转自：http://blog.csdn.net/dreamd1987/article/details/7907437

因为研究需要，仔细看了下代码，看看有什么可以利用的地方。

整体来说Kanade-Lucas-Tomasi Feature Tracker的方法就是首先找去特征点，之后用光流去跟踪的方法。

Opencv中已经有了example，大家可以运行下看效果，同时Homepage：http://www.ces.clemson.edu/~stb/klt/

上有源码，整个的流程跟Opencv差不多。

我们以官网上的原程序中的example1进行分析：（剩下的几个例子整体流程都差不多，仅仅是目的不一样）

首先都是建立两个结构体：

tc就是跟踪的中用到的一些参数在选特征点的时候也有用到。

fl就是我们说到的特征点了，包括了特征值和特征点在图像中的位置。

之后使用：

使用上面的函数选取特征点

使用这个函数在img2中寻找对应的特征点。

一次循环就可以实现跟踪了。

那么出现了一个问题：特征点是怎么定义的：

我们分析KLTSelectGoodFeatures这个函数：

函数中又使用了：

这个函数，函数中首先见了了一个pointlist的分量，并分配了内存空间：

为什么要*3呢？其实pointlist中存放了图像中点的位置x，y和特征值的大小val。

特征值是什么呢？这个特征就是对应像素点的梯度值。

代码中的特征值取得时每个像素点临域梯度值的加权值。

之后程序来到了函数：

这里通过比较每个像素点val和对应阈值的大小来提取特征点：

min_eigenvalue就是所使用的阈值，在tc中定义

那么程序的修改，我们需要根据自己的特征对这个阈值进行修改，同时对featurelist进行如上的修改，其实主要还是x，y，val三个值的修改。

不对的地方请大家指正。