DIS 光流算法。更多...

#include <opencv2/video/tracking.hpp>

cv::DISOpticalFlow 的协作图

公共类型
enum	{ PRESET_ULTRAFAST = 0 , PRESET_FAST = 1 , PRESET_MEDIUM = 2 }

公共成员函数
virtual int	getFinestScale () const =0
	计算光流的最高层高斯金字塔（零层对应于原始图像分辨率）。最终光流通过双线性上采样获得。

virtual int	getGradientDescentIterations () const =0
	补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

virtual int	getPatchSize () const =0
	用于匹配的图像补丁大小（以像素为单位）。通常，默认的 8x8 补丁在大多数情况下都能正常工作。

virtual int	getPatchStride () const =0
	相邻补丁之间的步长。必须小于补丁大小。较低的值对应于较高的光流质量。

virtual bool	getUseMeanNormalization () const =0
	是否在计算补丁距离时使用补丁的均值归一化。默认情况下它处于开启状态，因为它通常会提供明显的质量提升，因为对光照变化的鲁棒性更强。如果您确定您的序列不包含任何光照变化，请将其关闭。

virtual bool	getUseSpatialPropagation () const =0
	是否使用良好光流矢量的空间传播。此选项默认情况下处于开启状态，因为它在平均情况下往往效果更好，并且有时可以帮助从 DIS 光流算法使用的从粗到细方案引入的重大错误中恢复。关闭此选项可能会使输出光流场更平滑，但是。

virtual float	getVariationalRefinementAlpha () const =0
	平滑项的权重。

virtual float	getVariationalRefinementDelta () const =0
	颜色恒定项的权重。

virtual float	getVariationalRefinementEpsilon () const =0
	鲁棒惩罚器的范数值偏移。

virtual float	getVariationalRefinementGamma () const =0
	梯度恒定项的权重。

virtual int	getVariationalRefinementIterations () const =0
	每级变分细化的固定点迭代次数。设置为零以完全禁用变分细化。较高的值通常会导致更平滑和更高质量的光流。

virtual void	setFinestScale (int val)=0
	计算光流的最高层高斯金字塔（零层对应于原始图像分辨率）。最终光流通过双线性上采样获得。

virtual void	setGradientDescentIterations (int val)=0
	补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

virtual void	setPatchSize (int val)=0
	用于匹配的图像补丁大小（以像素为单位）。通常，默认的 8x8 补丁在大多数情况下都能正常工作。

virtual void	setPatchStride (int val)=0
	相邻补丁之间的步长。必须小于补丁大小。较低的值对应于较高的光流质量。

virtual void	setUseMeanNormalization (bool val)=0
	是否在计算补丁距离时使用补丁的均值归一化。默认情况下它处于开启状态，因为它通常会提供明显的质量提升，因为对光照变化的鲁棒性更强。如果您确定您的序列不包含任何光照变化，请将其关闭。

virtual void	setUseSpatialPropagation (bool val)=0
	是否使用良好光流矢量的空间传播。此选项默认情况下处于开启状态，因为它在平均情况下往往效果更好，并且有时可以帮助从 DIS 光流算法使用的从粗到细方案引入的重大错误中恢复。关闭此选项可能会使输出光流场更平滑，但是。

virtual void	setVariationalRefinementAlpha (float val)=0
	平滑项的权重。

virtual void	setVariationalRefinementDelta (float val)=0
	颜色恒定项的权重。

virtual void	setVariationalRefinementEpsilon (float val)=0
	鲁棒惩罚器的范数值偏移。

virtual void	setVariationalRefinementGamma (float val)=0
	梯度恒定项的权重。

virtual void	setVariationalRefinementIterations (int val)=0
	补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

从 cv::DenseOpticalFlow 继承的公共成员函数
virtual void	calc (InputArray I0, InputArray I1, InputOutputArray flow)=0
	计算光流。

virtual void	collectGarbage ()=0
	释放所有内部缓冲区。

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< DISOpticalFlow >	create (int preset=DISOpticalFlow::PRESET_FAST)
	创建一个 DISOpticalFlow 实例。

从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

DIS 光流算法。

此类实现了密集逆向搜索 (DIS) 光流算法。有关该算法的更多详细信息，请参阅 [150] 。包括三个预设，预先选择参数以在速度和质量之间提供合理的权衡。但是，即使是最慢的预设也相对较快，如果需要更好的质量并且不关心速度，请使用 DeepFlow。

与论文中描述的算法相比，此实现包含几个附加功能，包括光流矢量的空间传播 (getUseSpatialPropagation)，以及使用传递给 calc 的初始光流近似值（本质上是时间传播，如果传递了前一帧的光流场）。

