全局运动补偿opencv

### 使用 OpenCV 实现全局运动补偿

全局运动补偿是指通过对整个图像帧应用仿射变换或透视变换，使得连续视频帧之间保持一致的空间位置关系。这通常用于稳定摄像机抖动带来的影响。

为了实现这一功能，在 OpenCV 中可以采用以下方式：

#### 计算光流估计
利用 `cv2.calcOpticalFlowFarneback` 函数计算前后两帧间的密集光流场，从而获取像素级别的位移向量[^1]。

import cv2
import numpy as np

def calculate_optical_flow(prev_frame, curr_frame):
    flow = cv2.calcOpticalFlowFarneback(
        prev_frame,
        curr_frame,
        None,
        pyr_scale=0.5,
        levels=3,
        winsize=15,
        iterations=3,
        poly_n=5,
        poly_sigma=1.2,
        flags=cv2.OPTFLOW_FARNEBACK_GAUSSIAN
    )
    return flow

#### 提取全局运动模型参数
从得到的光流场上拟合出一个整体性的刚体运动模型（如平移、旋转），这里可以通过SVD奇异值分解来简化操作。

def estimate_global_motion(flow):
    h, w = flow.shape[:2]
    fx, fy = flow[:,:,0], flow[:,:,1]

    # 构造A矩阵
    A = np.zeros((h*w, 9))
    idx = 0
    for y in range(h):
        for x in range(w):
            dx, dy = fx[y,x], fy[y,x]
            A[idx,:] = [dx*x, dx*y, dx, dy*x, dy*y, dy, x, y, 1]
            idx += 1
    
    _,_,vh = np.linalg.svd(A)
    H = vh[-1,:].reshape(3,3)

    return H

#### 应用仿射变换纠正当前帧
最后一步就是使用上述估算出来的单应性矩阵H对原始图像做逆变换，以此达到消除全局运动的效果。

def apply_warp(image, homography_matrix):
    height,width,_ = image.shape
    corrected_image = cv2.warpPerspective(image,homography_matrix,(width,height))

    return corrected_image

综上所述，完整的全局运动补偿流程如下：

1. 对相邻两帧执行光流估计算法；
2. 基于所得光流数据推导出全局运动模式；
3. 利用该模式下的转换矩阵修正下一时刻的画面显示；

通过这种方式可以在一定程度上缓解由于摄像头晃动所引起的画面不稳定现象。