lk光流法毕业论文

#include <> #include <> #include "" #include "" #include "" #include using namespace cv; static const double pi = ; inline static double square(int a) { return a * a; } /*该函数目的：给img分配内存空间，并设定format，如位深以及channel数*/ inline static void allocateOnDemand(IplImage **img, CvSize size, int depth, int channels) { if (*img != NULL) return; *img = cvCreateImage(size, depth, channels); if (*img == NULL) { fprintf(stderr, "Error: Couldn't allocate image. Out of memory?\n"); exit(-1); } } /*主函数，原程序是读取avi视频文件，然后处理，我简单改成从摄像头直接读取数据*/ int main(int argc, char *argv[]) { //读取摄像头 VideoCapture cap(0); //读取视频文件 //VideoCapture cap; (""); if (!()) { return -1; } Mat frame; /* bool stop = false; while (!stop) { cap >> frame; // cvtColor(frame, edges, CV_RGB2GRAY); // GaussianBlur(edges, edges, Size(7, 7), , ); // Canny(edges, edges, 0, 30, 3); // imshow("当前视频", edges); imshow("当前视频", frame); if (waitKey(30) >= 0) stop = true; } */ //CvCapture *input_video = cvCaptureFromFile( "" ); //cv::VideoCapture cap = *(cv::VideoCapture *) userdata; //if (input_video == NULL) // { // fprintf(stderr, "Error: Can't open video device.\n"); // return -1; // } /*先读取一帧，以便得到帧的属性，如长、宽等*/ //cvQueryFrame(input_video); /*读取帧的属性*/ CvSize frame_size; = (CV_CAP_PROP_FRAME_HEIGHT); = (CV_CAP_PROP_FRAME_WIDTH); /*********************************************************/ /*用于把结果写到文件中去,非必要 int frameW = ; // 744 for firewire cameras int frameH = ; // 480 for firewire cameras VideoWriter writer("", -1, , cvSize(frameW, frameH), true); /*开始光流法*/ //VideoWriter writer("", CV_FOURCC('D', 'I', 'V', 'X'), , Size(640, 480), true); while (true) { static IplImage *frame = NULL, *frame1 = NULL, *frame1_1C = NULL, *frame2_1C = NULL, *eig_image = NULL, *temp_image = NULL, *pyramid1 = NULL, *pyramid2 = NULL; Mat framet; /*获取第一帧*/ // cap >> framet; (framet); Mat edges; //黑白抽象滤镜模式 // cvtColor(framet, edges, CV_RGB2GRAY); // GaussianBlur(edges, edges, Size(7, 7), , ); // Canny(edges, edges, 0, 30, 3); //转换mat格式到lpiimage格式 frame = &IplImage(framet); if (frame == NULL) { fprintf(stderr, "Error: Hmm. The end came sooner than we thought.\n"); return -1; } /*由于opencv的光流函数处理的是8位的灰度图，所以需要创建一个同样格式的 IplImage的对象*/ allocateOnDemand(&frame1_1C, frame_size, IPL_DEPTH_8U, 1); /* 把摄像头图像格式转换成OpenCV惯常处理的图像格式*/ cvConvertImage(frame, frame1_1C, 0); /* 我们需要把具有全部颜色信息的原帧保存，以备最后在屏幕上显示用*/ allocateOnDemand(&frame1, frame_size, IPL_DEPTH_8U, 3); cvConvertImage(frame, frame1, 0); /* 获取第二帧 */ //cap >> framet; (framet); // cvtColor(framet, edges, CV_RGB2GRAY); // GaussianBlur(edges, edges, Size(7, 7), , ); // Canny(edges, edges, 0, 30, 3); frame = &IplImage(framet); if (frame == NULL) { fprintf(stderr, "Error: Hmm. The end came sooner than we thought.\n"); return -1; } /*原理同上*/ allocateOnDemand(&frame2_1C, frame_size, IPL_DEPTH_8U, 1); cvConvertImage(frame, frame2_1C, 0); /********************************************************* 开始shi-Tomasi算法，该算法主要用于feature selection,即一张图中哪些是我 们感兴趣需要跟踪的点(interest point) input: * "frame1_1C" 输入图像. * "eig_image" and "temp_image" 只是给该算法提供可操作的内存区域. * 第一个".01" 规定了特征值的最小质量，因为该算法要得到好的特征点，哪就 需要一个选择的阈值 * 第二个".01" 规定了像素之间最小的距离，用于减少运算复杂度，当然也一定 程度降低了跟踪精度 * "NULL" 意味着处理整张图片，当然你也可以指定一块区域 output: * "frame1_features" 将会包含fram1的特征值 * "number_of_features" 将在该函数中自动填充上所找到特征值的真实数目, 该值<= 400 **********************************************************/ /*开始准备该算法需要的输入*/ /* 给eig_image,temp_image分配空间*/ allocateOnDemand(&eig_image, frame_size, IPL_DEPTH_32F, 1); allocateOnDemand(&temp_image, frame_size, IPL_DEPTH_32F, 1); /* 定义存放frame1特征值的数组，400只是定义一个上限 */ CvPoint2D32f frame1_features[400]; int number_of_features = 400; /*开始跑shi-tomasi函数*/ cvGoodFeaturesToTrack(frame1_1C, eig_image, temp_image, frame1_features, &number_of_features, .01, .01, NULL); /********************************************************** 开始金字塔Lucas Kanade光流法，该算法主要用于feature tracking,即是算出 光流，并跟踪目标。 