質點影像量測 (Particle Image Velocity, PIV)作為科學探測手段，配合各式影像測量成果，採用圖像方式演算出探討區域之速度，在各式遙測與影像技術逐日提升之下，早已在相關領域科學研究都有衍生應用。最早PIV應用始於實驗室內運作，其基礎原理如圖一，在雷射光下照射觀測流體並由攝影機拍錄獲得多張影像後，檢測其單位圖像上相關係數，在影像上直接以像素序列計算交叉相關係數 (Cross correlation coefficient)，以最佳位移後交叉相關係數判定為移動距離，以移動時間計算(delta t)可得瞬時速度為其粒子(或可稱頻率域)移動速度，為加快計算效率，可以轉換頻率域以快速傅立葉轉換(FFT)計算交相關係數。

PIV的概念可追朔至15世紀達文西時期對水流流動的觀察與繪圖，後來流體力學大師普朗特爾（Ludwig Prandtl）20世紀初使用自製水槽觀察曲面流動現象都是目前PIV技術的先驅。到近代70年代，可謂PIV發展之起點，於1977年三個研究團隊各自發展並實現將早期應用於固體力學的「雷射散斑測速」（Laser Speckle Velocimetry, LSV）技術方法，來測量流體速度場( Barker and Fourney (1977), Dudderar and Simpkins (1977), and Grousson and Mallick (1977))。
80年代，研究方向開始區分「雷射散斑」與「粒子影像」。1984年，Adrian 和 Pickering & Halliwell 等學者正式提出 「粒子圖像測速（PIV）」 一詞，並將其定義為一種以單個粒子影像為基礎而非散斑圖案來進行流場測量的技術。此後，隨著電荷耦合元件（CCD）相機和數位影像處理技術的發展，大幅提升PIV 的實用性。
進入數位(90年)時代後，PIV 技術得以更大幅度發展。高幀率攝影機、高功率脈衝雷射以及更強大的電腦運算能力，使得 PIV 不僅能夠測量二維平面流場，還發展出了能夠捕捉三維流動細節的立體 PIV（Stereo PIV）、層析 PIV（Tomographic PIV）和微型 PIV（Micro-PIV）等進階技術。
在各領域流體動力學上皆可見到應用PIV之處。生物醫學工程研究心臟瓣膜、血管或人工器官內的血液流動。在生物力學上分析魚類、鳥類或昆蟲的游動和飛行運動，了解運動學機制。環境科學與水利工程上，測量河流、湖泊或海洋中的水流速度和渦流特性，亦可用於研究泥沙輸送、污染物擴散或海岸侵蝕。運動分析上，觀測游泳選手(如圖二)或滑雪運動員周圍的水流或氣流，幫助他們改進技術以達到最佳表現。在風洞中研究機翼、葉片、機身和汽車的氣流模式，更細微的渦流觀測與控制，如分析飛機或賽車周圍的複雜渦流結構，以提高穩定性和操控性，生活當中最值得了解的即是世界最昂貴運動賽事F1賽車。

F1賽車最早利用空氣動力學始於60年代，第一支使用風洞試驗改善空氣動力學的是Brabham車隊(https://zh.wikipedia.org/zh-tw/布拉漢姆)，好的空氣動力設計幫助賽事取得佳績，為了實現更高的試驗效率，F1 車隊意識到能從風洞測試中快速測量和視覺化流場將有莫大助益。粒子影像測速 (PIV) 系統使得技術人員可視覺化氣流(如圖三)，無需在測試車輛前方氣流中引入煙霧。煙霧於風洞實驗中很有效，但問題在於如何不向氣流中引入過多物質(煙霧）的情況下將氣流之流動可視覺化，因為這些煙霧會影響結果， PIV 的應用因應而生。

