Question

我有另外一个关于OpenCVs Dense光流功能（Farneback）输出矩阵的问题。我最近问了一个与此类似的问题

（What is output from OpenCV's Dense optical flow (Farneback) function? How can this be used to build an optical flow map in Python?）

从此我现在知道存储在矩阵中的值是特定像素相对于前一帧移动的X和Y距离。（如果我错了，请纠正我）。

我正在使用一个640x480像素的视频输入来计算光流，并且流矩阵的形状显示在下面的打印结果中，npte我在读取前两帧之后使用了一段时间来显示结构数组。

import cv2
import numpy as np

cap = cv2.VideoCapture("T5.avi")

ret, frame1 = cap.read()
prvs = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)

while (1):
    ret, frame2 = cap.read()
    next = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

    flow = cv2.calcOpticalFlowFarneback(prvs, next, None, 0.5, 3, 15, 2, 5, 1.2, 0)
    print flow.shape
    print "Flow : : 0"
    print flow[:][:][0]
    print "Flow : : 1"
    print flow[:][:][1]
    break

这有以下输出：

(480, 640, 2)
Flow : : 0
[[ 0.01214151  0.22083586]
 [ 0.01184586  0.18637304]
 [ 0.01057486  0.15194368]
 ..., 
 [ 0.00064609 -0.00283471]
 [ 0.00046074  0.0047204 ]
 [ 0.000404   -0.00282944]]
Flow : : 1
[[ 0.0152726   0.35010788]
 [ 0.01538487  0.28910625]
 [ 0.01413684  0.22534071]
 ..., 
 [ 0.00082013 -0.00668656]
 [ 0.00060558  0.00633681]
 [ 0.00056752 -0.00331147]]

我现在想知道为什么每个地方都存储了2个值？是否存储了两个X和Y值？可能是初始和最终职位？或者组件是否具有虚构组件？

我已经做了很多搜索，但是找不到任何可以解释这一点的东西。

Answer 1

快速回答：对于每个像素，您将获得X和Y轴上的位移值。

我认为你在这里混合两种不同的东西：
正如我在上一篇文章中提到的那样，我们在此处看到，您的矩阵维度为(480, 640, 2)。不要在表示帧中特定像素位置的X,Y值和每个像素位置内的DeltaX,DeltaY位移值之间进行混合。

例如，flow[20][20][:]表示位置20 x 20处的像素，它实际上是一个包含2个浮点值的点 - 我们之前谈过的DeltaX,DeltaY。
因此，flow[20][20][0]实际上是像素DeltaX的{{1}}而20x20是同一像素的flow[20][20][1]（DeltaY）。

希望现在很清楚。

OpenCV密集光流矩阵

1 个答案: