- 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::optflow::DenseRLOFOpticalFlow 是OpenCV 中用于稠密光流估计的一个类，属于optflow模块。它是RLOF（Regularized Location-Only Flow）算法的一种实现，用于计算视频帧之间的像素级运动矢量。
DenseRLOFOpticalFlow 是一种基于稀疏特征匹配 + 插值的稠密光流算法，其主要特点包括：
- 基于稀疏特征点（如 FAST、ORB）进行初始匹配；
- 使用正则化插值方法将稀疏匹配扩展为全图像素级别的光流场（稠密光流）；
- 可以处理大位移运动（相比传统 LK 光流更鲁棒）；
- 支持自定义特征检测器和描述子；
- 适用于视频稳定、动作分析、视频插值等任务。
常用静态方法
1.创建函数
cpp
static Ptr<DenseRLOFOpticalFlow> cv::optflow::DenseRLOFOpticalFlow::create
(
Ptr< RLOFOpticalFlowParameter > rlofParam = Ptr< RLOFOpticalFlowParameter >(),
float forwardBackwardThreshold = 1.f,
Size gridStep = Size(6, 6),
InterpolationType interp_type = InterpolationType::INTERP_EPIC,
int epicK = 128,
float epicSigma = 0.05f,
float epicLambda = 999.0f,
int ricSPSize = 15,
int ricSLICType = 100,
bool use_post_proc = true,
float fgsLambda = 500.0f,
float fgsSigma = 1.5f,
bool use_variational_refinement = false
) 参数：
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| rlofParam | Ptr | nullptr | 可选：自定义参数对象。如果传入，则其他参数将被忽略。 |
| forwardBackwardThreshold | float | 1.0f | 正向/反向一致性检查的阈值。用于剔除不一致的匹配点。值越大越宽松。 |
| gridStep | Size | (6, 6) | 稠密插值时使用的网格步长。值越小，插值越密集，计算量越大。 |
| interp_type | InterpolationType | InterpolationType::INTERP_EPIC | 插值类型，可选：INTERP_LINEAR, INTERP_EPIC, INTERP_RIC |
| epicK | int | 128 | EPIC 插值中使用的邻域大小。控制局部特征的范围。 |
| epicSigma | float | 0.05f | EPIC 中高斯核的标准差，影响平滑程度。 |
| epicLambda | float | 999.0f | EPIC 中正则化系数，防止过拟合。值越大越平滑。 |
| ricSPSize | int | 15 | RIC 插值中的超像素大小。仅在使用 INTERP_RIC 时有效。 |
| ricSLICType | int | 100 | SLIC 超像素分割类型。仅在使用 INTERP_RIC 时有效。 |
| use_post_proc | bool | true | 是否启用后处理步骤（如去噪、平滑）。 |
| fgsLambda | float | 500.0f | FGS 后处理中的正则化系数。控制平滑强度。 |
| fgsSigma | float | 1.5f | FGS 后处理中的高斯核标准差。 |
| use_variational_refinement | bool | false | 是否使用变分优化进一步提升精度（会显著增加计算时间）。 |
- calc(InputArray I0, InputArray I1, OutputArray flow) 计算从 I0 到 I1 的光流
- setFeatureDetector(Ptr detector) 设置自定义特征检测器
- setFeaturesToTrack(int numFeatures) 设置每帧中最多使用的特征点数
代码示例
cpp
#include <opencv2/opencv.hpp>
#include <opencv2/optflow/rlofflow.hpp>
using namespace cv;
using namespace std;
// 将光流向量转换为 HSV 图像以便可视化
Mat visualizeFlow( const Mat& flow )
{
vector< Mat > planes; // ✅ 正确声明 planes 为 vector<Mat>
split( flow, planes ); // 自动拆分为两个通道：x-flow 和 y-flow
Mat mag, angle;
cartToPolar( planes[ 0 ], planes[ 1 ], mag, angle, true ); // 计算幅度和角度
normalize( mag, mag, 0, 1, NORM_MINMAX ); // 归一化到 [0, 1]
// HSV 颜色空间可视化
Mat hsv[ 3 ];
hsv[ 0 ] = angle; // Hue = 方向
hsv[ 1 ] = Mat::ones( angle.size(), CV_32F ); // Saturation = 1
hsv[ 2 ] = mag; // Value = 幅度
Mat hsvFull;
merge( hsv, 3, hsvFull ); // 合并三个通道
hsvFull.convertTo( hsvFull, CV_8U, 255.0 ); // 转换为 8U 类型用于显示
Mat rgbOut;
cvtColor( hsvFull, rgbOut, COLOR_HSV2BGR ); // 转换为 BGR 显示图像
return rgbOut;
}
int main()
{
// 读取两帧图像（灰度图）
Mat frame1 = imread( "/media/dingxin/data/study/OpenCV/sources/images/left01.jpg", IMREAD_COLOR );
Mat frame2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/right01.jpg", IMREAD_COLOR );
if ( frame1.empty() || frame2.empty() )
{
cerr << "无法加载图像！" << endl;
return -1;
}
// 创建 DenseRLOF 实例并设置高级参数
Ptr< optflow::DenseRLOFOpticalFlow > rlof = optflow::DenseRLOFOpticalFlow::create( nullptr, // 使用默认参数对象
1.0f, // forwardBackwardThreshold
Size( 8, 8 ), // gridStep
optflow::INTERP_EPIC, // interp_type
128, // epicK
0.05f, // epicSigma
1000.0f, // epicLambda
15, // ricSPSize
100, // ricSLICType
true, // use_post_proc
500.0f, // fgsLambda
1.5f, // fgsSigma
false // use_variational_refinement
);
// 计算稠密光流
Mat flow;
rlof->calc( frame1, frame2, flow );
// 可视化结果
Mat flowImage = visualizeFlow( flow );
imshow( "Frame 1", frame1 );
imshow( "Frame 2", frame2 );
imshow( "Dense RLOF Optical Flow", flowImage );
waitKey( 0 );
return 0;
}运行结果