成员枚举文档

◆ 匿名枚举

匿名枚举

枚举器
PRESET_ULTRAFAST
PRESET_FAST
PRESET_MEDIUM

成员函数文档

◆ create()

static Ptr< DISOpticalFlow > cv::DISOpticalFlow::create ( int preset = DISOpticalFlow::PRESET_FAST )

static

Python
	cv.DISOpticalFlow.create(	[, preset]	) ->	retval
	cv.DISOpticalFlow_create(	[, preset]	) ->	retval

创建一个 DISOpticalFlow 实例。

参数

preset PRESET_ULTRAFAST、PRESET_FAST 和 PRESET_MEDIUM 之一

◆ getFinestScale()

virtual int cv::DISOpticalFlow::getFinestScale ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getFinestScale(		) ->	retval

计算光流的最高层高斯金字塔（零层对应于原始图像分辨率）。最终光流通过双线性上采样获得。

另请参阅: setFinestScale

◆ getGradientDescentIterations()

virtual int cv::DISOpticalFlow::getGradientDescentIterations ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getGradientDescentIterations(		) ->	retval

补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

另请参阅: setGradientDescentIterations

◆ getPatchSize()

virtual int cv::DISOpticalFlow::getPatchSize ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getPatchSize(		) ->	retval

用于匹配的图像补丁大小（以像素为单位）。通常，默认的 8x8 补丁在大多数情况下都能正常工作。

另请参阅: setPatchSize

◆ getPatchStride()

virtual int cv::DISOpticalFlow::getPatchStride ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getPatchStride(		) ->	retval

相邻补丁之间的步长。必须小于补丁大小。较低的值对应于较高的光流质量。

另请参阅: setPatchStride

◆ getUseMeanNormalization()

virtual bool cv::DISOpticalFlow::getUseMeanNormalization ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getUseMeanNormalization(		) ->	retval

是否在计算补丁距离时使用补丁的均值归一化。默认情况下它处于开启状态，因为它通常会提供明显的质量提升，因为对光照变化的鲁棒性更强。如果您确定您的序列不包含任何光照变化，请将其关闭。

另请参阅: setUseMeanNormalization

◆ getUseSpatialPropagation()

virtual bool cv::DISOpticalFlow::getUseSpatialPropagation ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getUseSpatialPropagation(		) ->	retval

是否使用良好光流矢量的空间传播。此选项默认情况下处于开启状态，因为它在平均情况下往往效果更好，并且有时可以帮助从 DIS 光流算法使用的从粗到细方案引入的重大错误中恢复。关闭此选项可能会使输出光流场更平滑，但是。

另请参阅: setUseSpatialPropagation

◆ getVariationalRefinementAlpha()

virtual float cv::DISOpticalFlow::getVariationalRefinementAlpha ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getVariationalRefinementAlpha(		) ->	retval

平滑项的权重。

另请参阅: setVariationalRefinementAlpha

◆ getVariationalRefinementDelta()

virtual float cv::DISOpticalFlow::getVariationalRefinementDelta ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getVariationalRefinementDelta(		) ->	retval

颜色恒定项的权重。

另请参阅: setVariationalRefinementDelta

◆ getVariationalRefinementEpsilon()

virtual float cv::DISOpticalFlow::getVariationalRefinementEpsilon ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getVariationalRefinementEpsilon(		) ->	retval

鲁棒惩罚器的范数值偏移。

另请参阅: setVariationalRefinementEpsilon

◆ getVariationalRefinementGamma()

virtual float cv::DISOpticalFlow::getVariationalRefinementGamma ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getVariationalRefinementGamma(		) ->	retval

梯度恒定项的权重。

另请参阅: setVariationalRefinementGamma

◆ getVariationalRefinementIterations()

virtual int cv::DISOpticalFlow::getVariationalRefinementIterations ( ) const

纯虚函数

Python
	cv.DISOpticalFlow.getVariationalRefinementIterations(		) ->	retval

每级变分细化的固定点迭代次数。设置为零以完全禁用变分细化。较高的值通常会导致更平滑和更高质量的光流。

另请参阅: setGradientDescentIterations

◆ setFinestScale()

virtual void cv::DISOpticalFlow::setFinestScale ( int val )

纯虚函数

Python
	cv.DISOpticalFlow.setFinestScale(	val	) ->	None

计算光流的最高层高斯金字塔（零层对应于原始图像分辨率）。最终光流通过双线性上采样获得。

另请参阅: getFinestScale

◆ setGradientDescentIterations()

virtual void cv::DISOpticalFlow::setGradientDescentIterations ( int val )

