opencv视频稳定算法

Question

我正在使用 opencv 编写视频稳定器。算法如下：

虽然视频中有更多帧：

1. 从视频中获取新帧
2. 检测新帧中的关键点
3. 计算新关键点的描述符
4. 匹配新帧和前一帧的描述符
5. 过滤匹配以获得好的匹配
6. 查找前一帧和新帧之间的单应性
7. 将单应性 (warpPerspective) 应用于新框架，从而创建“调整后的新框架”
8. 将前一帧设置为等于“调整后的新帧”（描述符、关键点）

我有几个问题。我在正确的轨道上吗？如何进行实际的稳定（使用高斯滤波器或其他方法）？

Answer 1

如果您使用的是 Python 代码，那么您可以使用我强大的线程化 VidGear 视频处理 Python 库，该库现在提供实时视频稳定功能，延迟时间极短，而且 @ 几乎不需要额外的计算能力。 987654322@。为方便起见，这里有一个基本用法示例：

# import libraries
from vidgear.gears import VideoGear
from vidgear.gears import WriteGear
import cv2

stream = VideoGear(source=0, stabilize = True).start() # To open any valid video stream(for e.g device at 0 index)

# infinite loop
while True:

    frame = stream.read()
    # read stabilized frames

    # check if frame is None
    if frame is None:
        #if True break the infinite loop
        break

    # do something with stabilized frame here

    cv2.imshow("Stabilized Frame", frame)
    # Show output window

    key = cv2.waitKey(1) & 0xFF
    # check for 'q' key-press
    if key == ord("q"):
        #if 'q' key-pressed break out
        break

cv2.destroyAllWindows()
# close output window

stream.stop()
# safely close video stream

更高级的用法可以在这里找到：https://github.com/abhiTronix/vidgear/wiki/Real-time-Video-Stabilization#real-time-video-stabilization-with-vidgear

Answer 2

以下是可能的步骤顺序：

步骤 1. 从电影文件中读取帧

步骤 2. 从每一帧中收集显着点

步骤 3. 选择点之间的对应关系

第 4 步。根据噪声对应估计变换

步骤 5. 变换逼近和平滑

第 6 步。在完整视频上运行

您可以在此处找到有关每个步骤的更多详细信息：

http://www.mathworks.com/help/vision/examples/video-stabilization-using-point-feature-matching.html

我认为您可以在 OpenCV 中遵循相同的步骤。