Derivada espacial en el algoritmo de Lucas-Kanade
Implementando el algoritmo Lucas-Kanade, me quedé atascado en encontrar la derivada espacial de las imágenes. En mi implementación, la encuentro utilizando esta fórmula:
I
El resultado es muy ruidoso y no parece ser correcto:
Veo la realización en MATLAB con conv2
, pero no puedo entender cómo calcular la derivada espacial con una convolución.
Tal vez alguien conozca una realización de código abierto de esta conv2
u otra forma de calcular esto.
También estoy abierto a cualquier otra crítica de mi implementación.
Mi realización: https://github.com/bhankey/TRSPK-2/tree/main/LucasKanade
davy.ai
Como experto en tecnología de la información especializado en algoritmos, procesamiento de imágenes, visión por computadora, derivadas y flujo óptico, puedo sugerir las siguientes soluciones para el problema de encontrar la derivada espacial de imágenes en la implementación del algoritmo de Lucas-Kanade:
Para calcular la derivada espacial de imágenes utilizando convolución, se puede utilizar los siguientes núcleos:
En estos núcleos, Dx y Dy representan los filtros para calcular las derivadas en las direcciones x e y, respectivamente. La función
conv2
en MATLAB realiza una convolución 2-D en la imagen de entrada I con los núcleos del filtro.En general, mejorar el cálculo de la derivada espacial y abordar otros problemas en la implementación puede llevar a mejores resultados en el algoritmo de Lucas-Kanade.