当前位置：首页 > news >正文

OpenCV稠密光流估计的一个类cv::optflow::DenseRLOFOpticalFlow

news 2025/7/17 9:10:53

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

cv::optflow::DenseRLOFOpticalFlow 是OpenCV 中用于稠密光流估计的一个类，属于optflow模块。它是RLOF（Regularized Location-Only Flow）算法的一种实现，用于计算视频帧之间的像素级运动矢量。

DenseRLOFOpticalFlow 是一种基于稀疏特征匹配 + 插值的稠密光流算法，其主要特点包括：

基于稀疏特征点（如 FAST、ORB）进行初始匹配；
使用正则化插值方法将稀疏匹配扩展为全图像素级别的光流场（稠密光流）；
可以处理大位移运动（相比传统 LK 光流更鲁棒）；
支持自定义特征检测器和描述子；
适用于视频稳定、动作分析、视频插值等任务。

常用静态方法

1.创建函数

static Ptr<DenseRLOFOpticalFlow> cv::optflow::DenseRLOFOpticalFlow::create
( 	Ptr< RLOFOpticalFlowParameter >  	rlofParam = Ptr< RLOFOpticalFlowParameter >(),float  	forwardBackwardThreshold = 1.f,Size  	gridStep = Size(6, 6),InterpolationType  	interp_type = InterpolationType::INTERP_EPIC,int  	epicK = 128,float  	epicSigma = 0.05f,float  	epicLambda = 999.0f,int  	ricSPSize = 15,int  	ricSLICType = 100,bool  	use_post_proc = true,float  	fgsLambda = 500.0f,float  	fgsSigma = 1.5f,bool  	use_variational_refinement = false )

参数：

参数名	类型	默认值	说明
rlofParam	Ptr	nullptr	可选：自定义参数对象。如果传入，则其他参数将被忽略。
forwardBackwardThreshold	float	1.0f	正向/反向一致性检查的阈值。用于剔除不一致的匹配点。值越大越宽松。
gridStep	Size	(6, 6)	稠密插值时使用的网格步长。值越小，插值越密集，计算量越大。
interp_type	InterpolationType	InterpolationType::INTERP_EPIC	插值类型，可选：INTERP_LINEAR, INTERP_EPIC, INTERP_RIC
epicK	int	128	EPIC 插值中使用的邻域大小。控制局部特征的范围。
epicSigma	float	0.05f	EPIC 中高斯核的标准差，影响平滑程度。
epicLambda	float	999.0f	EPIC 中正则化系数，防止过拟合。值越大越平滑。
ricSPSize	int	15	RIC 插值中的超像素大小。仅在使用 INTERP_RIC 时有效。
ricSLICType	int	100	SLIC 超像素分割类型。仅在使用 INTERP_RIC 时有效。
use_post_proc	bool	true	是否启用后处理步骤（如去噪、平滑）。
fgsLambda	float	500.0f	FGS 后处理中的正则化系数。控制平滑强度。
fgsSigma	float	1.5f	FGS 后处理中的高斯核标准差。
use_variational_refinement	bool	false	是否使用变分优化进一步提升精度（会显著增加计算时间）。

calc(InputArray I0, InputArray I1, OutputArray flow) 计算从 I0 到 I1 的光流
setFeatureDetector(Ptr detector) 设置自定义特征检测器
setFeaturesToTrack(int numFeatures) 设置每帧中最多使用的特征点数

代码示例


#include <opencv2/opencv.hpp>
#include <opencv2/optflow/rlofflow.hpp>using namespace cv;
using namespace std;
// 将光流向量转换为 HSV 图像以便可视化
Mat visualizeFlow( const Mat& flow )
{vector< Mat > planes;   // ✅ 正确声明 planes 为 vector<Mat>split( flow, planes );  // 自动拆分为两个通道：x-flow 和 y-flowMat mag, angle;cartToPolar( planes[ 0 ], planes[ 1 ], mag, angle, true );  // 计算幅度和角度normalize( mag, mag, 0, 1, NORM_MINMAX );  // 归一化到 [0, 1]// HSV 颜色空间可视化Mat hsv[ 3 ];hsv[ 0 ] = angle;                              // Hue = 方向hsv[ 1 ] = Mat::ones( angle.size(), CV_32F );  // Saturation = 1hsv[ 2 ] = mag;                                // Value = 幅度Mat hsvFull;merge( hsv, 3, hsvFull );                    // 合并三个通道hsvFull.convertTo( hsvFull, CV_8U, 255.0 );  // 转换为 8U 类型用于显示Mat rgbOut;cvtColor( hsvFull, rgbOut, COLOR_HSV2BGR );  // 转换为 BGR 显示图像return rgbOut;
}
int main()
{// 读取两帧图像（灰度图）Mat frame1 = imread( "/media/dingxin/data/study/OpenCV/sources/images/left01.jpg", IMREAD_COLOR );Mat frame2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/right01.jpg", IMREAD_COLOR );if ( frame1.empty() || frame2.empty() ){cerr << "无法加载图像！" << endl;return -1;}// 创建 DenseRLOF 实例并设置高级参数Ptr< optflow::DenseRLOFOpticalFlow > rlof = optflow::DenseRLOFOpticalFlow::create( nullptr,               // 使用默认参数对象1.0f,                  // forwardBackwardThresholdSize( 8, 8 ),          // gridStepoptflow::INTERP_EPIC,  // interp_type128,                   // epicK0.05f,                 // epicSigma1000.0f,               // epicLambda15,                    // ricSPSize100,                   // ricSLICTypetrue,                  // use_post_proc500.0f,                // fgsLambda1.5f,                  // fgsSigmafalse                  // use_variational_refinement);// 计算稠密光流Mat flow;rlof->calc( frame1, frame2, flow );// 可视化结果Mat flowImage = visualizeFlow( flow );imshow( "Frame 1", frame1 );imshow( "Frame 2", frame2 );imshow( "Dense RLOF Optical Flow", flowImage );waitKey( 0 );return 0;
}