简介：这份凸优化课程大作业资料围绕MV子视角的帧间预测展开，面向正在学习运动估计、光流与单应性变换的高校学生及课程实践者，提供可直接运行的十一种方法对比方案。内容将穷尽块匹配、三步搜索、分层块匹配三类运动估计，与光流估计、单应性矩阵方案进行交叉组合，便于读者复现实验、比较精度与耗时，并理解不同策略在帧间预测中的适用条件。压缩包共300个文件，约214.99MB，含216张png结果图、60个m脚本、10个txt说明、8个mat数据文件及少量py、asv文件，覆盖代码、数据与实验输出，代码含主流程与辅助函数，配合结果图便于检查。已有301人学习，适合用作课程大作业参考、算法对照实验和结果分析模板；受上传体积限制，随包数据集仅保留几个序列，但目录组织清晰，仍可据此搭建完整的运动估计与光流实验流程。

1. 帧间预测的十一种解法，值不值得跑一遍

第一次做帧间预测，多数人会把时间全压在光流法上，结果预测帧的 PSNR 还不如一个块匹配的粗糙结果，这事在凸优化课的答辩现场挺常见。这套用 MATLAB 代码搭起来的方案，把运动估计拆成十一种可对比的实现：块匹配三种、光流法四种、全局参数模型三种（含单应性矩阵）、网格模型一种，全部塞进同一条评测流水线。它面向的是要交凸优化大作业、图像处理课设或毕设的人——你需要的不是又一个调包 demo，而是一份能解释每种方法能量函数怎么写、参数怎么定、什么时候会崩的完整方案。

2. 总体架构：十一方法共用一条评测流水线

十一种方法最难的地方在于每种方法的输出格式、参数名、耗时量级都不一样。如果每种写一个独立脚本，最后想拼一张对比表，光是把变量名对齐就要花掉一晚上。通常的做法是先把接口固定下来，再往里填方法，这样新增一种方法只需要写一个文件、在注册表里加一行。

2.1 目录约定与数据流

整个工程按职责分四层：数据层放两帧或多帧序列，方法层放十一个predict_*.m，指标层放 PSNR、SSIM 和残差统计，结果层统一写入results/。数据流是单向的：读入参考帧和目标帧 → 转灰度、归一化到 [0,1] 的 double → 由注册表分派到具体方法 → 输出预测帧、运动矢量场、附加信息 → 指标层计算 → 结果写入文件。

project/ data/ # 序列帧，命名 frame_000.png 起 methods/ # predict_fs.m / predict_tss.m / predict_hs.m ... metrics/ # psnr_metric.m / ssim_metric.m / residual_stats.m utils/ # 梯度、双线性插值、坐标网格 results/ # 每种方法一个子目录，内含预测图与 log.mat run_all.m # 唯一入口，遍历注册表

数据流里有一个容易被忽略的约定：所有方法统一使用「目标帧 I0 由参考帧 I1 预测」这个方向，也就是运动矢量描述的是 I0 中像素在 I1 中的位置。方向一旦在某个方法里写反，后面所有指标都会失真，而且这种错误不会报错，只会让 PSNR 掉几个 dB，很难定位。我一般会在utils/里放一个check_direction.m，用已知的人工平移量做一次自检。

run_all.m只做三件事：读配置、循环注册表、汇总结果。它不关心任何方法内部细节，这样换数据集时不需要改方法代码。

2.2 统一函数签名与方法注册表

统一的函数签名是整个架构能够成立的基础。所有方法必须接受同样的三个输入，返回同样的三个输出：

function [pred, mv, info] = predict_xxx(I0, I1, cfg) % 输入： % I0 - 目标帧，double，范围 [0,1]，尺寸 H×W % I1 - 参考帧，同尺寸同类型 % cfg - 结构体，含 block/search/alpha/iter/lambda 等公共字段 % 输出： % pred - 预测帧，H×W double，与 I0 同尺寸 % mv - 运动矢量场，H×W×2，第三维依次为垂直、水平位移 % info - 结构体，至少含 time 与 params 两个字段

