Optical_Flow(5)

//Pyramid L-K Optical Flow example

//

#include <opencv\highgui.h>

#include <opencv\cv.h>

#include <stdio.h>

const int MAX_CORNERS = 500;

int main(int argc, char** argv) {

IplImage* imgA = cvLoadImage("OpticalFlow0.jpg", CV_LOAD_IMAGE_GRAYSCALE);

IplImage* imgB = cvLoadImage("OpticalFlow1.jpg", CV_LOAD_IMAGE_GRAYSCALE);

CvSize img_sz = cvGetSize(imgA);

int win_size = 10;

IplImage* imgC = cvLoadImage("OpticalFlow1.jpg", CV_LOAD_IMAGE_UNCHANGED);

//The first thing we need to do is get the features we want to track

IplImage* eig_image = cvCreateImage(img_sz, IPL_DEPTH_32F, 1);

IplImage* tmp_image = cvCreateImage(img_sz, IPL_DEPTH_32F, 1);

int corner_count = MAX_CORNERS;

CvPoint2D32f* cornersA = new CvPoint2D32f[MAX_CORNERS];

cvGoodFeaturesToTrack(

imgA,

eig_image,

tmp_image,

cornersA,

&corner_count,

0.01,

5.0,

0,

3,

0,

0.04

);

cvFindCornerSubPix(

imgA,

cornersA,

corner_count,

cvSize(win_size, win_size),

cvSize(-1, -1),

cvTermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, 0.03)

);

char features_found[MAX_CORNERS];

float feature_errors[MAX_CORNERS];

CvSize pyr_sz = cvSize(imgA->width + 8, imgB->height / 3);

IplImage* pyrA = cvCreateImage(pyr_sz, IPL_DEPTH_32F, 1);

IplImage* pyrB = cvCreateImage(pyr_sz, IPL_DEPTH_32F, 1);

CvPoint2D32f* cornersB = new CvPoint2D32f[MAX_CORNERS];

cvCalcOpticalFlowPyrLK( //Call Lucate Kanade algorithm

imgA,

imgB,

pyrA,

pyrB,

cornersA,

cornersB,

corner_count,

cvSize(win_size, win_size),

5,

features_found,

feature_errors,

cvTermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 20, .3),

0

);

for (int i = 0; i<corner_count; i++) {

if (features_found[i] == 0 || feature_errors[i]>550) {

printf("Error is %f/n", feature_errors[i]);

continue;

}

printf("Got it/n");

CvPoint p0 = cvPoint(

cvRound(cornersA[i].x),

cvRound(cornersA[i].y)

);

CvPoint p1 = cvPoint(

cvRound(cornersB[i].x),

cvRound(cornersB[i].y)

);

cvLine(imgC, p0, p1, CV_RGB(255, 0, 0), 2);

}

cvNamedWindow("ImageA", 0);

cvNamedWindow("ImageB", 0);

cvNamedWindow("LKpyr_OpticalFlow", 0);

cvShowImage("ImageA", imgA);

cvShowImage("ImageB", imgB);

cvShowImage("LKpyr_OpticalFlow", imgC);

cvWaitKey(0);

return 0;

}

代码中用到的几个函数

1）cvGoodFeaturesToTrack   确定图像的强角点

1. void cvGoodFeaturesToTrack(  
2. const CvArr* image //(8,1) or (32,1) (8-bit ,single-channel) (floating-point 32-bit,single-channel)  
3. CvArr* eigImage,//(32,1)  
4. CvArr* tempImage //(32,1)  
5. CvPoint2D32f* corners  
6. int* cornerCount  
7. double qualityLevel  
8. double minDistance  
9. const CvArr* mask=NULL  
10. int blockSize=3  
11. int useHarris=0  
12. double k=0.04 );  

参数解析：
image：输入图像，8-位或浮点32-比特，单通道
eig_image：临时浮点32-位图像，尺寸与输入图像一致
temp_image：另外一个临时图像，格式与尺寸与 eig_image 一致
corners：输出参数，检测到的角点
corner_count：输出参数，检测到的角点数目
quality_level：最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。
min_distance：限制因子。得到的角点的最小距离。使用 Euclidian 距离
mask：ROI:感兴趣区域。函数在ROI中计算角点，如果 mask 为 NULL，则选择整个图像
该函数 cvGoodFeaturesToTrack 在图像中寻找具有大特征值的角点。首先用cvCornerMinEigenVal 计算输入图像的每一个像素点的最小特征值，并将结果存储到变量 eig_image 中。然后进行非最大值抑制（仅保留3x3邻域中的局部最大值）。下一步将最小特征值小于 quality_level?max(eig_image(x,y)) 排除掉。最后，函数确保所有发现的角点之间具有足够的距离，（最强的角点第一个保留，然后检查新的角点与已有角点之间的距离大于 min_distance ）。


2）cvFindCornerSubPix  用于发现亚像素精度的角点位置
void cvFindCornerSubPix(
const CvArr* image,
CvPoint2D32f* corners,
int count,
CvSize win,
CvSize zero_zone,
CvTermCriteria criteria
);
输入图像image是8位通道的灰度图像。corners为整数值的像素位置，corners设定了角点的初始位置。count为需要计算的角点数目。win指定了等式产生的窗口的尺寸。输入参数zero_zone定义了一个禁区(与win相似，但通常比win小)，这个区域在方程组以及自相关矩阵中不被考虑。如果不需要这样一个禁区，则zero_zone应设置为cvSize(-1,-1)。最后一个参数为用户定义的迭代终止条件。迭代过程的终止条件可以是最大迭代次数CV_TERMCRIT_ITER类型，或者是设定的精度CV_TERMCRIT_EPS类型(或者是两者的组合)。终止条件的设置在极大程度上影响最终得到的亚像素值的精度。例如，指定0.10，则求得的亚像素级精度为像素的十分之一。

3)void cvCalcOpticalFlowPyrLK( const CvArr* prev, const CvArr* curr, CvArr* prev_pyr, CvArr* curr_pyr, 
const CvPoint2D32f* prev_features, CvPoint2D32f* curr_features, int count, CvSize win_size,
 int level, char* status, float* track_error, CvTermCriteria criteria, int flags ) 
prev  //在时间 t 的第一帧
curr  //在时间 t + dt 的第二帧
prev_pyr
//第一帧的金字塔缓存. 如果指针非 NULL , 则缓存必须有足够的空间来存储金字塔从层 1 到层 #level 的内容。尺寸 (image_width+8)*image_height/3 比特足够了
curr_pyr  //与 prev_pyr 类似， 用于第二帧
prev_features  //需要发现光流的点集
curr_features  //包含新计算出来的位置的 点集
count  //特征点的数目
win_size  //每个金字塔层的搜索窗口尺寸
level  //最大的金字塔层数。如果为 0 , 不使用金字塔 (即金字塔为单层), 如果为 1 , 使用两层，下面依次类推。
status  //数组。如果对应特征的光流被发现，数组中的每一个元素都被设置为 1， 否则设置为 0。
error  //双精度数组，包含原始图像碎片与移动点之间的差。为可选参数，可以是 NULL .
criteria  //准则，指定在每个金字塔层，为某点寻找光流的迭代过程的终止条件。
flags  //其它选项：
CV_LKFLOW_PYR_A_READY , 在调用之前，第一帧的金字塔已经准备好
CV_LKFLOW_PYR_B_READY , 在调用之前，第二帧的金字塔已经准备好
CV_LKFLOW_INITIAL_GUESSES , 在调用之前，数组 B 包含特征的初始坐标