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