input: * "frame1_1C" 输入图像，即8位灰色的第一帧 * "frame2_1C" 第二帧，我们要在其上找出第一帧我们发现的特征点在第二帧 的什么位置 * "pyramid1" and "pyramid2" 是提供给该算法可操作的内存区域，计算中间 数据 * "frame1_features" 由shi-tomasi算法得到的第一帧的特征点. * "number_of_features" 第一帧特征点的数目 * "optical_flow_termination_criteria" 该算法中迭代终止的判别，这里是 epsilon<，epsilon是两帧中对应特征窗口的光度之差的平方，这个以后的文 章会讲 * "0" 这个我不知道啥意思，反正改成1就出不来光流了，就用作者原话解释把 means disable enhancements. (For example, the second array isn't pre-initialized with guesses.) output: * "frame2_features" 根据第一帧的特征点，在第二帧上所找到的对应点 * "optical_flow_window" lucas-kanade光流算法的运算窗口,具体lucas-kanade 会在下一篇详述 * "5" 指示最大的金字塔层数，0表示只有一层，那就是没用金字塔算法 * "optical_flow_found_feature" 用于指示在第二帧中是否找到对应特征值， 若找到，其值为非零 * "optical_flow_feature_error" 用于存放光流误差 **********************************************************/ /*开始为pyramid lucas kanade光流算法输入做准备*/ CvPoint2D32f frame2_features[400]; /* 该数组相应位置的值为非零，如果frame1中的特征值在frame2中找到 */ char optical_flow_found_feature[400]; /* 数组第i个元素表对应点光流误差*/ float optical_flow_feature_error[400]; /*lucas-kanade光流法运算窗口,这里取3*3的窗口,可以尝试下5*5,区别就是5*5 出现aperture problem的几率较小,3*3运算量小，对于feature selection即shi-tomasi算法来说足够了*/ CvSize optical_flow_window = cvSize(5, 5); // CvSize optical_flow_window = cvSize(5, 5); /* 终止规则，当完成20次迭代或者当epsilon<=，迭代终止，可以尝试下别的值*/ CvTermCriteria optical_flow_termination_criteria= cvTermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, .3); /*分配工作区域*/ allocateOnDemand(&pyramid1, frame_size, IPL_DEPTH_8U, 1); allocateOnDemand(&pyramid2, frame_size, IPL_DEPTH_8U, 1); /*开始跑该算法*/ cvCalcOpticalFlowPyrLK(frame1_1C, frame2_1C, pyramid1, pyramid2,frame1_features, frame2_features, number_of_features, optical_flow_window, 5, optical_flow_found_feature,optical_flow_feature_error, optical_flow_termination_criteria, 0); /*画光流场，画图是依据两帧对应的特征值， 这个特征值就是图像上我们感兴趣的点，如边缘上的点P(x,y)*/ for (int i = 0; i< number_of_features; i++) { /* 如果没找到对应特征点 */ if (optical_flow_found_feature[i] == 0) continue; int line_thickness; line_thickness = 1; /* CV_RGB(red, green, blue) is the red, green, and blue components * of the color you want, each out of 255. */ CvScalar line_color; line_color = CV_RGB(255, 0, 0); /*画箭头,因为帧间的运动很小，所以需要缩放，不然看不见箭头，缩放因子为3*/ CvPoint p, q; = (int)frame1_features[i].x; = (int)frame1_features[i].y; = (int)frame2_features[i].x; = (int)frame2_features[i].y; double angle; angle = atan2((double) - , (double) - ); double hypotenuse; hypotenuse = sqrt(square( - ) + square( - )); /*执行缩放*/ = (int)( - 5 * hypotenuse * cos(angle)); = (int)( - 5 * hypotenuse * sin(angle)); /*画箭头主线*/ /* "frame1"要在frame1上作画. * "p" 线的开始点. * "q" 线的终止点. * "CV_AA" 反锯齿. * "0" 没有小数位. */ cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0); /* 画箭的头部*/ = (int)( + 9 * cos(angle + pi / 4)); = (int)( + 9 * sin(angle + pi / 4)); cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0); = (int)( + 9 * cos(angle - pi / 4)); = (int)( + 9 * sin(angle - pi / 4)); cvLine(frame1, p, q, line_color, line_thickness, CV_AA, 0); } /*显示图像*/ /*创建一个名为optical flow的窗口，大小自动改变*/ cvNamedWindow("Optical Flow", CV_WINDOW_NORMAL); cvFlip(frame1, NULL, 2); cvShowImage("Optical Flow", frame1); /*延时，要不放不了*/ cvWaitKey(33); /*写入到文件中去*/ // cv::Mat m = cv::cvarrToMat(frame1);//转换lpimgae到mat格式 // writer << m;// version writer } (); cvWaitKey(33); system("pause"); }

能不能给我发一份呢？

视觉跟踪其实就是利用图像处理技术分析出图像序列中运动的那个物体。特征是必须的，没有特诊就没有跟踪的依据，但是可以选择的特征很丰富，原理各部相同没有相关性。你这里的光流法是利用时间上的统计特性，至于你所谓的特征光流法就看你自己做的什么东西什么要求了，别人不知道你要做什么，什么特征。视频图像序列检测方法很多，无法回答第四题大多的图像处理书上都有，建议你好好看看书第五题更回答不出来了，原因前面说了。基于你的问题，我认为，这个可能是硕士论文吧（除非是普通的背景生成可以给本科做做）！首先你要好好的看书，这些问题不应该来问而是自己学的，这是最基本的学习研究能力。第二，你的问题问的太大了，显得很不专业，你的问题找教授来也无从下口回答你。建议你看数字图像处理的书，外面很多，冈萨雷斯的可能比较容易上手。讲解的比较通俗易懂，利于你掌握基本知识。另外你应该在具体方法上大量查阅文献资料（不要说不会查），这些会是一系列的数学问题，别人帮不了你，即使你的导师（除非你是本科生，导师给你的基本都是有成型的东西）。你论文中必须详细描述的。