Motion Feature Map

以下是对Motion Charge (MC)矩阵取反的Python代码，以突出运动特征并生成一个Motion Feature Map：

```python
import cv2
import numpy as np

# 读取视频
cap = cv2.VideoCapture('video.mp4')

# 读取第一帧
ret, frame1 = cap.read()

# 初始化MC矩阵
mc = np.zeros_like(frame1)

while True:
    # 读取下一帧
    ret, frame2 = cap.read()
    
    # 判断是否读取到视频末尾
    if not ret:
        break
    
    # 计算帧间差分
    diff = cv2.absdiff(frame1, frame2)
    
    # 将差分结果二值化
    thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)[1]
    
    # 计算MC矩阵
    mc = mc + thresh
    
    # 更新上一帧
    frame1 = frame2

# 对MC矩阵取反
mc = 255 - mc

# 生成Motion Feature Map
mf = cv2.applyColorMap(mc, cv2.COLORMAP_HOT)

# 释放视频对象
cap.release()

# 显示Motion Feature Map
cv2.imshow('Motion Feature Map', mf)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

这个代码与前面的代码基本相同，不同的地方在于，对MC矩阵取反，然后使用`cv2.applyColorMap()`函数将MC矩阵转换为彩色图像，最终生成一个Motion Feature Map。该特征图中，白色表示静止的区域，而其他颜色表示在视频中运动的区域，颜色越深表示该像素在整个视频中的运动越频繁。