内容发布更新时间 : 2026/1/24 22:28:47星期一 下面是文章的全部内容请认真阅读。
H-S光流算法及仿真总结
一、光流的概念
二维图像是三维实景在成像面的投影，反映了三维实景中物体的位置等信息。
假设Po是三维实景中的一点，Pi是Po在成像面上的投影，Po的运动反映在成像面中就是Pi的运动，假设Po在δt时间内运动了δs到Po’,Pi则运动了δs’到Pi，Pi运动的速度为
?s'。如下图所示： ?tPo’ 成像面Po Pi Pi’ 图1 Po的运动在成像面上反映为Pi的运动
Pi的运动速度
景中物体的位置、运动等信息。
?s'就是Pi的光流。由此得出，光流就是三维实景在成像面?t上的投影的运动速度。三维实景中的某一点在成像面上的投影的运动速度形成点光流，所有点在成像面上的投影的运动速度则形成光流场。光流场反映了三维实
光照的变化必然引起光流的变化，有些运动不产生光流，如光照不变时，均匀亮度的球体绕中心轴自转的运动。因此我们在研究实际问题时常常假设光照亮度不变。
二、光流的H-S算法
1、光流基本约束方程
假定：1、图像的灰度始终不变，2、光流在整个图像中满足一定的约束条件，
1
即全局性约束，3光流在整个图像中均匀变化， 无重叠，即平滑性约束。
设I（x，y，t）是图像上点（x，y）某一时刻t的亮度，u（x，y）和v（x，y）分别是点（x，y）在x方向和y方向上的光流分量，点（x，y）在t+δt时间内运动到（x+δx，y+δy），其中，δx=u*δt，δy=v*δt。
由于亮度不变，所以有
I（x+δx，y+δy，t+δt）=I（x，y，t） 用泰勒级数展开得
I(x,y,t)??I?I?Idx?dy?dt???I(x,y,t) ?x?y?t其中ε是关于δx、δy、δt的二阶以上的项，可以忽略不计 两边同除以δt得
?Idx?IdydI???0 ?xdt?ydtdtIx?设
?I?I?IdxdyIy?It?u?v??y，?x，?t，dt，dt，则有
光流基本约束方程
Ixu?Iyv?It?0
2、H-S提出的光流算法迭代方程 迭代方程
u(k?1)?u(k)?IxIxu(k)?Iyv(k)?It??I?I22x2y，v(k?1)?v(k)?IyIxu(k)?Iyv(k)?It??I?I22x2y
其中，k是迭代次数， u和v是光流局部平均值，?为权重系数。 三、H-S光流算法在matlAB中的仿真
1、利用imread（）读取用来计算光流的两幅图像im1和im2 ； 2、利用函数rgb2gray（）将两幅图像转化为灰度值并存入im1、im2； 3、利用构造函数smoothImg（）对im1、im2进行平滑性处理，公式如下：
G?12??e2???1,x?(?,),??2(3?)2??22，其中
?x2Im1=Conv2（conv2(im1,G,)，G），Im2=Conv2（conv2(im2,G,)，G），conv2（）为求卷积函数
2
4、设置u、v的初始值，都取0；
5、利用构造函数computeDerivatives（）求Ix、Iy和It，公式如下： Ix = conv2(im1,0.25* [-1 1; -1 1]) + conv2(im2, 0.25*[-1 1; -1 1]) Iy = conv2(im1, 0.25*[-1 -1; 1 1]) + conv2(im2, 0.25*[-1 -1; 1 1]) It = conv2(im1, 0.25*ones(2)) + conv2(im2, -0.25*ones(2)) 6、利用卷积求u和v，公式如下： uAvg=conv2(u,kernel_1) vAvg=conv2(v,kernel_1)
kernel_1= [1/12 1/6 1/12;1/6 0 1/6;1/12 1/6 1/12] 7、利用H-S迭代公式求u、v
??u(k?1)?u(k)?Ixλ=1
Ixu(k)?Iyv(k)?It??I?I22x2yv(k?1)?v(k)?Iy，
Ixu(k)?Iyv(k)?It2?2?Ix2?Iy，k=100，
8、利用quiver（）绘制光流图。
3