ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

25_光流估计

2022-08-03 12:03:25  阅读:180  来源: 互联网

标签:25 old gray int frame cv2 角点 估计 光流


# 光流估计

# 1. 光流估计

import numpy as np
import cv2

cap = cv2.VideoCapture('D:/pycharm/pycharm-cope/opencv/resource/videos/02_Foreground.avi')

# 角点检测所需参数
# 如果不限制角点最大数量,速度就会有些慢,达不到实时的效果
# 品质因子会筛选角点,品质因子设置的越大,得到的角点越少
feature_params = dict(maxCorners=100,
                      qualityLevel=0.3,
                      minDistance=7)

# lucas-kanada参数
# winSize:窗口大小 maxLevel:金字塔层数
lk_params = dict(winSize=(15, 15),
                 maxLevel=2)

# 随即颜色条
color = np.random.randint(0, 255, (100, 3))

# 拿到第一帧图像
ret, old_frame = cap.read()
old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY)

# cv2.goodFeaturesToTrack函数返回所有检测特征点,需要输入:图像,角点最大数量(效率),品质因子(特征值越大的越好来筛选)
# 距离相当于这区间有比这个角点强的,就不要这个弱的了
# **变量 作为传入参数,是用来传入不定长的变量
p0 = cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params)  # 拿到第一帧的角点,后面视频中是对第一帧的角点进行追踪

# 创建一个 mask
mask = np.zeros_like(old_frame)

while (True):
    ret, frame = cap.read()
    frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 需要传入前一帧和当前图像以及前一帧检测到的角点
    p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params)

    # st=1 表示
    good_new = p1[st == 1]  # st==1 表示找到的特征点,没找到的特征点就不要了
    good_old = p0[st == 1]

    for i, (new, old) in enumerate(zip(good_new, good_old)):
        a, b = new.ravel()
        c, d = old.ravel()
        mask = cv2.line(mask, (int(a), int(b)), (int(c), int(d)), color[i].tolist(), 2)
        frame = cv2.circle(frame, (int(a), int(b)), 5, color[i].tolist(), -1)
    img = cv2.add(frame, mask)

    cv2.imshow('frame', img)
    k = cv2.waitKey(150) & 0xff
    if k == 27:
        break

    # 更新
    old_gray = frame_gray.copy()
    p0 = good_new.reshape(-1, 1, 2)

cv2.destroyAllWindows()
cap.release()

 

标签:25,old,gray,int,frame,cv2,角点,估计,光流
来源: https://www.cnblogs.com/tuyin/p/16546406.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有