注册表负责把方法名映射到函数句柄和默认参数，一张表就能看清十一种方法的全貌：

function reg = method_registry() % 每行一个方法：名称、函数句柄、默认参数、是否属于凸模型 reg = { 'FS', @predict_fs, struct('block',16,'search',16), false 'TSS', @predict_tss, struct('block',16,'search',16), false 'DS', @predict_ds, struct('block',16,'search',16), false 'LK', @predict_lk, struct('levels',3,'win',15), false 'HS', @predict_hs, struct('alpha',1.0,'iter',200), true 'TVL1', @predict_tvl1, struct('lambda',0.35,'iter',300), true 'CLG', @predict_clg, struct('win',9,'iter',20), true 'TRANS',@predict_trans,struct('thresh',2.0), true 'AFF', @predict_aff, struct('thresh',2.0), true 'HOMO', @predict_homo, struct('thresh',2.0,'iter',500), true 'GRID', @predict_grid, struct('grid',[4 4],'blend',8), true }; end

这张表就是答辩时最有用的一张图。评审老师问「你这个作业到底做了什么」，你直接指着表说：三种块匹配是组合搜索，四种光流里 HS、TV-L1、CLG 是变分凸问题，三种全局模型是参数化最小二乘，网格模型是把单应性矩阵做成分块加权的凸组合。凸性的标注不是装饰，它决定了你能不能说清楚求解器为什么收敛——非凸的那几种只能给局部最优，这一点在报告里必须写明白，硬说全搜索块匹配是凸问题，现场很容易被追问到答不上来。

公共参数集中在cfg里，方法私有参数用cfg.method子结构传，避免字段名冲突。

2.3 评价指标与结果日志

指标层至少要给四个量：PSNR、SSIM、残差的一范数均值、单帧耗时。PSNR 是最直观的，但只靠它会把「模糊但平滑」的预测判成好结果，所以 SSIM 用来补结构相似性，残差一范数用来观察误差分布是不是集中在运动边界。

function m = eval_prediction(I0, pred, mv, elapsed, border) % border：评价时裁掉的边界像素数，必须所有方法一致 I0c = I0(1+border:end-border, 1+border:end-border); Pc = pred(1+border:end-border, 1+border:end-border); mse = mean((I0c(:) - Pc(:)).^2); m.psnr = 10*log10(1/mse); % 峰值按 1.0 计算 m.ssim = ssim(Pc, I0c); % 需要 Image Processing Toolbox r = abs(I0c - Pc); m.res_l1 = mean(r(:)); m.res_entropy = entropy(r); % 残差集中度 m.time = elapsed; m.mv_energy = mean(sqrt(mv(:,:,1).^2 + mv(:,:,2).^2)); end

border这个参数看着不起眼，实际影响很大。块匹配在图像边缘找不到完整块，光流在边界处的梯度是零填充，网格模型在块重叠区要融合——这些都会让边缘几个像素的误差明显偏高。统一裁掉search半径大小的边界，是对十一种方法最公平的口径。如果某个方法的边界处理特别粗糙，裁边会掩盖它的缺点，所以在报告里要同时给出裁边前后的两组数，说明差异来源。

结果日志用save(fullfile('results', name, 'log.mat'), 'm', 'cfg')落盘，run_all.m最后把所有log.mat读回来拼成一张总表。这张表就是验收和答辩的核心材料。

3. 运动估计：块匹配、光流法与变分凸松弛

这一章是方案的主体。十一种方法里有七种属于运动估计，三种块匹配负责「快而糙」的基线，四种光流法负责「密而准」，它们在同一个数据集上的差距，正好能说明凸优化里数据项和正则项各自在起什么作用。

3.1 块匹配三件套：全搜索、三步与菱形

全搜索是精度的上界，也是耗时的下界。它的逻辑非常简单：把目标帧切成 16×16 的块，每块在参考帧的 ±16 邻域里滑一遍，取 SAD 最小的位移作为该块的运动矢量。

function [pred, mv, info] = predict_fs(I0, I1, cfg) t0 = tic; B = cfg.method.block; R = cfg.method.search; [H, W] = size(I0); mv = zeros(H, W, 2); pred = zeros(H, W); for y = 1:B:H for x = 1:B:W y2 = min(y+B-1, H); x2 = min(x+B-1, W); tmpl = I0(y:y2, x:x2); best = inf; dy0 = 0; dx0 = 0; for dy = -R:R for dx = -R:R yy = y+dy; xx = x+dx; if yy < 1 || xx < 1 || yy+B-1 > H || xx+B-1 > W, continue; end cand = I1(yy:yy+B-1, xx:xx+B-1); d = sum(abs(cand(:) - tmpl(:))); % SAD 代价 if d < best, best = d; dy0 = dy; dx0 = dx; end end end mv(y:y2, x:x2, 1) = dy0; mv(y:y2, x:x2, 2) = dx0; pred(y:y2, x:x2) = I1(y+dy0:y2+dy0, x+dx0:x2+dx0); end end info.time = toc(t0); info.params = cfg.method; end

块大小和搜索半径是两个关键参数。块取 8 时运动边界贴合得好，但平坦区容易出现多个等价匹配；块取 16 时矢量场平滑，代价是物体边缘被「糊」成整块。搜索半径取 16 能覆盖大部分平移量，超过 32 后耗时按平方增长，收益很低，除非序列里有快速运动。

三步搜索和菱形搜索是同一思路的加速版：先用大步长粗搜，再逐步缩小步长。三步搜索从 ±R/2 开始，每轮步长减半，共 log2(R) 轮，计算量从 (2R+1)² 降到 9·log2(R)。菱形搜索把搜索点排成菱形，利用了运动矢量分布集中的先验，在慢速运动序列上几乎能追平全搜索。这两种方法的代码结构和全搜索一致，只是把内层双重循环换成按步长生成候选点集，cfg.method.search的含义从「半径」变成「初始步长」，报告里要写清楚，否则复现的人会按全搜索的语义去读参数。

3.2 光流法两族：金字塔 LK 与 Horn-Schunck

光流法求的是稠密场，每个像素一个位移，这就从「块级搜索」跳到了「能量最小化」。金字塔 LK 的思路是在每层金字塔上解一个加权最小二乘，把大位移分解到粗层，细层只负责修正残差：

function [uv, info] = lk_pyramid(I0, I1, levels, win) % 由粗到细逐层求解，初值来自上一层上采样 uv = zeros([size(I0) 2]); for lv = levels:-1:1 s = 2^(lv-1); I0l = imresize(I0, 1/s); I1l = imresize(I1, 1/s); uv_l = imresize(uv, [size(I0l,1) size(I0l,2)]); for k = 1:5 % 每层 5 次迭代 Iw = warp_by_flow(I1l, uv_l); % 用当前流场反向映射 [Ix, Iy] = gradient(Iw); It = Iw - I0l; [Ix2,Ixy,Iy2,Ixt,Iyt] = local_sums(Ix,Iy,It,win); detA = Ix2.*Iy2 - Ixy.^2; detA(detA < 1e-6) = 1e-6; % 平坦区保护 du = -( Iy2.*Ixt - Ixy.*Iyt) ./ detA; dv = -(-Ixy.*Ixt + Ix2.*Iyt) ./ detA; uv_l(:,:,1) = uv_l(:,:,1) + dv; uv_l(:,:,2) = uv_l(:,:,2) + du; end uv = imresize(uv_l, [size(I0,1) size(I0,2)]); end end

