光流的簡單情況

一般：我希望我要描述的用例是一個光流問題的簡單情況，因爲我對這個主題沒有太多的知識，所以我想知道如果有人對我如何解決我的問題有任何建議。光流的簡單情況

研究，我已經做了：我已經開始閱讀High Accuracy Optical Flow Estimation Based on a Theory for Warping紙，就準備看在Particle Video紙。我發現一個MATLAB High Accuracy Optical Flow實現光流。然而，論文（和代碼）似乎描述了非常複雜的概念，可能需要很多時間才能深入並理解。我希望解決我的問題可能更簡單。

問題：我有一系列圖像。圖像描繪了材料破損過程，其中材料和背景是黑色的且裂縫是白色的。我有興趣反向掃描圖像序列，試圖將破損過程中形成的所有裂紋映射到第一張黑色圖像。你可以將這些材料想象成一個巨大的謎題，我試圖將這些材料以相反的順序放回到原來的位置。

在每個圖像中，可能會出現一些剛剛出現的裂縫和/或已經完全形成的裂縫（從而產生碎片）。在整個破碎過程中，一些碎片可能會分離並進一步破碎。碎片也可以彼此遠離（後續幀之間的變化很小）。

所需輸出：序列中的所有裂紋/線條都映射到序列中的第一個圖像。

附加說明：圖像以灰度格式（即原始）以及二進制格式提供，其中裂縫已用白色表示並且背景爲完全黑色。請參閱下面的一些圖像示例。

orig_img1 orig_img2 orig_img3

binary_img1 binary_img2 binary_img3

頂行示出了原始圖像和底部行示出了二值圖像。正如你所看到的，隨着圖像序列的進展，中間的裂縫會越來越寬。因此，底部裂縫與下部碎片一起移動。當逆向遍歷序列時，我希望通過算法實現中間裂縫作爲一個整體（並將其正確映射到第一個圖像），並且還正確映射底部裂縫，保持其正確對應（大小和位置）與底部片段。

一個序列通常包含大約30〜40個圖像，所以我剛剛展示了初始子集。而且，儘管這些圖像沒有顯示出來，但是特定的圖像可能只包含裂紋的開始（即其初始外觀），並且在隨後的圖像中它變得越來越長並且可能與其他裂縫結合。

語言：儘管沒有必要，但我想用MATLAB來實現這個解決方案（只是因爲與項目有關的其他大部分代碼都是在MATLAB中完成的）。但是，如果OpenCV可能更容易，我的語言/庫使用靈活。

任何想法，不勝感激。

來源

2011-05-26 Myx

光流不會爲黑白圖像提供有意義的結果。另外，你的問題沒有詳細說明 - 你想要的輸出是什麼？和往常一樣，示例圖像當然有助於理解設置。 – etarion 2011-05-26 16:48:04

爲什麼最後的圖像不是所需的輸出？碎片可以相互移動嗎？ – Andrey 2011-05-26 17:26:27

請確實提供圖片。一般來說，算法需要紋理，並不適合二值圖像。如果您提供了您閱讀過的論文的名稱，而不是指向PDF的鏈接，那麼我會提供幫助。 – 2011-05-26 17:52:36

往前而不是反向，並且不使用光流。使用裂縫線分割黑色部分，隨着時間的推移跟蹤每個黑色部分的質心。每當出現穿過黑色段的新裂縫線時，將該段拆分爲兩個，並分別繼續跟蹤每個段。

由此您應該能夠構建代表黑色部分隨時間變化的樹狀結構。骨折線可以作爲元數據添加到該樹中，可能會將骨折線分配給它們首次出現的節點節點。

來源

2011-06-13 08:35:19 damian

我建議你按照你最初的想法回溯裂縫。喲有點知道裂紋的樣子，所以你可以追蹤所有屬於裂紋的點。您只需使用光學流量跟蹤器跟蹤所有白點，從Lukas-Kanade跟蹤器開始，並查看您的位置。高精度的光流法是一種全球性的更一般的方法，我會跟蹤圖像中的所有像素，試圖在任何地方保持一定的平滑度。 LK是一種局部方法，只需在每個點周圍使用一個小窗口來進行跟蹤。問題是，所有像素的裂縫都是純黑色的，所以沒有任何可以跟蹤的地方，你只需要腰部時間試圖跟蹤你無法跟蹤的東西，而且你不需要跟蹤。如果線條非常直，您可能會得到所謂的aperture problem，您將得到不準確的結果。你也可以嘗試一些基於蛇的形狀擬合/變形。

來源

2013-08-01 16:14:40 paghdv

我同意damian。像HAOF這樣的大多數光學流動方法依賴於強度常數的一階泰勒近似constrian方程I（x，t）= I（x + v，t + dt）。這意味着解決方案取決於圖像導數，其中梯度確定運動矢量幅度和角度，即您需要一定數量的紋理。但是，非二值化圖像的紋理非常低可能就足夠了。您可以嘗試使用直方圖均衡來增加輸入數據的對比度，但對兩個輸入圖像應用相同的變換非常重要。例如如下所示：

cv::Mat equalizeMat(grayInp1.rows, grayInp1.cols * 2 , CV_8UC1); 
grayInp1.copyTo(equalizeMat(cv::Rect(0,0,grayInp1.cols,grayInp1.rows))); 
grayInp2.copyTo(equalizeMat(cv::Rect(grayInp1.cols,0,grayInp2.cols,grayInp2.rows))); 
cv::equalizeHist(equalizeMat,equalizeMat); 
equalizeMat(cv::Rect(0,0,grayInp1.cols,grayInp1.rows)).copyTo(grayInp1); 
equalizeMat(cv::Rect(grayInp1.cols,0,grayInp2.cols,grayInp2.rows)).copyTo(grayInp2); 
// estimate optical flow

來源

2015-11-16 22:23:35

光流的簡單情況

回答

相關問題