opencv学习笔记四十二：稠密光流跟踪

最新推荐文章于 2023-06-06 15:59:34 发布
最新推荐文章于 2023-06-06 15:59:34 发布
阅读量2.5k 收藏 3
点赞数 1
分类专栏： opencv 文章标签： 稠密光流跟踪
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_24946843/article/details/82733373
版权
opencv 专栏收录该内容
75 篇文章 519 订阅 ¥9.90 ¥99.00
订阅专栏

利用Gunnar Farneback算法计算全局性的稠密光流算法（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 
稠密光流需要使用某种插值方法在比较容易跟踪的像素之间进行插值以解决那些运动不明确的像素

calcOpticalFlowFarneback( InputArray prev, InputArray next, InputOutputArray flow,
                                            double pyr_scale, int levels, int winsize,
                                            int iterations, int poly_n, double poly_sigma,
                                            int flags );

prev：前一帧图像 
next： 后一帧图像 
flow： 输出的光流矩阵。矩阵大小同输入的图像一样大，但是矩阵中的每一个元素可不是一个值，而是两个值，分别表示这个点在x方向与y方向的运动量（偏移量）。 
pyr_scale： 金字塔上下两层之间的尺度关系 
levels： 金字塔层数 
winsize： 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 
iterations： 迭代次数 
poly_n： 像素领域大小，一般为5，7等 
poly_sigma： 高斯标注差，一般为1-