窗口win取 15 或 21，太小会在纹理弱的地方解出病态矩阵，太大会把运动边界抹平。detA的下限保护是必须的，天空、白墙这类区域梯度接近零，不设下限会直接出现 Inf。金字塔层数取 3 能覆盖约 8 像素的位移，再大就要加层，但每加一层，细层的初值误差也会放大。

Horn-Schunck 是另一条路：不假设局部恒定，而是给全局一个光滑性约束，把光流写成能量泛函。

function [u, v] = hs_flow(I0, I1, alpha, iters) [Ix, Iy] = gradient(I0); It = I1 - I0; K = [1 2 1; 2 0 2; 1 2 1] / 12; % 拉普拉斯核，中心为 0 u = zeros(size(I0)); v = u; for k = 1:iters ubar = conv2(u, K, 'same'); % 邻域均值作为光滑项近似 vbar = conv2(v, K, 'same'); den = alpha^2 + Ix.^2 + Iy.^2; u = ubar - Ix .* (Ix.*ubar + Iy.*vbar + It) ./ den; v = vbar - Iy .* (Ix.*ubar + Iy.*vbar + It) ./ den; end end

alpha是数据项和光滑项的权重比。取 0.5 时流场细节多但噪声大，取 2 以上整个场会过度平滑，物体边界被抹成斜坡。这个参数没有通用最优值，取决于序列的纹理密度，报告里要给一张alpha从 0.1 扫到 5 的 PSNR 曲线，说明你选的依据。HS 的能量泛函是严格凸的，Gauss-Seidel 迭代收敛性可以证明，这正是它和块匹配的本质区别——前者有唯一解，后者只有「搜到的最小值」。

3.3 TV-L1 与一阶原始-对偶求解

TV-L1 把 HS 的平方惩罚换成 L1，好处是运动边界不会被过度平滑，坏处是能量不可微，普通梯度下降直接失效。标准做法是写成鞍点问题，用 Chambolle-Pock 的原始-对偶迭代：

$$ \min_{u,v}\ \lambda \int |\nabla I \cdot (u,v) + I_t| + \int |\nabla u| + |\nabla v| $$

function [u, v] = tvl1_core(I0, I1, lambda, tau, sigma, nIter) [Ix, Iy] = gradient(I0); It = I1 - I0; [H, W] = size(I0); u = zeros(H,W); v = u; ubar = u; vbar = v; p = zeros(H,W,2); q = zeros(H,W,4); % p: 数据项对偶, q: 正则项对偶 for k = 1:nIter % 对偶上升：数据项次梯度 r = Ix.*ubar + Iy.*vbar + It; p(:,:,1) = bsxfun(@rdivide, p(:,:,1) + sigma*Ix.*r, 1 + sigma*abs(r)); p(:,:,2) = bsxfun(@rdivide, p(:,:,2) + sigma*Iy.*r, 1 + sigma*abs(r)); % 对偶上升：正则项梯度，逐点投影到单位球 [qx, qy] = grad2(ubar, vbar); q = proj_unit_ball(q + sigma*[qx qy]); % 原始下降：对偶散度回代 [dx, dy] = div2(p(:,:,1), p(:,:,2)); u_new = u + tau*dx; v_new = v + tau*dy; [rx, ry] = div2(q(:,:,1), q(:,:,2)); u_new = u_new + tau*lambda*rx; v_new = v_new + tau*lambda*ry; ubar = 2*u_new - u; vbar = 2*v_new - v; % 外推，加速收敛 u = u_new; v = v_new; end end

步长必须满足tau * sigma * ||K||² < 1，K是梯度算子，离散情况下的范数上界是 8，所以tau = sigma = 0.3是安全区。这一条是硬约束，违反了不会报错，只会让对偶变量在两三轮内涨到 1e6 然后全图 NaN。lambda控制数据项权重，取 0.3 到 0.5 之间比较稳，太小会让流场过度贴合噪声，太大会退化成接近全零的场。

