//Pyramid L-K Optical Flow example//#include <opencv\highgui.h>#include <opencv\cv.h>#include <stdio.h>
const int MAX_CORNERS = 500 ;int main ( int argc , char ** argv ) {
IplImage * imgA = cvLoadImage ( "OpticalFlow0.jpg" , CV_LOAD_IMAGE_GRAYSCALE );IplImage * imgB = cvLoadImage ( "OpticalFlow1.jpg" , CV_LOAD_IMAGE_GRAYSCALE );CvSize img_sz = cvGetSize ( imgA );int win_size = 10 ;IplImage * imgC = cvLoadImage ( "OpticalFlow1.jpg" , CV_LOAD_IMAGE_UNCHANGED );
//The first thing we need to do is get the features we want to trackIplImage * eig_image = cvCreateImage ( img_sz , IPL_DEPTH_32F , 1 );IplImage * tmp_image = cvCreateImage ( img_sz , IPL_DEPTH_32F , 1 );int corner_count = MAX_CORNERS ;CvPoint2D32f * cornersA = new CvPoint2D32f [ MAX_CORNERS ];cvGoodFeaturesToTrack (imgA ,eig_image ,tmp_image ,cornersA ,& corner_count ,0.01 ,5.0 ,0 ,3 ,0 ,0.04);cvFindCornerSubPix (imgA ,cornersA ,corner_count ,cvSize ( win_size , win_size ),cvSize ( - 1 , - 1 ),cvTermCriteria ( CV_TERMCRIT_ITER | CV_TERMCRIT_EPS , 20 , 0.03 ));
char features_found [ MAX_CORNERS ];float feature_errors [ MAX_CORNERS ];CvSize pyr_sz = cvSize ( imgA -> width + 8 , imgB -> height / 3 );IplImage * pyrA = cvCreateImage ( pyr_sz , IPL_DEPTH_32F , 1 );IplImage * pyrB = cvCreateImage ( pyr_sz , IPL_DEPTH_32F , 1 );CvPoint2D32f * cornersB = new CvPoint2D32f [ MAX_CORNERS ];cvCalcOpticalFlowPyrLK ( //Call Lucate Kanade algorithmimgA ,imgB ,pyrA ,pyrB ,cornersA ,cornersB ,corner_count ,cvSize ( win_size , win_size ),5 ,features_found ,feature_errors ,cvTermCriteria ( CV_TERMCRIT_ITER | CV_TERMCRIT_EPS , 20 , .3 ),0);
for ( int i = 0 ; i < corner_count ; i ++ ) {if ( features_found [ i ] == 0 || feature_errors [ i ] > 550 ) {printf ( "Error is %f/n" , feature_errors [ i ]);continue ;}printf ( "Got it/n" );CvPoint p0 = cvPoint (cvRound ( cornersA [ i ]. x ),cvRound ( cornersA [ i ]. y ));CvPoint p1 = cvPoint (cvRound ( cornersB [ i ]. x ),cvRound ( cornersB [ i ]. y ));cvLine ( imgC , p0 , p1 , CV_RGB ( 255 , 0 , 0 ), 2 );}cvNamedWindow ( "ImageA" , 0 );cvNamedWindow ( "ImageB" , 0 );cvNamedWindow ( "LKpyr_OpticalFlow" , 0 );cvShowImage ( "ImageA" , imgA );cvShowImage ( "ImageB" , imgB );cvShowImage ( "LKpyr_OpticalFlow" , imgC );cvWaitKey ( 0 );return 0 ;}
代码中用到的几个函数
1）cvGoodFeaturesToTrack 确定图像的强角点
- void cvGoodFeaturesToTrack(