了解本专栏 订阅专栏 解锁全文
东城青年
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
LK光流算法，双线性插值算法讲解
09-30
光流(Optical flow or optic flow)是关于视域中的物体运动检测中的概念。用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。 -wikipedia 光流计算所需要满足的两个光学特性假设： 亮度恒定：目标像素点的亮度在帧间运动时亮度（灰度值）保持恒定； 运动微小：像素点不会跟随时间而剧烈变化;
OpenCV之稠密光流
CSDN-ZCL
11-11 1141
稠密光流
【opencv】图像尺寸调整的三种算法
weixin_72504310的博客
08-27 2369
临近算法 INTER_NEAREST 双插值算法 INTER_LINEAR 金字塔 pyrDown（）pyrUp（）
opencv c++ 光流法、稀疏光流法、稠密光流法、均值迁移追踪（meanshift、camshift）
lucust的博客
12-08 2848
当迭代10次不需要计算，两次的计算结果差小于0.01也不需要计算。
图像金字塔
shirley的专栏
09-07 787
一、尺度调整 顾名思义，即对源图像的尺寸进行放大或者缩小变换。在opencv里面可以用resize函数，将源图像精准地转化为指定尺寸的目标图像。要缩小图像，一般推荐使用CV_INETR_AREA(区域插值)来插值；若要放大图像，推荐使用CV_INTER_LINEAR（线性插值）。这个函数可以用来做简单的图像尺度变换。而下面要说的图像金字塔的用处很大，在特征检测中都是基础理论和技术； Opencv里面的API介绍: void resize(src,dst,size,int interpola...
OpenCV--014: 图像插值
WaitFoF
09-14 1482
知识点 图像插值： 是基于模型框架下，从低分辨率图像生成高分辨率图像的过程，用以恢复图像中所丢失信息。 图像插值的分类 插值，分为图像内插值和图像间插值。其主要应用是对图像进行放大以及旋转等操作。 图像内插值：根据一幅较低分辨率图像再生出另一幅均具有较高分辨率的图像。 图像内插值实际上是对单帧图像的图像重建过程，这就意味着生成原始图像中没有的数据。 图像间插值：也叫图像的超分辨率重建，是...
有关opencv光流法的解释
qq_26499769的博客
06-11 1271
1981年，Horn和Schunck创造性地将二维速度场与灰度相联系，引入光流约束方程，得到光流计算的基本算法。人们基于不同的理论基础提出各种光流计算方法，算法性能各有不同。Barron等人对多种光流计算技术进行了总结，按照理论基础与数学方法的区别把它们分成四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。近年来神经动力学方法也颇受学者重视。          其他
OpenCV3学习（12.1） 稠密光流calcOpticalFlowFarneback
热门推荐
知识搬运工的博客
02-15 1万+
简介         光流（optic flow）是什么呢？名字很专业，感觉很陌生，但本质上，我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说，光流就是你在这个运动着的世界里感觉到的明显的视觉运动（呵呵，相对论，没有绝对的静止，也没有绝对的运动）。例如，当你坐在火车上，然后往窗外看。你可以看到树、地面、建筑等等，他们都在往后退。这个运动就是光流。而且，我们都会发现，他们的运动速...
OpenCV中的稠密光流
人工智能讲师团
09-25 5346
OpenCV中的稠密光流： LK算法计算的是稀疏的特征点光流，如样例当中计算的是使用 Shi-Tomasi算法得到的特征点。opencv当总提供了查找稠密光流的方法。该方法计算一帧图像当中的所有点。该方法是基于Gunner Farneback提出的一篇论文Two-Frame Motion Estimation Based on Polynomial Expansion。 Farneback稠密...
opencv稠密光流
最新发布
weixin_43263382的博客
06-06 145
【代码】opencv稠密光流。
python OpenCV学习笔记实现二维直方图
12-23
本文介绍了python OpenCV学习笔记实现二维直方图，分享给大家，具体如下： 官方文档 – https://docs.opencv.org/3.4.0/dd/d0d/tutorial_py_2d_histogram.html 在前一篇文章中，我们计算并绘制了一维的直方图。它被...
OPENCV学习笔记一：图像基本操作
01-20
标题学习opencv第一天： 一、图像基本操作： 1.图像读取：cv.imread(“文件位置：D:/python/picture.png” ) 函数功能：从文件路径中读取图片文件并显示出来，可读取的文件类型有JPG、JPEG、PNG、Webp等 函数原型：...
KLTracker:使用光流跟踪 KLT 功能 (Qt 5 OpenCV C++)
06-23
使用光流跟踪 KLT 功能 (Qt 5 OpenCV / C++) 此代码通过来自网络摄像头的视频源跟踪 KLT 功能。 如果您想在离线视频中跟踪长期序列，请进行更改。 依赖项： Qt 5（在 Qt 5.0.1（32 位）上编译和测试） OpenCV/...
OpenCV-Learning-C-:我的OpenCV学习笔记
04-10
我对OpenCV学习笔记 工作环境 操作系统：Ubuntu 20.04 LTS OpenCV（3.4.14）CLion（20.3.3）（需要购买许可证）CMake（3.17.5）g ++（9.3.0）git（2.25.1） 参考 使用OpenCV库学习OpenCV 3：使用C ++的计算机视觉，...
opencv3/Python 稠密光流calcOpticalFlowFarneback详解
09-18
今天小编就为大家分享一篇opencv3/Python 稠密光流calcOpticalFlowFarneback详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
OpenCV学习笔记——1
01-06
一、OpenCV概念 OpenCV是什么？ OpenCV 是一个开源的计算机视觉库，可以从 http://opencv.org 获取。 OpenCV 库用C语言和 C++ 语言编写，可以在 Windows、Linux、Mac OS X 等系统运行。同时也在积极开发 Python、...
【opencv学习笔记 16图像二值化】代码详细注释
12-21
图像二值化 二值图像：只有黑和白 0 代表黑色 1 其实是255 代表白色 图像二值化的方法 全局阈值 局部阈值 OTSU Triangle 手动与自动 自适应阈值 相关代码 import cv2 as cv import numpy as np def threshold_demo...
opencv学习笔记.docx
08-09
学习笔记
OpenCv学习笔记(六)：使用opencv画线、矩形、椭圆、多边形线、多边形体等.pdf
09-30
OpenCv学习笔记(六)：使用opencv画线、矩形、椭圆、多边形线、多边形体等.pdf
在c#窗体文件中用picturebox如何实现视频的稠密光流法跟踪，即在picturebox中播放视频，在视频中有稠密光流法跟踪（步骤包含所用控件名称，如何得到该控件，代码实现视频的稠密光流法跟踪），所用CalcOpticalFlowFarneback方法只有10个参数，用的是opencv中的知识点
05-26
实现视频的稠密光流法跟踪需要以下步骤： 1. 创建一个PictureBox控件来显示视频帧。 2. 导入OpenCV库。 3. 打开视频文件，使用VideoCapture类来读取每一帧。 4. 对每一帧应用稠密光流法跟踪算法，使用CalcOpticalFlowFarneback方法来计算光流向量。 5. 为了可视化光流向量，可以在每一帧上绘制箭头来表示光流方向和大小。 6. 将处理后的帧显示在PictureBox控件中。 以下是实现视频的稠密光流法跟踪的C#代码示例： ```csharp using System; using System.Drawing; using System.Windows.Forms; using OpenCvSharp; namespace DenseOpticalFlowDemo { public partial class Form1 : Form { private VideoCapture _capture; private Mat _previousFrame; private Mat _currentFrame; private Mat _outputFrame; public Form1() { InitializeComponent(); } private void Form1_Load(object sender, EventArgs e) { // 打开视频文件 _capture = new VideoCapture("test.mp4"); if (!_capture.IsOpened()) { MessageBox.Show("Failed to open video file!"); Close(); return; } // 读取第一帧并转换为灰度图像 _capture.Read(_previousFrame); Cv2.CvtColor(_previousFrame, _previousFrame, ColorConversionCodes.BGR2GRAY); // 创建输出帧 _outputFrame = new Mat(_previousFrame.Rows, _previousFrame.Cols, MatType.CV_8UC3); } private void timer1_Tick(object sender, EventArgs e) { // 读取下一帧并转换为灰度图像 _capture.Read(_currentFrame); Cv2.CvtColor(_currentFrame, _currentFrame, ColorConversionCodes.BGR2GRAY); // 计算稠密光流向量 var flow = new Mat(); Cv2.CalcOpticalFlowFarneback(_previousFrame, _currentFrame, flow, 0.5, 3, 15, 3, 5, 1.2, 0); // 可视化光流向量 for (int y = 0; y < _outputFrame.Rows; y += 10) { for (int x = 0; x < _outputFrame.Cols; x += 10) { var flowVec = flow.At<Point2f>(y, x); Cv2.Line(_outputFrame, new Point(x, y), new Point((int)(x + flowVec.X), (int)(y + flowVec.Y)), Scalar.Red, 2); Cv2.Circle(_outputFrame, new Point(x, y), 2, Scalar.Blue, 2); } } // 将处理后的帧显示在PictureBox中 pictureBox1.Image = BitmapConverter.ToBitmap(_outputFrame); // 更新上一帧为当前帧 _previousFrame = _currentFrame.Clone(); } } } ``` 在上述代码中，我们使用了一个Windows Forms应用程序，其中包含一个PictureBox控件和一个计时器控件。在窗体加载时，我们打开视频文件并读取第一帧作为上一帧，以便在下一次计时器事件时使用。在计时器事件中，我们读取下一帧并计算稠密光流向量，然后在每个像素位置绘制箭头来表示光流方向和大小。最后，我们将处理后的帧显示在PictureBox控件中，更新上一帧为当前帧。 请注意，稠密光流法跟踪是一项计算密集型任务，可能需要较长时间才能处理完整个视频。为了避免在UI线程上进行长时间计算，建议将计算过程放在单独的线程中执行，并使用Invoke方法在UI线程上更新PictureBox控件。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

东城青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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