笔记和用法都在代码注释中：
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# ------------------------------------------
# cv.2calcOpticalFlowPyrLK():
# prevlmage 前一帧图像
# nextlmage 当前祯图像
# prePts 待跟踪的特征点向量
# winSize 搜索窗口的大小
# maxLevel 最大的 金字塔层数
#
# 返回值 ：
# nextPts 跟踪特征点向量
# status 特征点是否找到 ，找到的状态 为1 ，未找到的 状态为 0
# --------------------------------------------------------------
cap = cv.VideoCapture('game.mp4')
# 角点检测所需参数 ：
feature_params = dict(
maxCorners = 100,
qualityLevel = 0.3, # 品质因子 ！ 帮我判断 ，（ 对角点进行筛选 ，值越大，角点越少 ）
minDistance = 7 # 设置一个 最小距离 ， 选择一个最强的 角点 （还是筛选操作）
)
# lucas kanade 参数 ：
lk_params = dict(
winSize=(15,15),
maxLevel = 2
)
# 随机颜色条 ：
color = np.random.randint(0,255,(100,3))
# 拿到 第一帧图像 ：
ret,old_frame = cap.read()
old_gray = cv.cvtColor(old_frame,cv.COLOR_BGR2GRAY)
# 返回所有检测特征点 ， 需要输入图像 ， 角点最大数量 （效率）,品质因子（特征值越大越好，来筛选）
#距离相当于 这区间有 这个角点强的 ，就不要这个 弱的了 ！
p0 = cv.goodFeaturesToTrack(old_frame,mask=None,**feature_params) # 第一个参数 ：图像
# 将第一帧 进行角点 计算
# 创建一个massk
mask = np.zeros_like(old_frame)
while(True):
ret,frame = cap.read() # 每次读取 一帧图像
frame_gray = cv.cvtColor(frame,cv.COLOR_BGR2GRAY)
# 需要传入 前一帧 和 当前图像 以及前一帧 检测到的角点 ！ 【 最上面有 解释 ！！！】
p1,st,err = cv.calcOpticalFlowPyrLK(old_gray,frame_gray,p0,None,**lk_params)
#st=1表示 ：
good_new = p1[st==1]
good_old = p0[st==1]
# 绘制轨迹
for i,(new,old) in enumerate(zip(good_new,good_old)):
a,b = new.ravel()
c,d = old.ravel()
mask = cv.line(mask, (a,b), (c,d), color[i].tolist(),2)
frame = cv.circle(frame,(a,b),5,color[i].tolist(),-1)
img = cv.add(frame,mask)
cv.imshow('frame',img)
k = cv.waitKey(150) & 0xff
if k == 27:
break
# 更新 ：
old_gray = frame_gray.copy()
p0 = good_new.reshape(-1,1,2)
cv.destroyAllWindows()
cap.release()
# --------学习网址： https://www.bilibili.com/video/BV1PV411774y?p=81
|