後續將簡單介紹光流法的一些簡單實現包，包括opencv下的光流演算法與matlab下的光流演算法。該節主要介紹opencv下的光流實現。

Opencv的光流實現由好幾個方法可以（也就是說有好幾個函式可以用），每個函式當然也對應著不同的原理，那麼它的效果以及演算法的速度等等就會有一些差別。主要包括以下幾種：
calcOpticalFlowPyrLK
calcOpticalFlowFarneback
calcOpticalFlowBM
calcOpticalFlowHS
calcOpticalFlowSF

這裡先簡單介紹下calcOpticalFlowPyrLK函式
calcOpticalFlowPyrLK函式使用形式：
calcOpticalFlowPyrLK(prevImg,nextImg,prevPts,nextPts,status,err)
這個函式還有一些可選引數，一大堆，詳細的說明可以看

這裡只是貼出了主要的幾個輸入輸出：
prevImg：就是你需要輸入計算光流的前一幀影象

nextImg就是下一幀影象（可以看到一次光流就是在兩針影象之間找不同）。

prevPts是前一幀影象中的特徵點，這個特徵點必須自己去找，所以在使用calcOpticalFlowPyrLK函式的時候，前面需要有一個找特徵點的操作，那麼一般就是找影象的角點，就是一個畫素點與周圍畫素點都不同的那個點，這個角點特徵點的尋找，opencv也提供夜歌函式：goodFeatureToTrack(）（後面再介紹這個函式）。那麼關於特徵點有沒有其他的方式呢？肯定是有的而且還很多吧。

nextPts引數就是計算特徵點在第二幅影象中的新的位置，然後輸出。特徵點的新位置可能變化了，也可能沒有變化，那麼這種狀態就存放在後一個引數status中。err就是新舊兩個特徵點位置的誤差了，也是一個輸出矩陣。
其他引數預設吧。

關於特徵角點檢測函式goodFeatureToTrack(）
goodFeaturesToTrack(image,corners,maxCorners,qualityLevel,minDistance）
函式的引數：
image輸入影象；
corners輸出的特徵點系列，每一個元素就是一個特徵點的位置。
maxCorners規定的特徵點最大數目，比如一副影象你可以找到很多特徵點，但是隻是取前maxCorners個具有最大特徵的那些點作為最後的特徵點，至於怎麼判斷哪些點的特徵更好了，opencv自有一個機制，隨便一個方法，比如計算一下這個點與周圍一定領域的點的灰度相差求和，認為這個和越大的那些點是不是越屬於特徵點。
qualityLevel

比如說一個例子如下：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace std;
using namespace cv;
int main()
{
    Mat I1;
    Mat I2;
    vector<Point2f> features;
    int maxCout = 50;//定義最大個數
    double minDis = 20;//定義最小距離
    double qLevel = 0.01;//定義質量水平

    I1 = imread("I1.jpg",0);//讀取為灰度影象
    goodFeaturesToTrack(I1,features,maxCout,qLevel,minDis);
    for(int i=0;i<features.size();i++)
    {
        //將特徵點畫一個小圓出來--粗細為2
        circle(I1,features[i],3,Scalar(255),2);
    }
    imshow("features",I1);
    waitKey(0);
    return 0;
}

修改下 int maxCout = 100;//定義最大個數
double minDis = 10;//定義最小距離

下面通過這種特徵點來以及L-K光流法來檢測兩幅相鄰幀影象之間的移動點。首先自己準備兩幅圖吧，圖中要有運動的目標才好，然後我們就這兩幅圖簡單的看下里面的運動目標的特徵點的運動吧，一個簡單程式如下：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/video/video.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/types_c.h>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;
int main()
{
    Mat I1;
    Mat I2;
    vector<Point2f> features;
    vector<Point2f> features_after;
    vector<uchar> status;
    vector<float> err;
    int maxCout = 300;//定義最大個數
    double minDis = 10;//定義最小距離
    double qLevel = 0.01;//定義質量水平
    //讀取兩個影象---相鄰幀
    I1 = imread("I1.jpg",0);//讀取為灰度影象
    I2 = imread("I2.jpg",0);
    //檢測第一幀的特徵點
    goodFeaturesToTrack(I1,features,maxCout,qLevel,minDis);
    //計算出第二幀的特徵點
    calcOpticalFlowPyrLK(I1,I2,features,features_after,status,err);
    //判別哪些屬於運動的特徵點
    int k = 0;
    for(int i=0;i<features_after.size();i++)
    {
        //狀態要是1，並且座標要移動下的那些點
        if(status[i]&&((abs(features[i].x-features_after[i].x)+
            abs(features[i].y-features_after[i].y))>4))
        {
            features_after[k++] = features_after[i];
        }
    }
    features_after.resize(k);//擷取
    cout<<k<<endl;
    for(int i=0;i<features_after.size();i++)
    {
        //將特徵點畫一個小圓出來--粗細為2
        circle(I1,features_after[i],3,Scalar(255),2);
    }
    imshow("features",I1);
    waitKey(0);
    return 0;
}

我的這兩幅樹葉圖是存在這一些變化的，尤其樹存在的地方，由於需要動態的來回切換著看才能看出變化，所以這裡不太好顯示這兩幅圖的變化，這裡吧他們相差的圖做出來如下：

可以看到的是越白的地方就是存在著不一致，也就是存在著明顯運動的地方。和上面角點檢測的還是有點符合的。
當然，我這可能只是連續兩幀運動情況下的跟蹤的特徵點，如果是一個視訊（連續的很多幀），那麼把每兩幀之間的運動點連線起來，就可以發現運動的物體的整個軌跡了。像網上部落格有人做過的貼幾個：