视频稳像代码，用orb实现特征点提取，暴力匹配实现特征点匹配，并剔除误匹配点，然后用仿射变换模型进行全局运动估计，得出运动参数，并用滑动平均算法进行平滑得到平均运动参数，最后用这些参数再利用仿射变换模型进行运动补偿。将视频输出并保存到指定的本地文件

以下是一个简单的视频稳像代码，使用ORB算法进行特征点提取和匹配，利用仿射变换模型进行全局运动估计和补偿，以及滑动平均算法进行平滑处理。

import cv2
import numpy as np

# 设置视频输入和输出文件路径
input_file = 'input_video.mp4'
output_file = 'output_video.mp4'

# 定义ORB算法对象
orb = cv2.ORB_create()

# 定义FLANN匹配器对象
FLANN_INDEX_LSH = 6
index_params = dict(algorithm=FLANN_INDEX_LSH, table_number=6, key_size=12, multi_probe_level=1)
search_params = dict(checks=50)
flann_matcher = cv2.FlannBasedMatcher(index_params, search_params)

# 定义滑动窗口和平均参数
window_size = 10
smooth_param = 0.5
smoothed_params = []

# 读取视频并获取基本信息
cap = cv2.VideoCapture(input_file)
fps = int(cap.get(cv2.CAP_PROP_FPS))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
num_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

# 定义输出视频对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter(output_file, fourcc, fps, (width, height))

# 读取第一帧并提取特征点
ret, prev_frame = cap.read()
prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)
prev_kp, prev_des = orb.detectAndCompute(prev_gray, None)

# 循环遍历每一帧
while True:
    # 读取当前帧并转化为灰度图像
    ret, curr_frame = cap.read()
    if not ret:
        break
    curr_gray = cv2.cvtColor(curr_frame, cv2.COLOR_BGR2GRAY)
    
    # 提取当前帧的特征点
    curr_kp, curr_des = orb.detectAndCompute(curr_gray, None)
    
    # 进行特征点匹配
    matches = flann_matcher.knnMatch(curr_des, prev_des, k=2)
    good_matches = []
    for m, n in matches:
        if m.distance < 0.7 * n.distance:
            good_matches.append(m)
    
    # 剔除误匹配点
    src_pts = np.float32([curr_kp[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
    dst_pts = np.float32([prev_kp[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)
    M, mask = cv2.estimateAffinePartial2D(src_pts, dst_pts, method=cv2.RANSAC, ransacReprojThreshold=5.0)
    mask = mask.flatten()
    src_pts = src_pts[mask == 1]
    dst_pts = dst_pts[mask == 1]
    
    # 进行全局运动估计并平滑处理
    M, _ = cv2.estimateAffinePartial2D(src_pts, dst_pts)
    smoothed_params.append(M.flatten())
    if len(smoothed_params) > window_size:
        smoothed_params.pop(0)
    smoothed_M = np.mean(smoothed_params, axis=0).reshape(2, 3)
    
    # 进行运动补偿并输出到视频文件
    stabilized_frame = cv2.warpAffine(curr_frame, smoothed_M, (width, height))
    out.write(stabilized_frame)

# 释放资源
cap.release()
out.release()

这是一个简单的视频稳像代码，适用于一般的场景。对于更复杂的运动情况，可能需要更高级的算法和更精细的参数调整。