// Lucas-Kanade method Optical Flow in OpenCV
// BJTShang, 2016-12-13 #include <cv.h>
#include <cxcore.h>
#include <highgui.h> const int MAX_CORNERS = 500; int main(int argc, char** argv){
IplImage* imgA = cvLoadImage("/home/bjtshang/cpp_ws/opencv/data/OpticalFlow0.jpg",
CV_LOAD_IMAGE_GRAYSCALE);
IplImage* imgB = cvLoadImage("/home/bjtshang/cpp_ws/opencv/data/OpticalFlow1.jpg",
CV_LOAD_IMAGE_GRAYSCALE); // image to show the optical flow vectors
IplImage* imgC = cvLoadImage("/home/bjtshang/Desktop/OpticalFlow1.jpg",
CV_LOAD_IMAGE_UNCHANGED); CvSize img_size = cvGetSize(imgA);
CvSize win_size = cvSize(50, 50);
int corner_count = MAX_CORNERS; // get the features (detect corners) need to be tracked
IplImage* imgEig = cvCreateImage(img_size, IPL_DEPTH_32F, 1);
IplImage* imgTmp = cvCreateImage(img_size, IPL_DEPTH_32F, 1); CvPoint2D32f* cornersA = new CvPoint2D32f[corner_count]; cvGoodFeaturesToTrack(imgA, imgEig, imgTmp, cornersA, &corner_count,
0.02, 8.0, 0, 3, 0, 0.04); // find sub-pixel corners
cvFindCornerSubPix(imgA, cornersA, corner_count,
win_size, cvSize(-1,-1),
cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 20, 0.1)); char features_found[MAX_CORNERS];
float feature_errors[MAX_CORNERS]; CvSize pyr_size = cvSize(imgA->width+8, imgB->height/3); IplImage* pyrA = cvCreateImage(pyr_size, IPL_DEPTH_32F, 1);
IplImage* pyrB = cvCreateImage(pyr_size, IPL_DEPTH_32F, 1); CvPoint2D32f* cornersB = new CvPoint2D32f[MAX_CORNERS]; cvCalcOpticalFlowPyrLK(imgA, imgB, pyrA, pyrB, cornersA, cornersB,
corner_count, win_size,
10, features_found, feature_errors,
cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 20, 0.1),
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 p1 = cvPoint(cvRound(cornersA[i].x), cvRound(cornersA[i].y));
CvPoint p2 = cvPoint(cvRound(cornersB[i].x), cvRound(cornersB[i].y));
cvLine(imgC, p1, p2, CV_RGB(255, 0, 0), 1);
}
cvNamedWindow("imgA", 0);
cvNamedWindow("imgB", 0);
cvNamedWindow("Optical_flow", 0);
cvShowImage("imgA", imgA);
cvShowImage("imgB", imgB);
cvShowImage("Optical_flow", imgC); cvWaitKey(0);
return 0;
}

  

金字塔Lucas-Kanande光流算法实现的更多相关文章

  1. Lucas–Kanade光流算法学习

    Lucas–Kanade光流算法是一种两帧差分的光流估计算法.它由Bruce D. Lucas 和 Takeo Kanade提出.         光流(Optical flow or optic f ...

  2. 光流算法:Brox算法(转载)

    参考论文:1. High Accuracy Optical Flow Estimation Based on a Theory for Warping, Thomas Box, ECCV20042. ...

  3. 光流算法:Brox算法

    参考论文:1. High Accuracy Optical Flow Estimation Based on a Theory for Warping, Thomas Box, ECCV20042. ...

  4. LK光流算法:提高计算精度和增加搜索范围

    LK光流算法:提高计算精度和增加搜索范围 关于LK算法的基本理论,见:http://www.cnblogs.com/dzyBK/p/4960630.html 这里主要阐述如何提高LK算法的计算精度和在 ...

  5. 光流算法:关于OpenCV读写middlebury网站给定的光流的代码

    Middlebury是每个研究光流算法的人不可能不使用的网站,Middlebury提供了许多标准的测试库,这极大地推进了光流算法的进展.Middlebury提供的标准库,其计算出的光流保存在后缀名为. ...

  6. 光流算法:Brox光流的OpenCV源码解析

    OpenCV中DeepFlow代码其实是Brox光流,而非真正的DeepFlow光流,在将近一个月的研究.移植及优化过程中,对Brox光流有了较深刻的认识.我对OpenCV中源码进行了详细的分析,并以 ...

  7. LK光流算法的三个假设

    在实际过程中采用 Lucas-Kanade 光流算法跟踪运动物体特征点的时候,一个很明显的特点是LK算法(包括其他光流算法)不能计算"大运动",加上金子塔的方法稍微好点. 这是什么 ...

  8. cvCalcOpticalFlowPyrLK的使用--基于高斯金字塔的稀疏光流特征集求解

    void cvCalcOpticalFlowPyrLK( const CvArr* prev, const CvArr* curr, CvArr* prev_pyr, CvArr* curr_pyr, ...

  9. 优化梯度计算的改进的HS光流算法

    前言 在经典HS光流算法中,图像中两点间的灰度变化被假定为线性的,但实际上灰度变化是非线性的.本文详细分析了灰度估计不准确造成的偏差并提出了一种改进HS光流算法,这种算法可以得到较好的计算结果,并能明 ...

随机推荐

  1. hdu2588 GCD (欧拉函数)

    GCD 题意:输入N,M(2<=N<=1000000000, 1<=M<=N), 设1<=X<=N,求使gcd(X,N)>=M的X的个数.  (文末有题) 知 ...

  2. Intellij IDEA 一些不为人知的技巧

    Intellij IDEA 一些不为人知的技巧 2016/12/06 | 分类: 基础技术 | 0 条评论 | 标签: IntelliJ 分享到:38 原文出处: khotyn 今天又听了 Jetbr ...

  3. [LeetCode] Heaters 加热器

    Winter is coming! Your first job during the contest is to design a standard heater with fixed warm r ...

  4. [LeetCode] Sort Characters By Frequency 根据字符出现频率排序

    Given a string, sort it in decreasing order based on the frequency of characters. Example 1: Input: ...

  5. [LeetCode] Ransom Note 赎金条

    
Given
 an 
arbitrary
 ransom
 note
 string 
and 
another 
string 
containing 
letters from
 all 
th ...

  6. 【wpf】缓存

    1.引用 System.Runtime.Caching 2.源 msdn //实例化MemoryCache类 ObjectCache cache = MemoryCache.Default; //读取 ...

  7. 使用EXtjs6.2构建web项目

    一.项目简介 众所周知ext是一款非常强大的表格控件,尤其是里边的grid为用户提供了非常多的功能,现在主流的还是用extjs4.0-4.2,但是更高一点的版本更加符合人的审美要求.因此,在今天咱们构 ...

  8. SpringMVC org.xml.sax.SAXParseException: cvc-complex-type.2.4.c 报错处理方式

    使用SpringMVC的过程中需要访问静态文件,即在spring-servlet.xml文件中添加了 <mvc:default-servlet-handler /> 标签,以开启Sprin ...

  9. IDEA快捷键

    [常规] Ctrl+Shift + Enter,语句完成 "!",否定完成,输入表达式时按 "!"键 Ctrl+E,最近的文件 Ctrl+Shift+E,最近更 ...

  10. CodeForces - 148D Bag of mice

    http://codeforces.com/problemset/problem/148/D 题目大意: 原来袋子里有w只白鼠和b只黑鼠 龙和王妃轮流从袋子里抓老鼠.谁先抓到白色老鼠谁就赢. 王妃每次 ...