本文详细介绍了如何使用OpenCV的calcOpticalFlowFarneback函数计算稠密光流，涉及参数如pyr_scale、levels、winsize、iterations、poly_n和poly_sigma，以及flag选项如OPTFLOW_USE_INITIAL_FLOW和OPTFLOW_FARNEBACK_GAUSSIAN的影响。
使用Gunnar Farneback算法计算稠密光流.
cv2.calcOpticalFlowFarneback(prevImg, nextImg, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow]) → flow
官方解释：Motion Analysis and Object Tracking — OpenCV 2.3.2 documentation
prevImg：前一帧的图像（灰度图像）
nextImg：下一帧的图像
flow：与prevImg大小相同，且类型 为CV_32FC2的计算流图像。（ CV_32FC2是指一个32位浮点型双通道矩阵）
pyr_scale ：指定图像比例 (<1) 的参数，以便为每个图像构建金字塔。 pyrScale=0.5 表示经典金字塔，其中下一层比上一层小两倍。
levels: 包括初始图像在内的金字塔图层数。levels=1 表示不创建额外的图层，仅使用原始图像。
winsize ：平均窗口大小;较大的值会增加算法对图像噪声的鲁棒性，并可以检测更快速的运动，但会产生更模糊的运动场。
iterations ：算法在每个金字塔级别执行的迭代次数
poly_n：用于在每个像素中查找多项式扩展的像素邻域的大小。较大的值意味着图像将具有更平滑的表面，从而产生更强大的算法和更
最低0.47元/天 解锁文章
扫一扫
到【灌水乐园】发言
