Question

我正在实现光流上Horn & Schunck paper的偏导数方程。然而，即使对于相对较小的图像（320x568），也需要令人沮丧的长时间（~30-40秒）才能完成。我假设这是由于320 x 568 = 181760循环迭代，但我无法找到一种更有效的方法（缺少MEX文件）。

有没有办法将其转变为更高效的MATLAB操作（也许是卷积）？我可以弄清楚如何将此作为It的卷积而不是Ix和Iy。我也考虑了矩阵移位，但只有It才能解决。

是否还有其他人遇到此问题并找到了解决方案？

我的代码如下：

function [Ix, Iy, It] = getFlowParams(img1, img2)

% Make sure image dimensions match up
assert(size(img1, 1) == size(img2, 1) && size(img1, 2) == size(img2, 2), ...
    'Images must be the same size');
assert(size(img1, 3) == 1, 'Images must be grayscale');

% Dimensions of original image
[rows, cols] = size(img1);
Ix = zeros(numel(img1), 1);
Iy = zeros(numel(img1), 1);
It = zeros(numel(img1), 1);

% Pad images to handle edge cases
img1 = padarray(img1, [1,1], 'post');
img2 = padarray(img2, [1,1], 'post');

% Concatenate i-th image with i-th + 1 image
imgs = cat(3, img1, img2);

% Calculate energy for each pixel
for i = 1 : rows
    for j = 1 : cols
        cube = imgs(i:i+1, j:j+1, :);
        Ix(sub2ind([rows, cols], i, j)) = mean(mean(cube(:, 2, :) - cube(:, 1, :)));
        Iy(sub2ind([rows, cols], i, j)) = mean(mean(cube(2, :, :) - cube(1, :, :)));
        It(sub2ind([rows, cols], i, j)) = mean(mean(cube(:, :, 2) - cube(:, :, 1)));
    end
end

Answer 1

更快的方法，结果改善（在我观察到的情况下）如下：

function [Ix, Iy, It] = getFlowParams(imNew,imPrev)

gg = [0.2163, 0.5674, 0.2163]; 
f = imNew + imPrev; 
Ix = f(:,[2:end end]) - f(:,[1 1:(end-1)]); 
Ix = conv2(Ix,gg','same');

Iy = f([2:end end],:) - f([1 1:(end-1)],:); 
Iy = conv2(Iy,gg ,'same');

It = 2*conv2(gg,gg,imNew - imPrev,'same');

优雅地处理边界情况。

我将此作为optical flow toolbox的一部分，您可以在其中轻松实时查看H＆amp; S，Lucas Kanade等内容。在工具箱中，该函数称为grad3D.m。您可能还想在同一工具箱中查看grad3Drec.m，这会增加简单的时间模糊。

有效计算光流参数 - MATLAB

1 个答案: