详细介绍：OpenCV稠密光流估计的一个类cv::optflow::DenseRLOFOpticalFlow

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

cv::optflow::DenseRLOFOpticalFlow 是OpenCV 中用于稠密光流估计的一个类，属于optflow模块。它是RLOF（Regularized Location-Only Flow）算法的一种实现，用于计算视频帧之间的像素级运动矢量。

DenseRLOFOpticalFlow 是一种基于稀疏特征匹配 + 插值的稠密光流算法，其主要特点包括：

• 基于稀疏特征点（如 FAST、ORB）进行初始匹配；
• 使用正则化插值方法将稀疏匹配扩展为全图像素级别的光流场（稠密光流）；
• 可以处理大位移运动（相比传统 LK 光流更鲁棒）；
• 支持自定义特征检测器和描述子；
• 适用于视频稳定、动作分析、视频插值等任务。

常用静态方法

1.创建函数

static Ptr<DenseRLOFOpticalFlow> cv::optflow::DenseRLOFOpticalFlow::create
  (
  Ptr< RLOFOpticalFlowParameter > rlofParam = Ptr< RLOFOpticalFlowParameter >
    (),
    float forwardBackwardThreshold = 1.f,
    Size gridStep = Size(6, 6),
    InterpolationType interp_type = InterpolationType::INTERP_EPIC,
    int epicK = 128,
    float epicSigma = 0.05f,
    float epicLambda = 999.0f,
    int ricSPSize = 15,
    int ricSLICType = 100,
    bool use_post_proc = true,
    float fgsLambda = 500.0f,
    float fgsSigma = 1.5f,
    bool use_variational_refinement = false
    )

参数：

参数名	类型	默认值	说明
rlofParam	Ptr	nullptr	可选：自定义参数对象。如果传入，则其他参数将被忽略。
forwardBackwardThreshold	float	1.0f	正向/反向一致性检查的阈值。用于剔除不一致的匹配点。值越大越宽松。
gridStep	Size	(6, 6)	稠密插值时使用的网格步长。值越小，插值越密集，计算量越大。
interp_type	InterpolationType	InterpolationType::INTERP_EPIC	插值类型，可选：INTERP_LINEAR, INTERP_EPIC, INTERP_RIC
epicK	int	128	EPIC 插值中使用的邻域大小。控制局部特征的范围。
epicSigma	float	0.05f	EPIC 中高斯核的标准差，影响平滑程度。
epicLambda	float	999.0f	EPIC 中正则化系数，防止过拟合。值越大越平滑。
ricSPSize	int	15	RIC 插值中的超像素大小。仅在使用 INTERP_RIC 时有效。
ricSLICType	int	100	SLIC 超像素分割类型。仅在使用 INTERP_RIC 时有效。
use_post_proc	bool	true	是否启用后处理步骤（如去噪、平滑）。
fgsLambda	float	500.0f	FGS 后处理中的正则化系数。控制平滑强度。
fgsSigma	float	1.5f	FGS 后处理中的高斯核标准差。
use_variational_refinement	bool	false	是否使用变分优化进一步提升精度（会显著增加计算时间）。

2. calc(InputArray I0, InputArray I1, OutputArray flow) 计算从 I0 到 I1 的光流
3. setFeatureDetector(Ptr detector) 设置自定义特征检测器
4. setFeaturesToTrack(int numFeatures) 设置每帧中最多使用的特征点数

代码示例

#include <opencv2/opencv.hpp>
  #include <opencv2/optflow/rlofflow.hpp>
    using namespace cv;
    using namespace std;
    // 将光流向量转换为 HSV 图像以便可视化
    Mat visualizeFlow( const Mat& flow )
    {
    vector< Mat > planes;
      // ✅ 正确声明 planes 为 vector<Mat>
        split( flow, planes );
        // 自动拆分为两个通道：x-flow 和 y-flow
        Mat mag, angle;
        cartToPolar( planes[ 0 ], planes[ 1 ], mag, angle, true );
        // 计算幅度和角度
        normalize( mag, mag, 0, 1, NORM_MINMAX );
        // 归一化到 [0, 1]
        // HSV 颜色空间可视化
        Mat hsv[ 3 ];
        hsv[ 0 ] = angle;
        // Hue = 方向
        hsv[ 1 ] = Mat::ones( angle.size(), CV_32F );
        // Saturation = 1
        hsv[ 2 ] = mag;
        // Value = 幅度
        Mat hsvFull;
        merge( hsv, 3, hsvFull );
        // 合并三个通道
        hsvFull.convertTo( hsvFull, CV_8U, 255.0 );
        // 转换为 8U 类型用于显示
        Mat rgbOut;
        cvtColor( hsvFull, rgbOut, COLOR_HSV2BGR );
        // 转换为 BGR 显示图像
        return rgbOut;
        }
        int main()
        {
        // 读取两帧图像（灰度图）
        Mat frame1 = imread( "/media/dingxin/data/study/OpenCV/sources/images/left01.jpg", IMREAD_COLOR );
        Mat frame2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/right01.jpg", IMREAD_COLOR );
        if ( frame1.empty() || frame2.empty() )
        {
        cerr <<
        "无法加载图像！" << endl;
        return -1;
        }
        // 创建 DenseRLOF 实例并设置高级参数
        Ptr< optflow::DenseRLOFOpticalFlow > rlof = optflow::DenseRLOFOpticalFlow::create( nullptr, // 使用默认参数对象
          1.0f, // forwardBackwardThreshold
          Size( 8, 8 ), // gridStep
          optflow::INTERP_EPIC, // interp_type
          128, // epicK
          0.05f, // epicSigma
          1000.0f, // epicLambda
          15, // ricSPSize
          100, // ricSLICType
          true, // use_post_proc
          500.0f, // fgsLambda
          1.5f, // fgsSigma
          false // use_variational_refinement
          );
          // 计算稠密光流
          Mat flow;
          rlof->
          calc( frame1, frame2, flow );
          // 可视化结果
          Mat flowImage = visualizeFlow( flow );
          imshow( "Frame 1", frame1 );
          imshow( "Frame 2", frame2 );
          imshow( "Dense RLOF Optical Flow", flowImage );
          waitKey( 0 );
          return 0;
          }

运行结果