纯虚函数

Python
	cv.DISOpticalFlow.setGradientDescentIterations(	val	) ->	None

补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

另请参阅: getGradientDescentIterations

◆ setPatchSize()

virtual void cv::DISOpticalFlow::setPatchSize ( int val )

纯虚函数

Python
	cv.DISOpticalFlow.setPatchSize(	val	) ->	None

用于匹配的图像补丁大小（以像素为单位）。通常，默认的 8x8 补丁在大多数情况下都能正常工作。

另请参阅: getPatchSize

◆ setPatchStride()

virtual void cv::DISOpticalFlow::setPatchStride ( int val )

纯虚函数

Python
	cv.DISOpticalFlow.setPatchStride(	val	) ->	None

相邻补丁之间的步长。必须小于补丁大小。较低的值对应于较高的光流质量。

另请参阅: getPatchStride

◆ setUseMeanNormalization()

virtual void cv::DISOpticalFlow::setUseMeanNormalization ( bool val )

纯虚函数

Python
	cv.DISOpticalFlow.setUseMeanNormalization(	val	) ->	None

是否在计算补丁距离时使用补丁的均值归一化。默认情况下它处于开启状态，因为它通常会提供明显的质量提升，因为对光照变化的鲁棒性更强。如果您确定您的序列不包含任何光照变化，请将其关闭。

另请参阅: getUseMeanNormalization

◆ setUseSpatialPropagation()

virtual void cv::DISOpticalFlow::setUseSpatialPropagation ( bool val )

纯虚函数

Python
	cv.DISOpticalFlow.setUseSpatialPropagation(	val	) ->	None

是否使用良好光流矢量的空间传播。此选项默认情况下处于开启状态，因为它在平均情况下往往效果更好，并且有时可以帮助从 DIS 光流算法使用的从粗到细方案引入的重大错误中恢复。关闭此选项可能会使输出光流场更平滑，但是。

另请参阅: getUseSpatialPropagation

◆ setVariationalRefinementAlpha()

virtual void cv::DISOpticalFlow::setVariationalRefinementAlpha ( float val )

纯虚函数

Python
	cv.DISOpticalFlow.setVariationalRefinementAlpha(	val	) ->	None

平滑项的权重。

另请参阅: getVariationalRefinementAlpha

◆ setVariationalRefinementDelta()

virtual void cv::DISOpticalFlow::setVariationalRefinementDelta ( float val )

纯虚函数

Python
	cv.DISOpticalFlow.setVariationalRefinementDelta(	val	) ->	None

颜色恒定项的权重。

另请参阅: getVariationalRefinementDelta

◆ setVariationalRefinementEpsilon()

virtual void cv::DISOpticalFlow::setVariationalRefinementEpsilon ( float val )

纯虚函数

Python
	cv.DISOpticalFlow.setVariationalRefinementEpsilon(	val	) ->	None

鲁棒惩罚器的范数值偏移。

另请参阅: getVariationalRefinementEpsilon

◆ setVariationalRefinementGamma()

virtual void cv::DISOpticalFlow::setVariationalRefinementGamma ( float val )

纯虚函数

Python
	cv.DISOpticalFlow.setVariationalRefinementGamma(	val	) ->	None

梯度恒定项的权重。

另请参阅: getVariationalRefinementGamma

◆ setVariationalRefinementIterations()

virtual void cv::DISOpticalFlow::setVariationalRefinementIterations ( int val )

纯虚函数

Python
	cv.DISOpticalFlow.setVariationalRefinementIterations(	val	) ->	None

补丁逆向搜索阶段的梯度下降迭代次数上限。在某些情况下，较高的值可能会提高质量。

另请参阅: getGradientDescentIterations

此类别的文档从以下文件生成

opencv2/video/tracking.hpp

公共类型

公共成员函数

静态公共成员函数

其他继承的成员

详细描述

成员枚举文档

◆ 匿名枚举

成员函数文档

◆ create()

◆ getFinestScale()

◆ getGradientDescentIterations()

◆ getPatchSize()

◆ getPatchStride()

◆ getUseMeanNormalization()

◆ getUseSpatialPropagation()

◆ getVariationalRefinementAlpha()

◆ getVariationalRefinementDelta()

◆ getVariationalRefinementEpsilon()

◆ getVariationalRefinementGamma()

◆ getVariationalRefinementIterations()

◆ setFinestScale()

◆ setGradientDescentIterations()

◆ setPatchSize()

◆ setPatchStride()

◆ setUseMeanNormalization()

◆ setUseSpatialPropagation()

◆ setVariationalRefinementAlpha()

◆ setVariationalRefinementDelta()

◆ setVariationalRefinementEpsilon()

◆ setVariationalRefinementGamma()

◆ setVariationalRefinementIterations()