CLG 是 HS 和 LK 的折中，用局部窗口做加权最小二乘，同时保留一阶正则，实现上是 HS 迭代里把ubar换成窗口加权均值。四种光流法放在一起，正好构成一条「局部恒定假设强度递减、正则强度递增」的谱系，这是报告里最值得写的一段分析。

4. 全局运动：单应性矩阵、仿射与网格模型

块匹配和光流都在求「每个点怎么动」，全局模型反过来：假设整幅图遵循一个参数变换，用少量参数解释大部分运动。摄像机平移、绕光轴旋转这类场景，全局模型的预测质量能明显超过稠密光流，而且参数量从百万级降到 8 个，这是它存在的意义。

4.1 特征点检测与 RANSAC 剔除误匹配

全局模型的第一步是找对应点。Harris 角点不依赖工具箱，实现也短：

function pts = harris_points(I, n, minDist) [Ix, Iy] = gradient(I); Ix2 = Ix.^2; Iy2 = Iy.^2; Ixy = Ix.*Iy; K = fspecial('gaussian', 5, 1.5); Sxx = conv2(Ix2,K,'same'); Syy = conv2(Iy2,K,'same'); Sxy = conv2(Ixy,K,'same'); k = 0.04; R = Sxx.*Syy - Sxy.^2 - k*(Sxx + Syy).^2; % Harris 响应 R = R / max(R(:)); cand = R > 0.01; [y, x] = find(cand); [~, idx] = sort(R(sub2ind(size(R), y, x)), 'descend'); pts = [x(idx) y(idx)]'; pts = greedy_nms(pts, minDist, n); % 贪心非极大值抑制 end

k取 0.04 是经验值，minDist取 8 能避免角点扎堆。取完点用简单的 SSD 匹配，得到一组含大量误匹配的对应点对——平面纹理重复、光照变化都会让匹配错位。RANSAC 就是用来把这些外点踢出去的：

function [H, inlier] = ransac_homography(p1, p2, thresh, nIter) N = size(p1, 2); bestCnt = 0; H = eye(3); inlier = false(1, N); for k = 1:nIter idx = randperm(N, 4); % 最少 4 点定一个单应 Hk = dlt_homography(p1(:,idx), p2(:,idx)); if isempty(Hk) || any(~isfinite(Hk(:))), continue; end q = Hk * [p1; ones(1,N)]; q = q(1:2,:) ./ q(3,:); d = sqrt(sum((q - p2).^2, 1)); in = d < thresh; if nnz(in) > bestCnt, bestCnt = nnz(in); H = Hk; inlier = in; end end end

阈值thresh的单位是像素，取 2 到 3 比较合适。取 1 会导致内点数太少、估计不稳；取 10 会把明显错位的点也放进来，最后解出的单应性矩阵在图像一角出现荒谬的缩放。迭代次数nIter取 500 在几百个点对的规模下足够，内点率低于 20% 时建议加到 2000。

4.2 DLT 求解与归一化精化

直接线性变换把x2 = H x1展开成两组线性方程，八个未知量（去掉尺度自由度）用 SVD 解最小二乘。裸写 DLT 数值上很脆弱，因为像素坐标在几百量级，构造出的矩阵条件数极差，标准做法是先做 Hartley 归一化：

function H = dlt_homography(p1, p2) % p1, p2: 2×N，对应点坐标 [T1, n1] = normalise2d(p1); [T2, n2] = normalise2d(p2); n = size(n1, 2); A = zeros(2*n, 9); for i = 1:n x = n1(1,i); y = n1(2,i); u = n2(1,i); v = n2(2,i); A(2*i-1,:) = [-x -y -1 0 0 0 u*x u*y u]; A(2*i, :) = [ 0 0 0 -x -y -1 v*x v*y v]; end [~, ~, V] = svd(A); Hn = reshape(V(:,end), 3, 3)'; H = T2 \ Hn * T1; % 反归一化 H = H / H(3,3); end function [T, pn] = normalise2d(p) c = mean(p, 2); d = mean(sqrt(sum((p - c).^2, 1))); s = sqrt(2) / max(d, eps); T = [s 0 -s*c(1); 0 s -s*c(2); 0 0 1]; pn = T * [p; ones(1, size(p,2))]; pn = pn(1:2,:) ./ pn(3,:); end

