• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

cv::cuda::BroxOpticalFlow 是 OpenCV CUDA 模塊中實現Brox光流算法的類。該類用于在 GPU 上高效地計算兩幀圖像之間的稠密光流（Dense Optical Flow）。

什么是 Brox 光流？

Brox 光流算法是由 Thomas Brox 等人在 2004 年提出的一種基于變分法的稠密光流估計方法，它結合了：

• 亮度一致性約束（Brightness Constancy Constraint）
• 運動平滑性約束（Smoothness Constraint）
• 梯度一致性約束（Gradient Constancy Constraint）

這個算法在準確性和魯棒性方面表現良好，尤其適用于小到中等運動的場景。

cv::cuda::BroxOpticalFlow 類概述

屬性	描述
頭文件	<opencv2/cudaoptflow.hpp>
命名空間	cv::cuda
繼承自	cv::cuda::DenseOpticalFlow
用途	計算兩個圖像幀之間的稠密光流（每個像素都有一個運動向量）
GPU 加速	支持 CUDA GPU 加速

創建與初始化

創建對象

cv::Ptr<cv::cuda::BroxOpticalFlow> brox = cv::cuda::BroxOpticalFlow::create
(float alpha,float gamma,float scale_factor,int inner_iterations,int outer_iterations,int solver_iterations
);

參數說明：

參數名	類型	含義
alpha	float	控制光流平滑程度的正則化參數（越大越平滑）
gamma	float	控制梯度一致性的權重
scale_factor	float	圖像金字塔縮放因子（通常為 0.5 表示每層縮小一半）
inner_iterations	int	內部迭代次數（求解線性系統）
outer_iterations	int	外部迭代次數（優化整體光流場）
solver_iterations	int	求解器每次迭代的次數（Jacobi 迭代次數）

使用流程

1. 準備輸入圖像（必須是灰度圖）

cv::Mat frame1_gray, frame2_gray;
cv::cvtColor(frame1, frame1_gray, cv::COLOR_BGR2GRAY);
cv::cvtColor(frame2, frame2_gray, cv::COLOR_BGR2GRAY);

2. 轉換為浮點格式并歸一化（[0, 1] 區間）

cv::Mat frame1_32f, frame2_32f;
frame1_gray.convertTo(frame1_32f, CV_32F, 1.0 / 255.0);
frame2_gray.convertTo(frame2_32f, CV_32F, 1.0 / 255.0);

3. 上傳圖像到 GPU

cv::cuda::GpuMat d_frame1, d_frame2;
d_frame1.upload(frame1_32f);
d_frame2.upload(frame2_32f);

4. 初始化 BroxOpticalFlow 對象

cv::Ptr<cv::cuda::BroxOpticalFlow> brox = cv::cuda::BroxOpticalFlow::create(0.197f,   // alpha50.0f,    // gamma0.8f,     // scale_factor10,       // inner_iterations77,       // outer_iterations10        // solver_iterations
);

5. 創建輸出矩陣（類型為 CV_32FC2）

cv::cuda::GpuMat d_flow;  // 輸出光流，每個像素是一個 (dx, dy) 向量

6. 執行光流計算

brox->calc(d_frame1, d_frame2, d_flow);

7. 分離 flow_x 和 flow_y（可選）

std::vector<cv::cuda::GpuMat> flow_parts(2);
cv::split(d_flow, flow_parts);  // flow_parts[0] = dx, flow_parts[1] = dy

8. 下載結果到 CPU（顯示或保存用）

cv::Mat host_flowx, host_flowy;
flow_parts[0].download(host_flowx);
flow_parts[1].download(host_flowy);

代碼示例

#include <opencv2/cudaimgproc.hpp>  // for split
#include <opencv2/cudaoptflow.hpp>  // for BroxOpticalFlow
#include <opencv2/opencv.hpp>       // core OpenCVusing namespace cv;
using namespace cv::cuda;int main()
{// Step 1: 加載圖像std::string path1 = "/media/dingxin/data/study/OpenCV/sources/images/frame1.png";std::string path2 = "/media/dingxin/data/study/OpenCV/sources/images/frame2.png";Mat frame1 = imread(path1, IMREAD_GRAYSCALE);Mat frame2 = imread(path2, IMREAD_GRAYSCALE);if (frame1.empty() || frame2.empty()){std::cerr << "無法加載圖像！路徑：" << path1 << " 或 " << path2 << std::endl;return -1;}// Step 2: 轉換為浮點格式 CV_32FC1 并歸一化到 [0,1]Mat frame1_32f, frame2_32f;frame1.convertTo(frame1_32f, CV_32F, 1.0 / 255.0);frame2.convertTo(frame2_32f, CV_32F, 1.0 / 255.0);// Step 3: 上傳到 GPUGpuMat d_frame1, d_frame2;d_frame1.upload(frame1_32f);d_frame2.upload(frame2_32f);// Step 4: 創建 BroxOpticalFlow 對象Ptr<BroxOpticalFlow> brox = BroxOpticalFlow::create();// Step 5: 創建輸出矩陣（CV_32FC2 類型）GpuMat d_flow;// Step 6: 執行光流計算brox->calc(d_frame1, d_frame2, d_flow);// Step 7: 下載光流結果到CPUMat host_flow;d_flow.download(host_flow);  // 先下載到CPU// Step 8: 分離 flow_x 和 flow_y (在CPU上進行)std::vector<Mat> flow_parts(2);split(host_flow, flow_parts);  // 現在使用的是CPU上的cv::splitMat host_flowx = flow_parts[0];Mat host_flowy = flow_parts[1];// Step 9: 歸一化顯示Mat flowx_show, flowy_show;normalize(host_flowx, flowx_show, 0, 1, NORM_MINMAX, CV_32F);normalize(host_flowy, flowy_show, 0, 1, NORM_MINMAX, CV_32F);imshow("Flow X", flowx_show);imshow("Flow Y", flowy_show);// Step 10: 合成彩色光流圖（HSV 表示方向和強度）Mat mag, ang;cartToPolar(host_flowx, host_flowy, mag, ang, true);  // 計算 magnitude & angleMat hsv_channels[3];hsv_channels[0] = ang;                              // Hue 表示方向hsv_channels[1] = Mat::ones(ang.size(), CV_32F);    // Saturation 固定最大hsv_channels[2] = mag;                              // Value 表示運動強度Mat hsv_merged, bgr_out;merge(hsv_channels, 3, hsv_merged);                    // 合并通道hsv_merged.convertTo(hsv_merged, CV_8U, 255);          // 轉換為 0~255cv::cvtColor(hsv_merged, bgr_out, cv::COLOR_HSV2BGR);  // 顯式使用 CPU 版本imshow("Optical Flow Color Map", bgr_out);waitKey(0);  // 等待按鍵關閉窗口return 0;
}

運行結果