(a)原始图                                (b)移动后的图像
图3.14 平移图像对
图3.15 平移速度场矢量图
利用本算法对这两幅图像生成的速度场进行测量，由于窗口尺寸必须大于16×3，取窗口的尺寸为50×50，步长为8×8,处理结果为24×24个速度向量，得到速度场。如图3.15所示，试验测得的速度场与实际情况高度吻合。根据测量结果，x方向的像素位移为15.97，标准偏差为0.058；y方向的像素位移为16，标准偏差为0.044。试验结果误差小于0.2%，与标准结果有良好的一致性。
为了验证算法的优化，作者同时利用改进的算法对平移粒子图像对进行了处理，以便进行比较。取窗口的尺寸为50×50，步长为8×8，利用两种算法分别对粒子图像进行处理，得到速度矢量图（如图3.16和3.17）。改进的相关算法处理得到的结果为，x方向的像素位移为16.00，标准偏差为0.068；y方向的像素位移为16.00，标准偏差为0.048。基于FFT的相关算法处理得到的结果为，x方向的像素位移为15.98，标准偏差为0.033；y方向的像素位移为16.00，标准偏差为0.029。显然，两者处理的结果并没有明显差异，但是改进的相关算法所需的计算时间为61.4s,而基于FFT的相关算法计算所需时间仅为2.9s。根据以上分析可知，基于FFT的相关算法在保证足够的准确度的基础上，大大的缩短了计算量，即计算时间。

图3.16平移速度场矢量图（基于FFT的相关算法）
 图3.17平移速度场矢量图（改进的相关算法）
3.4.3 旋转试验
对标准射流图像1进行人工旋转，使其沿中心顺时针旋转1.5度，得到旋转速度场，如图3.18所示，图像大小都为255×255。
    (a)原始图像                                 (b)旋转后的图像
图3.18 旋转图像对
图3.19 旋转速度场矢量图
利用本算法对这两幅图像生成的速度场进行测量，取窗口的尺寸为16×16，步长为8×8，处理结果为31×31个速度向量。如图3.19所示，速度场矢量图与已知的标准速度场是一致的。根据结果可求得粒子旋转的平均角度为1.48度，标准偏差为0.15，与标准结果基本一致。
综合验证性试验1和2的结果，证明本文中的DPIV算法所测得的速度场基本与理论速度场相符合，可用其对细水雾雾场的速度进行测量。 基于数字粒子图像处理的细水雾雾场速度测量(8):http://www.751com.cn/huaxue/lunwen_3049.html