归一化的作用是让两幅图的点云质心落在原点、平均距离为 √2，矩阵条件数从 1e8 量级降到 1e2 量级。不做这一步，SVD 的解在数值上完全不可信，表现出来就是「大部分时候能跑，偶尔某帧解出一个翻转的矩阵」。反归一化时注意是T2 \ Hn * T1，顺序写反是另一个高频错误。

得到单应性矩阵后，用反向映射生成预测帧，也就是对目标帧每个像素，用H的逆找到它在参考帧里的位置：

function pred = warp_homography(I, H, sz) [Hh, Ww] = deal(sz(1), sz(2)); [xx, yy] = meshgrid(1:Ww, 1:Hh); p = H \ [xx(:)'; yy(:)'; ones(1, numel(xx))]; xs = p(1,:) ./ p(3,:); ys = p(2,:) ./ p(3,:); pred = interp2(I, xs, ys, 'linear', 0); % 越界填 0 pred = reshape(pred, Hh, Ww); end

interp2的参数顺序是 (图像, 列坐标, 行坐标)，xs对应列、ys对应行，写反的后果是整幅图沿对角线错位，PSNR 会比不预测还低。

4.3 网格运动模型与凸组合融合

单应性矩阵假设整幅图共面，一旦场景有前后景分层，视差会让全局解在某一层上严重失配。网格模型的做法是把图切成 4×4 块，每块单独估一个单应性矩阵，再在重叠区做加权融合。融合权重取双线性核，权重和恒为 1，本质上是若干局部预测的凸组合——这一步是整套方案里「凸优化」三个字最直接的落点。

function pred = blend_grid(preds, weights) % preds: H×W×K，weights: H×W×K，每个像素上 sum(weights,3) == 1 pred = sum(preds .* weights, 3); end

权重图用fspecial('gaussian', blend*2+1, blend/2)生成，blend取 8 到 16。太窄会出现块边界接缝，太宽会让相邻块的运动互相污染。网格模型在复杂场景上通常比全局单应好 1 到 3 个 dB，代价是参数从 8 个涨到 8×16=128 个，且每块的特征点数量可能不够，需要在报告里说明外点率。

5. 避坑与排查：同一条流水线上最常翻车的五处

十一种方法跑同一套数据，出错的地方高度集中。下面五条是实际调试里最耗时间的，每条都按「看到什么 → 为什么 → 怎么改」写。

5.1 预测图整体偏移几个像素

现象是预测帧看起来「差不多」，但 PSNR 明显低于预期，把两张图叠起来看会发现固定的对角偏移。原因是坐标系语义不统一：MATLAB 是 1-based，图像坐标是 (行, 列) 即 (y, x)，而很多论文公式写的是 (x, y)，interp2的参数顺序又是先列后行。三套约定混在一起，位移的正负号和维度顺序迟早会错一次。

解决方式是在utils/里固定一个make_grid(H,W)，全工程只用它生成坐标网格，并且在每个predict_*.m的头部注释里写清mv(:,:,1)是垂直位移、mv(:,:,2)是水平位移。再写一个自检函数：把 I1 整体平移 (dy, dx) 得到 I0，喂给方法，看输出的 mv 是否等于 (−dy, −dx)。符号对不对，一跑就知道。

5.2 光流的 PSNR 崩到不如不平移

现象是块匹配还能看，四种光流法全部输出接近全零的场，或者场的方向明显反了。原因有两个：一是光流定义了 I0 到 I1 的位移，但 warp 时用的是正向映射，应该用反向；二是块匹配返回整数像素，光流返回浮点像素，代码里如果对光流做了round或者int32转换，亚像素信息直接丢失，精度掉一个档次。

