初学图像处理--跟踪视频中的特征点（光流法）

本来是先学跟踪视频中运动目标，看《opencv2 计算机视觉编程手册》走错了路，就先学了这块。废话不多说，代码先贴上来，已运行成功。、

#include "stdafx.h"#include <opencv2/video/video.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <opencv2/core/core.hpp> #include <iostream>#include <cstdio> using namespace std;using namespace cv; void tracking(Mat &frame, Mat &output); bool addNewPoints(); bool acceptTrackedPoint(int i); string window_name = "optical flow tracking"; Mat gray;        // 当前图片 Mat gray_prev;        // 预测图片 vector<Point2f> points[2];        // point0为特征点的原来位置，point1为特征点的新位置 vector<Point2f> initial;        // 初始化跟踪点的位置 vector<Point2f> features;        // 检测的特征 int maxCount = 500;        // 检测的最大特征数 double qLevel = 0.01;        // 特征检测的等级 double minDist = 10.0;        // 两特征点之间的最小距离 vector<uchar> status;        // 跟踪特征的状态，特征的流发现为1，否则为0 vector<float> err; int main() {         Mat frame;         Mat result; //         CvCapture* capture = cvCaptureFromCAM( -1 );        // 摄像头读取文件开关         VideoCapture capture("C:\\Users\\Administrator\\Desktop\\数据\\chuli\\chuli\\car.avi");         if(capture.isOpened()/*capture*/)        // 摄像头读取文件开关         {                 while(true)                 { //                         frame = cvQueryFrame( capture );        // 摄像头读取文件开关                         capture >> frame;                         if(!frame.empty())                         {                                 tracking(frame, result);                         }                         else                         {                                 printf(" --(!) No captured frame -- Break!");                                 break;                         }                         int c = waitKey(100);                         if( (char)c == 27 )                         {                                 break;                         }                 }         }         return 0; } ////////////////////////////////////////////////////////////////////////// // function: tracking // brief: 跟踪 // parameter: frame        输入的视频帧 //                          output 有跟踪结果的视频帧 // return: void ////////////////////////////////////////////////////////////////////////// void tracking(Mat &frame, Mat &output) {         cvtColor(frame, gray, CV_BGR2GRAY);         frame.copyTo(output);         // 添加特征点         if (addNewPoints())         {                 goodFeaturesToTrack(gray, features, maxCount, qLevel, minDist);                 points[0].insert(points[0].end(), features.begin(), features.end());                 initial.insert(initial.end(), features.begin(), features.end());         }         if (gray_prev.empty())         {                 gray.copyTo(gray_prev);         }         // l-k光流法运动估计         calcOpticalFlowPyrLK(gray_prev, gray, points[0], points[1], status, err);         // 去掉一些不好的特征点         int k = 0;         for (size_t i=0; i<points[1].size(); i++)         {                 if (acceptTrackedPoint(i))                 {                         initial[k] = initial[i];                         points[1][k++] = points[1][i];                 }         }         points[1].resize(k);         initial.resize(k);         // 显示特征点和运动轨迹         for (size_t i=0; i<points[1].size(); i++)         {                 line(output, initial[i], points[1][i], Scalar(0, 0, 255));                 circle(output, points[1][i], 3, Scalar(255, 0, 0), -1);         }         // 把当前跟踪结果作为下一此参考         swap(points[1], points[0]);         swap(gray_prev, gray);         imshow(window_name, output); } ////////////////////////////////////////////////////////////////////////// // function: addNewPoints // brief: 检测新点是否应该被添加 // parameter: // return: 是否被添加标志 ////////////////////////////////////////////////////////////////////////// bool addNewPoints() {         return points[0].size() <= 10; } ////////////////////////////////////////////////////////////////////////// // function: acceptTrackedPoint // brief: 决定哪些跟踪点被接受 // parameter: // return: ////////////////////////////////////////////////////////////////////////// bool acceptTrackedPoint(int i) {         return status[i] && ((abs(points[0][i].x - points[1][i].x) + abs(points[0][i].y - points[1][i].y)) > 2); }

此方法中处理视频帧用的是函数，其实并不是很好，使用处理帧类会更加灵活。但自己并没有调试出来，一直报错，还需努力。