- const CvArr* image //(8,1) or (32,1) (8-bit ,single-channel) (floating-point 32-bit,single-channel)
- CvArr* eigImage,//(32,1)
- CvArr* tempImage //(32,1)
- CvPoint2D32f* corners
- int* cornerCount
- double qualityLevel
- double minDistance
- const CvArr* mask=NULL
- int blockSize=3
- int useHarris=0
- double k=0.04 );
参数解析：
image：输入图像，8-位或浮点32-比特，单通道
eig_image：临时浮点32-位图像，尺寸与输入图像一致
temp_image：另外一个临时图像，格式与尺寸与 eig_image 一致
corners：输出参数，检测到的角点
corner_count：输出参数，检测到的角点数目
quality_level：最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。
min_distance：限制因子。得到的角点的最小距离。使用 Euclidian 距离
mask：ROI:感兴趣区域。函数在ROI中计算角点，如果 mask 为 NULL，则选择整个图像
该函数 cvGoodFeaturesToTrack 在图像中寻找具有大特征值的角点。首先用cvCornerMinEigenVal 计算输入图像的每一个像素点的最小特征值，并将结果存储到变量 eig_image 中。然后进行非最大值抑制（仅保留3x3邻域中的局部最大值）。下一步将最小特征值小于 quality_level?max(eig_image(x,y)) 排除掉。最后，函数确保所有发现的角点之间具有足够的距离，（最强的角点第一个保留，然后检查新的角点与已有角点之间的距离大于 min_distance ）。
2）cvFindCornerSubPix 用于发现亚像素精度的角点位置
void cvFindCornerSubPix(
const CvArr* image,
CvPoint2D32f* corners,
int count,
CvSize win,
CvSize zero_zone,
CvTermCriteria criteria
);
输入图像image是8位通道的灰度图像。corners为整数值的像素位置，corners设定了角点的初始位置。count为需要计算的角点数目。win指定了等式产生的窗口的尺寸。输入参数zero_zone定义了一个禁区(与win相似，但通常比win小)，这个区域在方程组以及自相关矩阵中不被考虑。如果不需要这样一个禁区，则zero_zone应设置为cvSize(-1,-1)。最后一个参数为用户定义的迭代终止条件。迭代过程的终止条件可以是最大迭代次数CV_TERMCRIT_ITER类型，或者是设定的精度CV_TERMCRIT_EPS类型(或者是两者的组合)。终止条件的设置在极大程度上影响最终得到的亚像素值的精度。例如，指定0.10，则求得的亚像素级精度为像素的十分之一。
3)void cvCalcOpticalFlowPyrLK( const CvArr* prev, const CvArr* curr, CvArr* prev_pyr, CvArr* curr_pyr,
const CvPoint2D32f* prev_features, CvPoint2D32f* curr_features, int count, CvSize win_size,
int level, char* status, float* track_error, CvTermCriteria criteria, int flags )
prev //在时间 t 的第一帧
curr //在时间 t + dt 的第二帧
prev_pyr
//第一帧的金字塔缓存. 如果指针非 NULL , 则缓存必须有足够的空间来存储金字塔从层 1 到层 #level 的内容。尺寸 (image_width+8)*image_height/3 比特足够了
curr_pyr //与 prev_pyr 类似， 用于第二帧
prev_features //需要发现光流的点集
curr_features //包含新计算出来的位置的 点集
count //特征点的数目
win_size //每个金字塔层的搜索窗口尺寸
level //最大的金字塔层数。如果为 0 , 不使用金字塔 (即金字塔为单层), 如果为 1 , 使用两层，下面依次类推。
status //数组。如果对应特征的光流被发现，数组中的每一个元素都被设置为 1， 否则设置为 0。
error //双精度数组，包含原始图像碎片与移动点之间的差。为可选参数，可以是 NULL .
criteria //准则，指定在每个金字塔层，为某点寻找光流的迭代过程的终止条件。
flags //其它选项：
CV_LKFLOW_PYR_A_READY , 在调用之前，第一帧的金字塔已经准备好
CV_LKFLOW_PYR_B_READY , 在调用之前，第二帧的金字塔已经准备好
CV_LKFLOW_INITIAL_GUESSES , 在调用之前，数组 B 包含特征的初始坐标
扫一扫
8622
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
