PIV粒子图像运动场

本文主要介绍了在PIV(粒子图像 velocimetry)研究中遇到的算法难题及解决过程。初期,作者负责算法部分,遇到挑战后,得到了魏威关于界面和算法改进的宝贵建议,双方合作成功优化了算法,对此表示感谢。

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

 

  经过长达1个月的不断完善和修改,PIV项目中最具挑战性的工作之一--PIV核心算法终于圆满完成了。最终的处理效果不仅超过了预期而且和学长提供的软件不相上下。在这个过程了,感觉到自己收获不少。顺便也写下处理的方法以及一些心得体会,以后大家遇到类似的问题,可以作为参考。
1.合适的窗口大小。
  在图像区域分割时窗口应大小合适,过大则使区域内运动向量平均后不明显,过小则噪声带来的影响非常严重。
2.迭代的方法
  为了达到较高的精确度,可以采用迭代的方法。将上一次得到的结果作为下一次迭代的初始值。
3.三次样条插值
  在迭代过程中由于窗口大小的变化,需要进行上采样的插值,这个时候插值方法的选择就非常重要的.初始的时候采用双线性插值效果一般,最后尝  试使用三次样条插值,效果奇好,当时我激动地差点一夜没睡着!
3.
评论 4
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