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。
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.
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.
最低0.47元/天 解锁文章
扫一扫
740
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
