OpenCV光流跟踪程序学习

最新推荐文章于 2024-08-14 19:43:34 发布

Dream_yz

最新推荐文章于 2024-08-14 19:43:34 发布

阅读量3k

点赞数

分类专栏： OpenCV相关学习 Opencv相关总结文章标签： opencv

本文链接：https://blog.csdn.net/yzhang6_10/article/details/51221916

版权

OpenCV相关学习同时被 2 个专栏收录

19 篇文章 0 订阅

订阅专栏

Opencv相关总结

19 篇文章 1 订阅

订阅专栏

TermCriteria类

TermCriteria类主要用于控制迭代算法的终止条件，它取代了之前版本中的CvTermCriteria类，该类中的信息具体如下：

class CV_EXPORTS TermCriteria
{
public:
    enum Type           // 类型的枚举
    {
        COUNT=1,        // 按照最大迭代次数和元素达到最大值作为控制终止条件
        MAX_ITER=COUNT, // 按照最大迭代次数和元素达到最大值作为控制终止条件 
        EPS=2           // 按照达到某个收敛的阈值作为终止条件
    };

    // 构造函数
    TermCriteria();
    TermCriteria(int type, int maxCount, double epsilon);

    int type;         // 类型，主要包括最大迭代次数，收敛到某个阈值，最大迭代次数且收敛到某个阈值
    int maxCount;     // 迭代的最大次数
    double epsilon;   // 迭代终止的阈值
};

cornerSubPix()函数

功能：用于在角点检测中精确化角点位置。

void cv::cornerSubPix( InputArray _image, InputOutputArray _corners,
                       Size winSize, Size zeroZone,
                       TermCriteria criteria )
// 参数说明如下：
// _image：输入图像
// _corners：输入角点的初始坐标，并作为角点精准化的输出
// winSize：搜索窗口变长的一般，若为winSize = Size(5, 5),此时为11 * 11的搜索窗口
// zeroZone：搜索区域中间的dead region变长的一般，用于避免自相关矩阵的奇异性。为(-1, -1)表示没有这个区域
// criteria：为角点精准化跌打终止条件

calcOpticalFlowPyrLK()函数

功能：用于计算一个系数特征集的光流，使用金字塔中的迭代Lucas-Kanade方法。

void cv::calcOpticalFlowPyrLK( InputArray _prevImg, InputArray _prevImg,
                           InputArray _prevPts, InputOutputArray _nextPts,
                           OutputArray _status, OutputArray _err,
                           Size winSize, int maxLevel,
                           TermCriteria criteria,
                           int flags, double minEigThreshold )
// 参数说明如下：
// _prevImg：深度为8位的前一帧图像或金字塔图像
// _prevImg：深度为8为的后一帧图像或金字塔图像
// _prevPts：前一帧图像中的特征点
// _nextPts：特征点在后一帧中的位置，并通过计算更新对应的位置，用于输出
// _status：输出状态矢量，如果相应的特征的流被发现，则为此值置为1，否则置为0
// _err：输出误差矢量
// winSize：每个金字塔层搜索窗大小
// maxLevel：金字塔层的最大数目。为0表示不使用金字塔（单层）
// criteria：搜索算法迭代终止条件
// flags：用于标志调用前，前一帧，后一帧等的金字塔是否已经准备好
// minEigThreshold：算法计算的光流等式的2*2常规矩阵的最小特征值

goodFeaturesToTrack()函数

功能：在图像中寻找具有最大特征值的角点。

void cv::goodFeaturesToTrack( InputArray _image, OutputArray _corners,
                              int maxCorners, double qualityLevel, double minDistance,
                              InputArray _mask, int blockSize,
                              bool useHarrisDetector, double harrisK )
// 参数说明如下：
// _image：输入图像，8位或浮点32位，单通道
// _corners：输出的特征点，每一个元素就是一个特征点的位置
// maxCorners：规定的特征点最大数目
// qualityLevel：最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子
// minDistance：限制因子。特征点与点之间的最小距离
// _mask：ROI感兴趣区域。为NULL时选择整个图像
// blockSize：计算导数的自相关矩阵时指定点的领域，采用小窗口计算的结果比单点计算的结果好
// useHarrisDetector：标志位。非0则使用Harris角点，为0使用Shi-Tomasi定义
// harrisK：用于设置Hessian自相关矩阵

参考文献：

http://blog.csdn.net/holybin/article/details/41122493

http://blog.csdn.net/u010684134/article/details/49185535