稀疏光流python_OpenCV4中DIS光流算法与应用

原标题：OpenCV4中DIS光流算法与应用

OpenCV4中新光流算法 - DIS光流

OpenCV中KLT稀疏光流算法与FB稠密光流算法都是十年前的算法，没有反应出光流算法的最新进展，这个跟OpenCV其它模块相比，光流算法模块的更新明显滞后、OpenCV4发布终于把DIS光流算法包含到正式的发布版中。相对于FB光流基于多项式实现光流移动估算，DIS光流采用反向搜索与梯度下降寻求最优化来解决移动估算，不但降低了计算量、而且提升了精准度与实时性能。是一种可以实时运行的视频运动分析算法。

DIS光流算法

01

DIS(稠密逆搜索)光流算法主要有三个核心部分组成

对应关系的快速逆搜索

多尺度推理的快速光流

快速的变分求精

以前的FB光流基于多项式方式，是基于像素级别的光流估算、非常耗时、这里作者提出基于块级别的相关性反向搜索，实现一次计算梯度，多次反向搜索使用，不用每次重新初始化计算梯度，节省了大量计算，从而提高了性能。基于网格化实现反向搜索、稠化光流与优化。完整的流程如下：

运行效果

OpenCV中的代码演示

02

创建DIS光流实例与调用计算光流

C++版本

Ptr algorithm = DISOpticalFlow::create(DISOpticalFlow::PRESET_FAST);

algorithm->calc(preGray, gray, flow);

Python版本

dis= cv.DISOpticalFlow_create(1)

flow= dis.calc(prvs,next, None,)

这里创建DIS支持三种计算方式如下：

PRESET_ULTRAFAST= 0,

PRESET_FAST= 1,

PRESET_MEDIUM= 2

主要的区别选择不同的算法迭代优化测次数不一样、计算耗时也不一样。运行效果如下：

完整的python版本演示代码

import cv2 as cv

import numpy as np

cap = cv.VideoCapture( "D:/images/video/vtest.avi")

# https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/

ret, frame1 = cap.read

prvs = cv.cvtColor(frame1,cv.COLOR_BGR2GRAY)

hsv = np.zeros_like(frame1)

hsv[ ..., 1] = 255

dis = cv.DISOpticalFlow_create

while( 1):

ret, frame2 = cap.read

next= cv.cvtColor(frame2,cv.COLOR_BGR2GRAY)

flow = dis.calc(prvs, next, None,)

# flow = cv.calcOpticalFlowFarneback(prvs,next, None, 0.5, 3, 15, 3, 5, 1.2, 0)

mag, ang = cv.cartToPolar(flow[ ..., 0], flow[ ..., 1])

hsv[ ..., 0] = ang* 180/np.pi/ 2

hsv[ ..., 2] = cv.normalize(mag,None, 0, 255,cv.NORM_MINMAX)

bgr = cv.cvtColor(hsv,cv.COLOR_HSV2BGR)

cv.imshow( 'result',bgr)

cv.imshow( 'input', frame2)

k = cv.waitKey( 30) & 0xff

ifk == 27:

break

elif k == ord( 's'):

cv.imwrite( 'opticalfb.png',frame2)

cv.imwrite( 'opticalhsv.png',bgr)

prvs = next

cap.release

cv.destroyAllWindows

说实话，明显比FB与KLT光流法都要速度快，效果也是很好，DIS光流必须有!返回搜狐，查看更多

责任编辑：