opencv学习:光流估计及完整代码实现

光流估计是什么？

是空间运动物体在观测成像平面上的像素运动的“瞬时速度”，根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。

基本原理

（1）亮度恒定：同一点随着时间的变化，其亮度不会发生改变。

（2）小运动：随着时间的变化不会引起位置的剧烈变化，只有小运动情况下才能用前后帧之间单位位置变化引起的灰度变化去近似灰度对位置的偏导数。

（3）空间一致：一个场景上邻近的点投影到图像上也是邻近点，且邻近点速度一致。因为光流法基本方程约束只有一个，而要求x，y方向的速度，有两个未知变量。所以需要连立n多个方程求解。

光流估计的计算过程主要分为两个步骤：

1. 特征提取：在图像中选择合适的像素点作为特征点，通常选择具有较大亮度梯度的像素点（如边缘、角点等）。
2. 光流计算：通过比较相邻两帧图像中特征点的亮度变化，计算出这些点的运动速度和方向。

代码步骤

1. 初始化视频源：使用cv2.VideoCapture打开视频文件。

   import cv2
   import numpy as np
   cap=cv2.VideoCapture('test.avi')

2. 读取视频帧：读取视频的第一帧，并将其转换为灰度图像。

   #