推荐答案
在 OpenCV 中使用 Farneback 光流法可以通过 cv2.calcOpticalFlowFarneback 函数来实现。以下是一个简单的示例代码：
// www.javascriptcn.com code example
import cv2
import numpy as np
# 读取两帧图像
prev_frame = cv2.imread('frame1.png', cv2.IMREAD_GRAYSCALE)
next_frame = cv2.imread('frame2.png', cv2.IMREAD_GRAYSCALE)
# 设置 Farneback 光流法的参数
pyr_scale = 0.5 # 金字塔缩放比例
levels = 3 # 金字塔层数
winsize = 15 # 窗口大小
iterations = 3 # 迭代次数
poly_n = 5 # 多项式展开的邻域大小
poly_sigma = 1.2 # 标准差
flags = 0 # 标志位
# 计算光流
flow = cv2.calcOpticalFlowFarneback(prev_frame, next_frame, None, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags)
# 可视化光流
h, w = flow.shape[:2]
flow_map = np.zeros_like(prev_frame)
step = 15
for y in range(0, h, step):
for x in range(0, w, step):
fx, fy = flow[y, x]
cv2.line(flow_map, (x, y), (int(x + fx), int(y + fy)), (255, 0, 0), 1)
cv2.circle(flow_map, (x, y), 1, (0, 255, 0), -1)
# 显示结果
cv2.imshow('Optical Flow', flow_map)
cv2.waitKey(0)
cv2.destroyAllWindows()本题详细解读
Farneback 光流法简介
Farneback 光流法是一种基于多项式展开的稠密光流估计算法。它通过在两帧图像之间计算每个像素的运动矢量来估计光流。与稀疏光流法（如 Lucas-Kanade 光流法）不同，Farneback 光流法能够为图像中的每个像素生成一个运动矢量，因此被称为稠密光流法。
参数详解
pyr_scale: 金字塔缩放比例，通常设置为 0.5，表示每一层的图像尺寸是前一层的 0.5 倍。levels: 金字塔层数，表示在计算光流时使用的金字塔层数。winsize: 窗口大小，表示在计算光流时使用的窗口尺寸。iterations: 迭代次数，表示在每一层金字塔上进行的迭代次数。poly_n: 多项式展开的邻域大小，通常设置为 5 或 7。poly_sigma: 标准差，用于高斯平滑多项式展开的邻域。flags: 标志位，可以设置为cv2.OPTFLOW_USE_INITIAL_FLOW或cv2.OPTFLOW_FARNEBACK_GAUSSIAN。
使用场景
Farneback 光流法适用于需要稠密光流估计的场景，如运动分析、视频稳定、目标跟踪等。由于它为每个像素生成运动矢量，因此计算量较大，适合处理分辨率较低或对实时性要求不高的场景。
注意事项
- 输入图像应为灰度图像。
- 参数的选择对结果影响较大，需要根据具体应用场景进行调整。
- 计算出的光流结果是一个二维数组，表示每个像素的运动矢量（dx, dy）。