = imread("/media/dingxin/data/study/OpenCV/sources/images/frame1.png", IMREAD_GRAYSCALE);
    Mat frame2 = imread("/media/dingxin/data/study/OpenCV/sources/images/frame2.png", IMREAD_GRAYSCALE);

   if (frame1.empty() || frame2.empty()) {
        std::cerr << "无法加载图像" << std::endl;
        return -1;
    }

    // Step 2: 上传到 GPU
    GpuMat d_frame1, d_frame2;
    d_frame1.upload(frame1);
    d_frame2.upload(frame2);

    // Step 3: 创建 Dual TVL1 光流对象
    Ptr<cuda::OpticalFlowDual_TVL1> tvl1 = cuda::OpticalFlowDual_TVL1::create();

    // Step 4: 设置参数（OpenCV 4.9 支持的参数）
    tvl1->setNumIterations(100);       // 总迭代次数
    tvl1->setLambda(0.15);             // 平滑项权重
    tvl1->setUseInitialFlow(false);    // 是否使用初始 flow

    // Step 5: 准备输出光流数据（注意：输出为 CV_32FC2 格式）
    GpuMat flow;  // 注意：不再是 flowX + flowY 分开

    // Step 6: 执行光流计算（注意参数顺序）
    tvl1->calc(d_frame1, d_frame2, flow, Stream::Null());

    // Step 7: 下载结果到 CPU
    Mat host_flow;
    flow.download(host_flow);

    // Step 8: 绘制光流矢量图
    Mat flowImg;
    drawOpticalFlow(host_flow, flowImg);

    imshow("frame1", frame1);
    imshow("frame2", frame2);

    imshow("CUDA Dual TV-L1 Flow", flowImg);
    waitKey(0);

    return 0;
}


// 自定义绘制函数
void drawOpticalFlow(const Mat& flow, Mat& dst, int step) {
    dst = Mat::zeros(flow.size(), CV_8UC3);

    for (int y = 0; y < flow.rows; y += step) {
        for (int x = 0; x < flow.cols; x += step) {
            Point2f f = flow.at<Point2f>(y, x);
            line(dst, Point(x, y), Point(cvRound(x + f.x * 5), cvRound(y + f.y * 5)),
                 Scalar(0, 255, 0));
            circle(dst, Point(cvRound(x + f.x * 5), cvRound(y + f.y * 5)), 1,
                   Scalar(0, 255, 0), -1);
        }
    }
}

运行结果