在一個賽車設計當中，將 CFD (計算流體力學)軟體將風洞試驗PIV 計算結果匯入，以建立與 PIV 資料相同的結果。他們可以根據這些觀察結果調整 CFD 方法，將新的結果匯入 CFD 軟體，建立另一個 CFD 模擬，再將其與 PIV 結果進行比較以評估其變化並持續改善。此過程可重複進行，直到找到最佳調整，工程師就可以調教 CFD 流程，使其更接近風洞結果。
在F1賽車運動中，PIV的運用已經被證明效用顯著，PIV提高CFD軟體氣流模擬與風洞或賽道上的實際測試之間的相關性，進一步的讓工程師能依賴CFD結果來驗證或改進零件的設計，在最近F1電影(2025年6月)有一幕正好呈現，有興趣的讀者不妨進戲院觀賞這部娛樂與科學的結合。

以上介紹了PIV歷史與應用，回到現地河川流速量測應用，在本署第77期電子報手機PIV質點影像量測：從原理探索到影像實作，介紹了手機運用PIV，本文接下來於流速量測另外介紹五個開源軟體，各項特性比較如表一，三個為採用Matlab語言，Fudaa-LSPIV採用Java而OpenPIV使用Python，演算法方面多為傳統交叉相關演算法， KLT-IV為稀疏光流法(如圖四示意)，RIVeR-STIV則為時空影像測速法。Wijaya(2023)於苗栗西湖溪以UAV攝影測流比較手持式雷達波表面流速儀與五個開源軟體，Fudaa-LSPIV表現最為優異無論是相關係數或是資料離散程度都是最佳，相關係數最佳可達0.8053，值得注意的是其使用UAV進行短時拍攝，並提到加入人工粒子增加影像辨識度可提升資料成果，如以其他方式拍攝仍需因應場景與儀器設備另外加以測試軟體。

UAV影像應用於PIV技術分析平面流速流場是二維觀測，前段所提stereo PIV則是三維流場觀測技術，通常是在實驗室內以兩台以上攝影機解算成三維PIV向量場資料，UAV技術在現地測量或是戶外運用的使用潛能不僅於此，UAV攝影可結合攝影測量(Photogrammetry) 將多張拍攝照片演算為三維模型。Teo等2023年發表將PIV與UAV攝影結合轉換為三維PIV，二維PIV平面圖像僅能獲得二維像量，利用UAV與攝影測量技術之DSM進一步獲得3D PIV，其結果並與迭代最近點算法(ICP, Iterative closest point)結果比對，在在顯示PIV多元的運用方式及可延伸性，未來PIV的潛能尚待眾人發現。

演變自今，PIV與LSV已難以區分，不變的是都是採用影像處理、可辨識粒子(區塊)、兩張以上影像與計算影像中粒子(區塊)速度，在電腦算力大幅提升下，演算方法可以處理更複雜與多元場域，光流法順應而生(如KLT-IV)，在AI時代，如PIV X深度學習更是近年的顯學，也期待PIV未來在AI時代加速研究下的進展。

i.　D.B. Barker, M.E. Fourney Measuring fluid velocities with speckle patterns Opt Lett, 1 (4) (1977)
ii.　T.D. Dudderar, P.G. Simpkins Laser speckle photography in a fluid medium Nature, 270 (5632) (1977)
iii.　Grousson R, Mallick S (1977) Study of flow pattern in a fluid by scattered laser light. Appl Opt 16:2334–2336
iv.　PIV基礎原理圖解
v.　F1布拉漢姆車隊
vi.　游泳流場PIV-Dantec Dynamics
vii.　F1 PIV應用-F1技術字典
viii.　Wijaya, F.; Liu, W.C.; Huang, W.C. Comparative assessment of different image velocimetry techniques for measuring river velocities using unmanned aerial vehicle imagery. Water 2023, 15, 3941.
ix.　光流法-OpenCV
x.　Teo T.-A., Fu Y.-J., Li K.-W., Weng M.-C., Yang C.-M. Comparison between image-and surface-derived displacement fields for landslide monitoring using an unmanned aerial vehicle Int. J. Appl. Earth Obs. Geoinf., 116 (2023), Article 103164
xi.　PIVlab下載
xii.　Fudaa-LSPIV下載
xiii.　OpenPIV下載
xiv.　KLT-IV下載
xv.　RIVeR-STIV下載