光流是由物體或相機(jī)的運(yùn)動(dòng)引起的圖像對象在兩個(gè)連續(xù)幀之間的視在運(yùn)動(dòng)模式.光流方法計(jì)算在t和 t+Δtt+Δt時(shí)刻拍攝的兩個(gè)圖像幀之間的每個(gè)像素的運(yùn)動(dòng)位置。這些方法被稱為差分，因?yàn)樗鼈兓趫D像信號的局部泰勒級數(shù)近似; 也就是說，它們使用關(guān)于空間和時(shí)間坐標(biāo)的偏導(dǎo)數(shù)。

和稀疏光流相比,稠密光流不僅僅是選取圖像中的某些特征點(diǎn)(一般用角點(diǎn))進(jìn)行計(jì)算;而是對圖像進(jìn)行逐點(diǎn)匹配,計(jì)算所有點(diǎn)的偏移量,得到光流場,從而進(jìn)行配準(zhǔn).因此其計(jì)算量會(huì)顯著大于稀疏光流,但效果一般優(yōu)于稀疏光流.

函數(shù):

def calcOpticalFlowFarneback(prev, next, flow, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags):

使用Gunnar Farneback算法計(jì)算密集光流。

相關(guān)參數(shù):

prev 輸入前一幀圖像(8位單通道);

next 輸入后一幀圖像(與prev大小和類型相同);

flow 計(jì)算的流量圖像具有與prev相同的大小并為CV_32FC2類型;

pyr_scale 指定圖像比例（\ <1）為每個(gè)圖像構(gòu)建金字塔; pyr_scale = 0.5意味著一個(gè)古典金字塔，其中每個(gè)下一層比前一層小兩倍。

levels 金字塔層數(shù)包括初始圖像; levels = 1意味著不會(huì)創(chuàng)建額外的圖層，只會(huì)使用原始圖像。

winsize 平均窗口大小;較大的值會(huì)增加算法對圖像噪聲的魯棒性，并可以檢測更快速的運(yùn)動(dòng)，但會(huì)產(chǎn)生更模糊的運(yùn)動(dòng)場。

iterations 每個(gè)金字塔等級上執(zhí)行迭代算法的迭代次數(shù)。用于在每個(gè)像素中查找多項(xiàng)式展開的像素鄰域;

poly_n大小;較大的值意味著圖像將近似于更光滑的表面，產(chǎn)生更穩(wěn)健的算法和更模糊的運(yùn)動(dòng)場，一般取poly_n = 5或7。

poly_sigma用于平滑導(dǎo)數(shù)的高斯的標(biāo)準(zhǔn)偏差，用作多項(xiàng)式展開的基礎(chǔ);對于poly_n = 5，可以設(shè)置poly_sigma = 1.1，對于poly_n = 7，可以設(shè)置poly_sigma = 1.5;

flags 操作標(biāo)志，可取計(jì)算方法有：

OPTFLOW_USE_INITIAL_FLOW 使用輸入流作為初始流近似。

OPTFLOW_FARNEBACK_GAUSSIAN 使用Gaussian winsize×winsizewinsize×winsize過濾器代替光流估計(jì)的相同大小的盒子過濾器;通常情況下，這個(gè)選項(xiàng)可以比使用箱式過濾器提供更精確的流量，代價(jià)是速度更低;通常，應(yīng)將高斯窗口的勝利設(shè)置為更大的值以實(shí)現(xiàn)相同的穩(wěn)健性水平。

示例:

#!/usr/bin/python
# coding:utf8

import numpy as np
import cv2

step=10

if __name__ == '__main__':
 cam = cv2.VideoCapture(0)
 ret, prev = cam.read()
 prevgray = cv2.cvtColor(prev, cv2.COLOR_BGR2GRAY)

 while True:
 ret, img = cam.read()
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 # 使用Gunnar Farneback算法計(jì)算密集光流
 flow = cv2.calcOpticalFlowFarneback(prevgray, gray, None, 0.5, 3, 15, 3, 5, 1.2, 0)
 prevgray = gray
 # 繪制線
 h, w = gray.shape[:2]
 y, x = np.mgrid[step / 2:h:step, step / 2:w:step].reshape(2, -1).astype(int)
 fx, fy = flow[y, x].T
 lines = np.vstack([x, y, x + fx, y + fy]).T.reshape(-1, 2, 2)
 lines = np.int32(lines)

 line = []
 for l in lines:
 if l[0][0]-l[1][0]>3 or l[0][1]-l[1][1]>3:
 line.append(l)

 cv2.polylines(img, line, 0, (0,255,255))
 cv2.imshow('flow', img)

 ch = cv2.waitKey(5)
 if ch == 27:
 break
 cv2.destroyAllWindows()

以上這篇opencv3/Python 稠密光流calcOpticalFlowFarneback詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評論