关于L-K跟踪算法的理解

最近一直在调试L-K跟踪算法，其实opencv中都有相应的示例代码，直接搬过来用就可以了，但是我一开始还是不太懂是什么意思，后来从一个人的博客上看到了他的注释才算模模糊糊弄明白（http://blog.sina.com.cn/s/blog_6aae27a10100w1ke.html）。

然而在用的时候遇到一个奇怪的问题。我们根据项目的需要，最后要将程序封装成一个静态链接库，所以只能留给用户一个接口。当我把整个程序封装好后，发现当我第一次运行的时候，跟踪程序运行良好，但是一旦跟踪点为零，我重新运行程序（执行程序没有关闭，只是相当于又循环了一次）时，竟然没有跟踪点或者很少的跟踪点。我一直找不到原因。直到昨天我在看书的时候注意到L-K算法最后一个参数flags,我觉得《学习OPENCV》中的讲解太过于笼统，在我参考的博客中他是这么解释的：

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

我觉得还是有一定的道理的。可能就是我的这种模糊才造成我后面的困扰。这个参数在一般的示例中都是一开始给一个初始值为0，当第一帧结束后给值为CV_LKFLOW_PYR_A_READY，我犯的错就在于：当我再次运行程序的时候，因为没有重新给flags赋值为0，所以flags的值为CV_LKFLOW_PYR_A_READY,这就意味着，在参数PRYA中其实是有金字塔值的，而再次运行的时候，我获取到的图片其实已经不是那个时候的图片了，应该重新计算金字塔，所以我才一直出错。我不知道我的表述有没有人懂，可能表述的有点混乱，最主要的是要提醒大家不要忽视flags这个参数，当其为0的时候，可以重新计算金字塔。而为1或2的时候你的金字塔其实已经有一部分存在了。具体参数的解释可以见我给的链接，该博文讲述的已经很详细了。