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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值