opencv视频稳定算法

时间:2016-02-01 14:12:37

标签: c++ opencv video

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. 从视频中获取新内容
  2. 检测新框架中的关键点
  3. 新关键点的计算描述符
  4. 匹配新帧和前一帧的描述符
  5. 过滤匹配以获得良好匹配
  6. 查找上一帧和新帧之间的单应性
  7. 将单应性(warpPerspective)应用于新帧,从而创建“调整后的新帧”
  8. 将前一帧设置为等于“已调整的新帧”(描述符,关键点)
  9. 我有几个问题。我是在正确的轨道上吗?如何进行实际稳定(使用高斯滤波器或其他东西)?

2 个答案:

答案 0 :(得分:3)

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.从每个框架中收集突出点

步骤3.选择点之间的对应关系

步骤4.从噪声对应中估计变换

步骤5.变换近似和平滑

步骤6.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中执行相同的步骤。

答案 1 :(得分:0)

如果您使用的是python代码,则可以使用我强大且线程化的VidGear视频处理python库,该库现在提供具有最小延迟的实时视频稳定化,并且以很少甚至没有额外的计算能力为代价与Stabilizer Class。为了方便起见,下面是一个基本用法示例:

# 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

更多高级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