DIS 光流演算法。更多...

#include <opencv2/video/tracking.hpp>

cv::DISOpticalFlow 的協作圖

公共型別
列舉	{ PRESET_ULTRAFAST = 0 , PRESET_FAST = 1 , PRESET_MEDIUM = 2 }

公共成員函式
virtual int	getFinestScale () const =0
	計算光流的高斯金字塔最精細級別（零級別對應於原始影像解析度）。最終光流透過雙線性上取樣獲得。

virtual int	getGradientDescentIterations () const =0
	塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

virtual int	getPatchSize () const =0
	用於匹配的影像塊大小（以畫素為單位）。通常，預設的8x8塊在大多數情況下都足夠好用。

virtual int	getPatchStride () const =0
	相鄰塊之間的步幅。必須小於塊大小。值越低對應更高的光流質量。

virtual bool	getUseMeanNormalization () const =0
	計算塊距離時是否使用塊的均值歸一化。預設情況下啟用，因為它通常能顯著提高質量，因為對光照變化的魯棒性增強。如果您確定序列不包含任何光照變化，請關閉它。

virtual bool	getUseSpatialPropagation () const =0
	是否使用良好光流向量的空間傳播。此選項預設開啟，因為它通常平均效果更好，有時可以幫助從DIS光流演算法採用的粗到細方案引入的重大錯誤中恢復。然而，關閉此選項可以使輸出光流場更平滑一些。

virtual float	getVariationalRefinementAlpha () const =0
	平滑項的權重。

virtual float	getVariationalRefinementDelta () const =0
	顏色恆定項的權重。

virtual float	getVariationalRefinementEpsilon () const =0
	魯棒懲罰項的範數值偏移。

virtual float	getVariationalRefinementGamma () const =0
	梯度恆定項的權重。

virtual int	getVariationalRefinementIterations () const =0
	每個尺度的變分細化不動點迭代次數。設定為零以完全停用變分細化。更高的值通常會產生更平滑和高質量的光流。

virtual void	setFinestScale (int val)=0
	計算光流的高斯金字塔最精細級別（零級別對應於原始影像解析度）。最終光流透過雙線性上取樣獲得。

virtual void	setGradientDescentIterations (int val)=0
	塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

virtual void	setPatchSize (int val)=0
	用於匹配的影像塊大小（以畫素為單位）。通常，預設的8x8塊在大多數情況下都足夠好用。

virtual void	setPatchStride (int val)=0
	相鄰塊之間的步幅。必須小於塊大小。值越低對應更高的光流質量。

virtual void	setUseMeanNormalization (bool val)=0
	計算塊距離時是否使用塊的均值歸一化。預設情況下啟用，因為它通常能顯著提高質量，因為對光照變化的魯棒性增強。如果您確定序列不包含任何光照變化，請關閉它。

virtual void	setUseSpatialPropagation (bool val)=0
	是否使用良好光流向量的空間傳播。此選項預設開啟，因為它通常平均效果更好，有時可以幫助從DIS光流演算法採用的粗到細方案引入的重大錯誤中恢復。然而，關閉此選項可以使輸出光流場更平滑一些。

virtual void	setVariationalRefinementAlpha (float val)=0
	平滑項的權重。

virtual void	setVariationalRefinementDelta (float val)=0
	顏色恆定項的權重。

virtual void	setVariationalRefinementEpsilon (float val)=0
	魯棒懲罰項的範數值偏移。

virtual void	setVariationalRefinementGamma (float val)=0
	梯度恆定項的權重。

virtual void	setVariationalRefinementIterations (int val)=0
	塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

繼承自 cv::DenseOpticalFlow 的公共成員函式
virtual void	calc (InputArray I0, InputArray I1, InputOutputArray flow)=0
	計算光流。

virtual void	collectGarbage ()=0
	釋放所有內部緩衝區。

繼承自 cv::Algorithm 的公共成員函式
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除演算法狀態。

virtual bool	empty () const
	如果 Algorithm 為空（例如，在最開始或讀取不成功後），則返回true。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。

virtual void	save (const String &filename) const

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

virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。

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

靜態公共成員函式
static Ptr< DISOpticalFlow >	create (int preset=DISOpticalFlow::PRESET_FAST)
	建立 DISOpticalFlow 的例項。

繼承自 cv::Algorithm 的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

其他繼承成員
繼承自 cv::Algorithm 的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

DIS 光流演算法。

此類實現了密集逆搜尋（Dense Inverse Search，DIS）光流演算法。有關該演算法的更多詳細資訊，請參見 [153]。包含三個預設，引數預選，可在速度和質量之間提供合理的權衡。然而，即使最慢的預設也相對較快，如果您需要更好的質量且不關心速度，請使用DeepFlow。

與論文中描述的演算法相比，此實現包含幾個附加功能，包括光流向量的空間傳播（getUseSpatialPropagation），以及利用傳遞給 calc 的初始光流近似的選項（如果傳遞前一幀的光流場，這本質上是時間傳播）。

成員列舉文件

◆ 匿名列舉

匿名列舉

列舉器
PRESET_ULTRAFAST
PRESET_FAST
PRESET_MEDIUM

成員函式文件

◆ create()

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

static

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

建立 DISOpticalFlow 的例項。

引數

preset PRESET_ULTRAFAST、PRESET_FAST 和 PRESET_MEDIUM 之一

◆ getFinestScale()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getFinestScale(		) ->	retval

計算光流的高斯金字塔最精細級別（零級別對應於原始影像解析度）。最終光流透過雙線性上取樣獲得。

另請參見: setFinestScale

◆ getGradientDescentIterations()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getGradientDescentIterations(		) ->	retval

塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

另請參見: setGradientDescentIterations

◆ getPatchSize()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getPatchSize(		) ->	retval