解决方式是统一规定：所有方法的mv都表示「目标帧像素在参考帧中的相对位置」，warp 一律走反向映射，插值一律用interp2(..., 'linear')。在run_all.m里加一条断言，检查每种方法输出的mv是否至少有一个非零分量，全零直接报警——这能拦住大部分方向写反的情况。

5.3 单应性矩阵解出镜像或极端缩放

现象是 RANSAC 报告内点数很高，但解出的 H 让图像翻转或者缩到只剩一角。原因是特征点匹配用的是原始像素坐标，没有归一化，DLT 的矩阵条件数爆炸，SVD 返回的极小奇异向量在数值上不可信；另一种情况是 RANSAC 阈值放得太宽，把一些方向错误但距离恰好落在阈值内的点当成了内点。

解决方式是 DLT 内部强制做 Hartley 归一化，并且在 RANSAC 之后加一道合理性检查：det(H(1:2,1:2))必须为正且落在 [0.2, 5] 区间，否则这一帧的单应判定为失败，退回平移模型。失败帧的比例要写进报告，这个数字比 PSNR 更能说明全局模型在什么场景下不可用。

5.4 变分求解器两三轮后全图 NaN

现象是 HS 或 TV-L1 跑到第 3 到 5 次迭代，u、v突然变成 NaN 或 1e6 量级。原因是步长违反了收敛条件。HS 的迭代式里alpha如果取到 0.01 这种量级，分母接近零，更新量会爆；TV-L1 的原始-对偶迭代必须满足tau*sigma*||K||² < 1，||K||²的离散上界是 8，取tau = sigma = 0.25才安全。

解决方式是给所有迭代加三重保护：分母加eps、每轮检查any(~isfinite(u(:)))并提前退出、把最终步长和迭代次数写进info。我一般还会在run_all.m里记录「发散帧数」，这个指标在答辩时很有说服力——它说明你知道方法的适用边界，而不是只会调包。

5.5 对比表里各方法的评价口径不一致

现象是总表拼出来以后，某个方法的 PSNR 高得离谱，检查发现它没有裁边、或者用了 [0,255] 的灰度范围而别人用 [0,1]。PSNR 的定义里峰值项对结果影响极大，范围差 255 倍，dB 值直接差 48。

解决方式是把评价参数写进配置文件，由run_all.m统一注入，方法代码不允许自己调eval_prediction。同时固定三件事：灰度范围 [0,1]、裁边宽度等于该方法的最大搜索半径、SSIM 用默认的 11×11 高斯窗。这三条写进 README，复现的人照做就能得到同一张表。

6. 验收与答辩：一张对比表加三条必答追问

验收的核心材料只有一张表。把十一种方法按「模型类型、凸性、关键参数、精度排序、耗时量级、失败场景」六列排开，精度用相对排序而不是绝对数值，避免不同数据集之间不可比。

答辩现场最容易被追问的三个问题，提前准备好答案：第一，「哪些方法是凸的，为什么」。答案要落到能量泛函上——HS、TV-L1、CLG 的数据项加正则项是凸的，有唯一全局最优；块匹配是组合搜索，只能保证搜到的局部最小；单应性矩阵的 DLT 是线性最小二乘，凸，但 RANSAC 的外层循环是非凸的。第二，「为什么不直接上深度学习光流」。答案不是「深度学习不好」，而是这个作业的交付目标是可解释的能量泛函与收敛性分析，网络权重给不了这个。第三，「单应性矩阵什么时候会崩」。答案是场景存在明显前后景视差、或者特征点集中在图像一角时，前者让共面假设失效，后者让归一化后的条件数依然很差。

从那以后我每次带这类作业，都要求学生先跑一遍「人工平移自检」，再开始写方法——坐标系和方向这两个坑，提前花十分钟验证，能省掉后面两天对着 PSNR 曲线猜原因的时间。希望帮到你。

本文还有配套的精品资源，点击获取