Opencv Python版学习笔记(五)光流跟踪 Lucas-Kanade(LK)算法

本文介绍了Python版OpenCV中Lucas-Kanade(LK)光流算法的应用,包括金字塔LK算法的参数解析及光流计算前的特征点检测。通过`goodFeaturesToTrack`函数获取初始特征点,然后使用`calcOpticalFlowPyrLK`进行光流跟踪。示例代码中包含视频读取和效果展示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Lucas-Kanade算法最初也是计算稠密光流的,后来成为求稀疏光流的一种重要方法,这里要介绍的是金字塔LK算法:

在Python函数原型为:nextPts, status, err = calcOpticalFlowPyrLK(prevImg, nextImg, prevPts[, nextPts[, status[, err[, winSize[, maxLevel[, criteria[, flags[, minEigThreshold]]]]]]]])

参数说明:prevImage 前一帧8-bit图像

                  nextImage 当前帧8-bit图像

                  prevPts 待跟踪的特征点向量

                  nextPts 输出跟踪特征点向量

                  status 特征点是否找到,找到的状态为1,未找到的状态为0

                  err 输出错误向量,(不太理解用途...)

                  winSize 搜索窗口的大小

                  maxLevel 最大的金字塔层数

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值