光流检测运动物体

最新推荐文章于 2026-04-23 09:32:45 发布

原创最新推荐文章于 2026-04-23 09:32:45 发布 · 1.3k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

光流检测

本文深入探讨了使用calcOpticalFlowFarneback方法进行光流稠密度检测以识别运动物体的概念。通过调整参数如金字塔层数、初始化金字塔层数、迭代次数和像素邻域大小，可以有效地计算前后两帧图像间的光流图像。

光流稠密度检测运动物体calcOpticalFlowFarneback（）方法的理解

prev：前一帧图像8位
next：当前帧图像8位
flow：计算出的光流图像
pyr_scale:金字塔层数，取经典参数0.5
levels：初始化金字塔层数
intertions:迭代次数
poly_n:像素邻域的大小
poly_sigma:高斯标准差

#include <iostream>
#include <opencv/cv.h>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/video/tracking.hpp>

using namespace std;
using namespace cv;
/*在经过calcOpticalFlowFarneback处理后，取当前帧与处理后图像对比，得出运动像素的位移和方向变化，并使用颜色画出来*/
void DrawOptFlowMap(const Mat& flowmap, Mat& cflowmap)
{//for循环内y+=5根据自己情况改变，效果不同。
    for (int y=0;y<cflowmap.rows;y+=1)
    {
        for (int x=0;x<cflowmap.cols;x+=1)
        {
            Point2f fxy = flowmap.at<Point2f>(y,x);
            line(cflowmap,Point(x,y),Point(cvRound(x+fxy.x),cvRound(y+fxy.y)),CV_RGB(0,255,0));
            circle(cflowmap,Point(x,y),0.5,CV_RGB(255,0,0),1,0);
        }

    }
}
int main()
{
    VideoCapture cap;
    cap.open("TestVideo.avi");

    if (!cap.isOpened())
    {
        cout<<"read video wrong";
    }

    Mat prevgray,gray,flow,cflow,frame;

    do 
    {
        cap>>frame;
        cvtColor(frame,gray,CV_BGR2GRAY);

        if (prevgray.data)
        {
            calcOpticalFlowFarneback(prevgray,gray,flow,0.5,3,15,3,5,1.2,0);
            cvtColor(prevgray, cflow, CV_GRAY2RGB);

            DrawOptFlowMap(flow,cflow);

            imshow("FLOW",cflow);
        }
        if (waitKey(100) >= 0)
        {
            break;
        }

        swap(prevgray, gray);//获取当前帧

    } while (1);

    return 0;
}

标签

#光流检测C++