KLT光流法

基础知识：图像梯度和相关算子

最近在复习光流相关知识，从基础的LK 到 KLT光流，都需要求解图像的梯度问题，仔细查了一下CV中图像求解梯度是用的三个几点算子，详细的介绍参考以下这篇文章：

https://www.it610.com/article/1292155635277832192.htm

文章写的比较详细，但是我怀疑他在解释用soble算子求解垂直方向梯度时，卷积核没有旋转。

可以从如下文章得到验证：CV学习笔记（十三）：图像梯度 - 知乎 (zhihu.com)

在原始图像上叠加这些卷积算子，即可完成 图像的一阶导数或者二阶导数的求导。

关于亮度的定义

另外图像的亮度就可以理解为图像在某个像素点处的像素值。亮度的概念在光流中用的比较多，因为光流的两个假设中，第一个就是 某点移动前后两点的亮度相同。然后利用这个关系式，得到光流的矩阵形式的解。然后外加上矩阵可逆的条件，因此需要寻找角点，保证有较大的特征值。然后引入金字塔的目的是为了解决移动较大的问题。

http://cecas.clemson.edu/~stb/klt/index.html

这个网页给出了KLT的早期实现（2007），然后对各个主要函数进行了介绍。解读其主要的函数，可以得到大概的算法步骤