Python 从光流计算散度和curl 并绘制它

我用flow = cv2.calcOpticalFlowFarneback()来计算视频中的光流，它给了我一个形状为(高度，宽度，2)的numpy数组，其中包含每个像素(flow[:,:,0] = Fx和flow[:,:,1] = Fy)的Fx和Fy值.

为了计算散度，我使用了np.像这样的梯度:

def divergence_npgrad(flow):
    Fx, Fy = flow[:, :, 0], flow[:, :, 1]
    F = [Fx, Fy]
    d = len(F)
    return np.ufunc.reduce(np.add, [np.gradient(F[i], axis=i) for i in range(d)])

接下来，我想计算旋度.我知道在sympy.physics.vector中有一个旋度函数，但我真的不知道它是如何工作的，或者它如何应用于我的flow.所以我想我可以用np.这个也有梯度.在2D中，我需要计算每个像素的dFy/dx - dFx/dy，所以我会这样:

def curl_npgrad(flow):
    Fx, Fy = flow[:, :, 0], flow[:, :, 1]
    dFx_dy = np.gradient(Fx, axis=1)
    dFy_dx = np.gradient(Fy, axis=0)
    curl = np.ufunc.reduce(np.subtract, [dFy_dx, dFx_dy])
    return curl

这是一种正确的方式还是我遗漏了什么？

如果我有curl，我想用matplotlib画两幅图.

以下是我试图使用的:

def flow_plot(flow, frame):
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    h, w = flow.shape[:2]
    dpi = 72
    xinch = w / dpi
    yinch = h / dpi

    step = 24

    y, x = np.mgrid[step / ((h % step) // 2):h:step, step / ((w % step) // 2):w:step].reshape(2, -1).astype(int)
    fx, fy = flow[y, x].T
    mag = np.sqrt(np.power(fx, 2) + np.power(fy, 2))
    fx = fx / mag
    fy = fy / mag

    curl = curl_npgrad(flow)
    curl_map = curl[y, x]

    quiver_params = dict(cmap='Oranges', # for magnitude
                         #cmap='seismic', # for curl
                         norm=colors.Normalize(vmin=0.0, vmax=1.0), # for magnitude
                         #norm = colors.CenteredNorm(), # for curl
                         units='xy',
                         scale=0.03,
                         headwidth=3,
                         headlength=5,
                         minshaft=1.5,
                         pivot='middle')

    fig = plt.figure(figsize=(xinch, yinch), dpi=dpi)
    plt.imshow(frame)
    plt.quiver(x, y, fx, fy, mag, **quiver_params)
    plt.gca().invert_yaxis()
    plt.gca().set_aspect('equal', 'datalim')
    plt.axis('off')
    fig.tight_layout(pad=0)
    fig.canvas.draw()
    img = np.frombuffer(fig.canvas.tostring_rgb(), dtype='uint8')
    img = img.reshape(fig.canvas.get_width_height()[::-1] + (3,))
    img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
    img = cv2.flip(img, 0)
    plt.close(fig)
    return img

I'm converting the plot to a cv2 image so i can use it for opencv video writer.

我注意到，如果我没有显示绘图后面的原始帧，我必须反转y轴并在plt.quiver()中使用-fy，如果我想显示后面的帧，我也必须反转y轴，可以使用fy，但之后我必须翻转整个图像.这有什么意义？我搞不懂.

至于卷发，对我来说有点乱.几乎看不出任何 colored颜色 ，随机的红色和蓝色斑点，没有一个红色/蓝色箭头，流体在那里清晰地旋转.就像这样:

对于这种流动来说，计算旋度是一种糟糕的方法吗？我错过了什么？