前言
我们在学习完稀疏光流跟踪完后,我们再学习一下稠密光流对象跟踪,稠密光流算法(即图像上所有像素点的光流都计算出来),由于要计算图像上所有点的光流,故计算耗时,速度慢。一般来说我们在平时应用上可能会用到的比较少,在这里我们就简单讲解一下。
视频效果
看过稀疏光流的视频的人,再对比上面的视频可以看出来明显稠密光流跟踪的速度要慢不少,视频的播放都看出卡顿的感觉。
函数API
void cv::calcOpticalFlowFarneback( InputArray _prev0, InputArray _next0, OutputArray _flow0, double pyr_scale, int levels, int winsize, int iterations, int poly_n, double poly_sigma, int flags )
参数说明如下:
InputArray :输入前一帧图像
InputArray :输入后一帧图像
OutputArray :输出的光流
double:金字塔上下两层之间的尺度关系
int :金字塔层数
int:均值窗口大小,越大越能denoise并且能够检测快速移动目标,但会引起模糊运动区域
int:迭代次数
int:像素领域大小,一般为5,7等
double:高斯标注差,一般为1-1.5
int:计算方法。主要包括OPTFLOW_USE_INITIAL_FLOW和OPTFLOW_FARNEBACK_GAUSSIAN
代码实现
我们再新建一个项目名为opencv--video4,按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法
先在外层读取第一帧图像
读取图像并时行稠密光流计算,下图红框内就是用到了我们的API,明显可以看出来这里比稀疏光流要简单些,因为不用再先获取特征点进行对比了,下面的蓝色框就是我们绘制结果的函数
代码结尾
绘制结果的函数
这样整个就完成了,文章开头的视频就是我们运行起来的效果,下面是视频中的截图
-END-
Vaccae的往期经典
OpenCV
Android
《Android利用SurfaceView结合科大讯飞修改语音实别UI》
《Android关于语音识别的功能实现分析(一)---结构化思维》
《Android关于语音识别的功能实现分析(二)---语义解析》
.Net C#
数据库及其它
长按下方二维码关注微卡智享