【opencv】示例-fback.cpp 使用OpenCV库来实现密集光流算法

// 引入OpenCV库中有关视频跟踪的头文件
#include "opencv2/video/tracking.hpp"
// 引入OpenCV库中有关图像处理的头文件
#include "opencv2/imgproc.hpp"
// 引入OpenCV库中有关视频输入的头文件
#include "opencv2/videoio.hpp"
// 引入OpenCV库中有关高级GUI功能的头文件
#include "opencv2/highgui.hpp"


// 引入标准输入输出流库，用于控制台输入输出
#include <iostream>


// 使用命名空间cv，避免每次调用OpenCV库时都需加cv::前缀
using namespace cv;
// 同样使用命名空间std，省略std::前缀
using namespace std;


// 声明帮助函数
static void help(char** argv)
{
    // 输出说明信息，在控制台显示程序功能和使用方法
    cout <<
            "\nThis program demonstrates dense optical flow algorithm by Gunnar Farneback\n"
            "Mainly the function: calcOpticalFlowFarneback()\n"
            // 说明如何调用程序
            "Call:\n"
        <<  argv[0]
        // 默认使用摄像头0作为视频输入源
        <<  "This reads from video camera 0\n" << endl;
}


// 定义绘制光流图的函数
static void drawOptFlowMap(const Mat& flow, Mat& cflowmap, int step,
                    double, const Scalar& color)
{
    // 遍历图像的每个step间隔的像素点
    for(int y = 0; y < cflowmap.rows; y += step)
        for(int x = 0; x < cflowmap.cols; x += step)
        {
            // 获取光流计算结果中的点
            const Point2f& fxy = flow.at<Point2f>(y, x);
            // 在当前点和光流指向的位置之间绘制线段
            line(cflowmap, Point(x,y), Point(cvRound(x+fxy.x), cvRound(y+fxy.y)),
                 color);
            // 在当前的点上绘制一个圆，表示光流的起点
            circle(cflowmap, Point(x,y), 2, color, -1);
        }
}


// 程序入口点
int main(int argc, char** argv)
{
    // 命令行参数解析器，解析是否有帮助命令
    cv::CommandLineParser parser(argc, argv, "{help h||}");
    if (parser.has("help"))
    {
        // 如果存在帮助命令，调用help函数并退出程序
        help(argv);
        return 0;
    }
    // 创建视频采集对象，默认从摄像头0开始获取视频数据
    VideoCapture cap(0);
    // 再次调用help函数
    help(argv);
    // 检查视频采集对象是否创建成功
    if( !cap.isOpened() )
        return -1;


    // 声明Mat类型的流对象，用于存储光流信息和结果
    Mat flow, cflow, frame;
    // 声明UMat类型对象，利于OpenCV GPU加速
    UMat gray, prevgray, uflow;
    // 创建一个新的窗口以显示结果
    namedWindow("flow", 1);


    for(;;) // 无限循环，除非手动终止
    {
        // 从VideoCapture对象读取一帧图像
        cap >> frame;
        // 将RGB图像转为灰度图像
        cvtColor(frame, gray, COLOR_BGR2GRAY);


        if( !prevgray.empty() ) // 检查是否是视频的第一帧
        {
            // 计算光流
            calcOpticalFlowFarneback(prevgray, gray, uflow, 0.5, 3, 15, 3, 5, 1.2, 0);
            // 将前一帧的灰度图像转为彩色图像
            cvtColor(prevgray, cflow, COLOR_GRAY2BGR);
            // 将光流结果从uflow复制到flow
            uflow.copyTo(flow);
            // 绘制光流图
            drawOptFlowMap(flow, cflow, 16, 1.5, Scalar(0, 255, 0));
            // 在窗口中显示结果
            imshow("flow", cflow);
        }
        if(waitKey(30)>=0) // 等待键盘输入，退出循环
            break;
        // 交换gray和prevgray，为处理下一帧图像做准备
        std::swap(prevgray, gray);
    }
    // 程序正常退出，返回0
    return 0;
}

这段代码的主要功能是演示使用Gunnar Farneback算法计算视频序列中的稠密光流。程序从默认摄像头(通常是计算机的内置摄像头)捕捉视频帧，对于连续的帧，计算每一帧和它之前帧之间的光流，并且将光流结果绘制到原始的灰度图上面，从而生成了一个流动的效果以示光流场。每次迭代中读取的帧转换为灰度图像，然后使用calcOpticalFlowFarneback函数计算当前帧与上一帧之间的光流。使用drawOptFlowMap函数将计算的光流可视化，并通过OpenCV的imshow功能将结果显示在窗口中。用户可以通过键盘输入中断循环。

calcOpticalFlowFarneback(prevgray, gray, uflow, 0.5, 3, 15, 3, 5, 1.2, 0);

drawOptFlowMap(flow, cflow, 16, 1.5, Scalar(0, 255, 0));