当前位置：首页 > news >正文

OpenCV视觉分析之目标跟踪(3)实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算的类SparsePyrLKOpticalFlow的使用

news 2025/9/14 19:51:48

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

用于计算稀疏光流的类。

该类可以使用带有金字塔的迭代 Lucas-Kanade 方法来计算稀疏特征集的光流
cv::SparsePyrLKOpticalFlow 类是 OpenCV 库中的一个类，用于实现基于金字塔的 Lucas-Kanade 算法来进行稀疏光流计算。这个类特别适合用来跟踪图像序列中的特征点，比如在视频中跟踪物体的关键点。

主要特点

稀疏光流：只计算选定特征点的运动。
金字塔结构：通过多尺度金字塔来提高跟踪的鲁棒性和准确性。
Lucas-Kanade 算法：使用 Lucas-Kanade 方法来计算特征点的位移。

成员函数

构造函数：创建 cv::SparsePyrLKOpticalFlow 对象。
setMaxLevel(int maxLevel)：设置金字塔的最大层数。
setWinSize(cv::Size winSize)：设置用于计算光流的窗口大小。
calc(const cv::Mat &prevImg, const cv::Mat &nextImg, const cv::InputArray &prevPts, cv::OutputArray &nextPts, cv::OutputArray &status, cv::OutputArray &err)：计算光流并返回新的特征点位置以及状态和误差。

代码示例


#include <iostream>
#include <opencv2/opencv.hpp>int main()
{// 加载两个图像帧cv::Mat prevImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );cv::Mat nextImg = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );if ( !prevImg.data || !nextImg.data ){std::cout << "Error loading images" << std::endl;return -1;}// 检测特征点std::vector< cv::Point2f > prevPts;std::vector< cv::Point2f > nextPts;std::vector< uchar > status;std::vector< float > err;// 检测特征点（例如使用 Shi-Tomasi 角点检测）std::vector< cv::Point2f > corners;cv::goodFeaturesToTrack( prevImg, corners, 100, 0.01, 10, cv::Mat() );// 创建 SparsePyrLKOpticalFlow 对象cv::Ptr< cv::SparsePyrLKOpticalFlow > lk = cv::SparsePyrLKOpticalFlow::create();// 设置参数lk->setMaxLevel( 2 );lk->setWinSize( cv::Size( 15, 15 ) );// 计算光流lk->calc( prevImg, nextImg, corners, nextPts, status, err );// 可视化结果cv::Mat outImg = cv::Mat::zeros( prevImg.size(), CV_8UC3 );for ( size_t i = 0; i < corners.size(); i++ ){if ( status[ i ] ){cv::circle( outImg, corners[ i ], 5, cv::Scalar( 0, 255, 0 ), -1 );cv::line( outImg, corners[ i ], nextPts[ i ], cv::Scalar( 0, 0, 255 ), 2 );}}// 显示结果cv::imshow( "Sparse Optical Flow", outImg );cv::waitKey( 0 );return 0;
}