用於匹配的影像塊大小（以畫素為單位）。通常，預設的8x8塊在大多數情況下都足夠好用。

另請參見: setPatchSize

◆ getPatchStride()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getPatchStride(		) ->	retval

相鄰塊之間的步幅。必須小於塊大小。值越低對應更高的光流質量。

另請參見: setPatchStride

◆ getUseMeanNormalization()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getUseMeanNormalization(		) ->	retval

計算塊距離時是否使用塊的均值歸一化。預設情況下啟用，因為它通常能顯著提高質量，因為對光照變化的魯棒性增強。如果您確定序列不包含任何光照變化，請關閉它。

另請參見: setUseMeanNormalization

◆ getUseSpatialPropagation()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getUseSpatialPropagation(		) ->	retval

是否使用良好光流向量的空間傳播。此選項預設開啟，因為它通常平均效果更好，有時可以幫助從DIS光流演算法採用的粗到細方案引入的重大錯誤中恢復。然而，關閉此選項可以使輸出光流場更平滑一些。

另請參見: setUseSpatialPropagation

◆ getVariationalRefinementAlpha()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getVariationalRefinementAlpha(		) ->	retval

平滑項的權重。

另請參見: setVariationalRefinementAlpha

◆ getVariationalRefinementDelta()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getVariationalRefinementDelta(		) ->	retval

顏色恆定項的權重。

另請參見: setVariationalRefinementDelta

◆ getVariationalRefinementEpsilon()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getVariationalRefinementEpsilon(		) ->	retval

魯棒懲罰項的範數值偏移。

另請參見: setVariationalRefinementEpsilon

◆ getVariationalRefinementGamma()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getVariationalRefinementGamma(		) ->	retval

梯度恆定項的權重。

另請參見: setVariationalRefinementGamma

◆ getVariationalRefinementIterations()

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

純虛擬函式

Python
	cv.DISOpticalFlow.getVariationalRefinementIterations(		) ->	retval

每個尺度的變分細化不動點迭代次數。設定為零以完全停用變分細化。更高的值通常會產生更平滑和高質量的光流。

另請參見: setGradientDescentIterations

◆ setFinestScale()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setFinestScale(	val	) ->	無

計算光流的高斯金字塔最精細級別（零級別對應於原始影像解析度）。最終光流透過雙線性上取樣獲得。

另請參見: getFinestScale

◆ setGradientDescentIterations()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setGradientDescentIterations(	val	) ->	無

塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

另請參見: getGradientDescentIterations

◆ setPatchSize()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setPatchSize(	val	) ->	無

用於匹配的影像塊大小（以畫素為單位）。通常，預設的8x8塊在大多數情況下都足夠好用。

另請參見: getPatchSize

◆ setPatchStride()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setPatchStride(	val	) ->	無

相鄰塊之間的步幅。必須小於塊大小。值越低對應更高的光流質量。

另請參見: getPatchStride

◆ setUseMeanNormalization()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setUseMeanNormalization(	val	) ->	無

計算塊距離時是否使用塊的均值歸一化。預設情況下啟用，因為它通常能顯著提高質量，因為對光照變化的魯棒性增強。如果您確定序列不包含任何光照變化，請關閉它。

另請參見: getUseMeanNormalization

◆ setUseSpatialPropagation()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setUseSpatialPropagation(	val	) ->	無

是否使用良好光流向量的空間傳播。此選項預設開啟，因為它通常平均效果更好，有時可以幫助從DIS光流演算法採用的粗到細方案引入的重大錯誤中恢復。然而，關閉此選項可以使輸出光流場更平滑一些。

另請參見: getUseSpatialPropagation

◆ setVariationalRefinementAlpha()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setVariationalRefinementAlpha(	val	) ->	無

平滑項的權重。

另請參見: getVariationalRefinementAlpha

◆ setVariationalRefinementDelta()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setVariationalRefinementDelta(	val	) ->	無

顏色恆定項的權重。

另請參見: getVariationalRefinementDelta

◆ setVariationalRefinementEpsilon()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setVariationalRefinementEpsilon(	val	) ->	無

魯棒懲罰項的範數值偏移。

另請參見: getVariationalRefinementEpsilon

◆ setVariationalRefinementGamma()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setVariationalRefinementGamma(	val	) ->	無

梯度恆定項的權重。

另請參見: getVariationalRefinementGamma

◆ setVariationalRefinementIterations()

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

純虛擬函式

Python
	cv.DISOpticalFlow.setVariationalRefinementIterations(	val	) ->	無

塊逆搜尋階段中梯度下降迭代的最大次數。在某些情況下，更高的值可能會提高質量。

另請參見: getGradientDescentIterations

此類的文件由以下檔案生成

opencv2/video/tracking.hpp

公共型別

公共成員函式

靜態公共成員函式

其他繼承成員

詳細描述

成員列舉文件

◆ 匿名列舉

成員函式文件

◆ create()

◆ getFinestScale()

◆ getGradientDescentIterations()

◆ getPatchSize()

◆ getPatchStride()

◆ getUseMeanNormalization()

◆ getUseSpatialPropagation()

◆ getVariationalRefinementAlpha()

◆ getVariationalRefinementDelta()

◆ getVariationalRefinementEpsilon()

◆ getVariationalRefinementGamma()

◆ getVariationalRefinementIterations()

◆ setFinestScale()

◆ setGradientDescentIterations()

◆ setPatchSize()

◆ setPatchStride()

◆ setUseMeanNormalization()

◆ setUseSpatialPropagation()

◆ setVariationalRefinementAlpha()

◆ setVariationalRefinementDelta()

◆ setVariationalRefinementEpsilon()

◆ setVariationalRefinementGamma()

◆ setVariationalRefinementIterations()