从'http://docs.opencv.org/3.1.0/d7/d8b/tutorial_py_lucas_kanade.html'，它表示强度是渐变。 f（x），f（y）是梯度，f（t）是沿时间的类似梯度。我的困惑现在开始了。在上面的链接中，f（x）和f（y）也是导数形式，但是我们不能计算x和y的导数，因为我们不知道相同的点在哪里，实际上我们将在这里找到方法。所以我想知道它是什么意思，因为它说f（t）是一个点随时间的梯度所以，我可以假设f（t）像一个点的梯度的平均值，由几个特定的周期和f（x）收集收集f（t）梯度的平均值的每个时期收集和f（y）？
例如，如果每隔20ms计算f（t）并尝试计算每100ms的平均值。在每100ms计算f（x）和f（y）。我的理解是对的吗？
如果错了那么，f（x），f（y）和f（t）之间有什么区别？
答案 0 :(得分：2)
他们假设每个像素的强度不随时间变化。基于这个假设，您可以计算光流量公式并得到U和V的值，它是运动的矢量。
答案 1 :(得分：1)
令I（x，y）为像素位置（x，y）处的强度值，而不是如说明中fx（x，y）是x方向的导数和fy（x，y）中的强度值。 y方向和位置（x，y）的时间方向上的ft（x，y）。 然而，在我们的程序中的离散世界中，我们只能近似这些导数我们也称这个梯度。例如，可以使用Sobel滤波器。或者以更简单的方式使用differenz运算符，即
fx（x，y）= I（x，y） - I（x-1，y）
fy（x，y）= I（x，y） - I（x，y-1）
类似于时间渐变但现在与前一图像的图像强度A（x，y）
ft（x，y）= I（x，y） - A（x，y）
理想，主要是在实践中A是我的一个框架，但在理论上A可以从更多的先前框架中获取，但这将使得ft不太准确。