Python 如何在Matlab上求稳定视频帧的旋转角

假设我有以下稳定的视频帧，其中稳定仅通过旋转和平移（无缩放）完成：

如图所示，图像的右侧与前面的像素对称，即旋转后的黑色区域充满对称性。我加了一条红线，以便更清楚地表明这一点。

我想找到旋转角度，稍后我会用到。我可以通过冲浪或筛选功能来实现这一点，但是，在实际情况下，我不会使用原始帧

我可能可以用蛮力找到角度，但我想知道是否有更好更优雅的解决方案。请注意，对称部分的强度值与原始部分的强度值并不完全相同。我检查了一些值，例如，键盘上V字符的右上角像素在原始部分是

[51 49 47]

，但在对称副本中是

[50 50 47]

，这意味着相应的像素不能保证是相同的

RGB

值

我将在Matlab或python上实现这一点，并使用

ffmpeg

完成视频稳定

编辑：我只有稳定的视频，无法访问原始视频或ffmpeg生成的文件

如果有任何帮助/建议，我们将不胜感激。

如果

• 其（第一个/第二个/第三个/…）左点和右点相等（=>

  dG

  ，图1左）
• 其（第一个/第二个/第三个/…）左（或右）值不同（=>

  dGs

  ，图1中间）

因此，兴趣点的特征是

|dGs |-|dG |

（=>

dGs|dG

，图1右侧）的高值

如图1右图所示，仍然存在大量误报。因此，Hough变换（图2左）将用于检测与最强线（图2右）对应的所有点。绿线确实是搜索到的线

调整

• 更改

  n

  ：较高的值将丢弃更多的误报，但也会排除

  n

  边界像素。这可以通过对边界像素使用较低的

  n

  来避免

• 更改阈值：在

  dgsdg

  上设置更高的阈值将丢弃更多的误报。丢弃较高的

  dG

  值也可能会对丢弃原始图像中的边缘位置感兴趣

• 对称线的先验知识：使用hough变换的定义，可以丢弃通过图像中心部分的所有线

用于生成图像的matlab代码为：

I = imread('bnuqb.png');
G = int16(rgb2gray(I));

n = 3; % use the first, second and third left/right point
dG = int16(zeros(size(G) - [0 2*n+2]));
dGs = int16(zeros(size(G) - [0 2*n+2]));
for i=0:n
  dG = dG + abs(G(:, 1+n-i:end-2-n-i) - G(:, 3+n+i:end-n+i));
  dGs = dGs + abs(G(:, 1+n-i:end-2-n-i) - G(:, 2+n:end-n-1));
end
dGs_dG = dGs - dG;
dGs_dG(dGs_dG < 0) = 0;
figure
subplot(1,3,1);
imshow(dG, [])
subplot(1,3,2);
imshow(dGs, [])
subplot(1,3,3);
imshow(dGs_dG, [])

BW = dGs_dG > 0;
[H,theta,rho] = hough(BW);
P = houghpeaks(H,1);
lines = houghlines(BW,theta,rho,P,'FillGap',50000,'MinLength',7);

figure
subplot(1,2,1);
imshow(H, [])
hold on
plot(P(:, 2),P(:, 1),'r.');

subplot(1,2,2);
imshow(I(:, n+2:end-n-1, :))
hold on
max_len = 0;
for k = 1:length(lines)
   xy = [lines(k).point1; lines(k).point2];
   plot(xy(:,1),xy(:,2),'g');
end

I=imread（'bnuqb.png'）；
G=int16（rgb2gray（I））；
n=3；%使用第一个、第二个和第三个左/右点
dG=int16（零（大小（G）-[02*n+2]）；
dGs=int16（零（大小（G）-[02*n+2]）；
对于i=0:n
dG=dG+abs（G（：，1+n-i:end-2-n-i）-G（：，3+n+i:end-n+i））；
dGs=dGs+abs（G（：，1+n-i:end-2-n-i）-G（：，2+n:end-n-1））；
结束
dGs_dG=dGs-dG；
dGs_dG（dGs_dG<0）=0；
图形
子批次（1,3,1）；
imshow（dG，[]））
子批次（1,3,2）；
imshow（dGs，[]））
子批次（1,3,3）；
imshow（dGs_dG，[]）
BW=dGs_dG>0；
[H，θ，rho]=hough（BW）；
P=小时峰值（H，1）；
直线=houghlines（BW、θ、rho、P、'FillGap'，50000、'MinLength'，7）；
图形
子批次（1,2,1）；
imshow（H，[]）
等等
图（P（：，2），P（：，1），‘r.）；
子批次（1,2,2）；
imshow（I（：，n+2:end-n-1，：）
等等
最大长度=0；
对于k=1：长度（线）
xy=[行（k）.point1；行（k）.point2]；
图（xy（：，1），xy（：，2），'g'）；
结束

最好的方法是使用与

ffmpeg

相同的转换。我想你是在用ffmpeg的插件吧？如果是这样，您可能在过程中的某个地方生成了一个“transforms.trf”文件。我将研究此文件的格式，并从中提取值。@Aaron我应该提到的是，我只有

稳定视频

。现在更新问题。我使用的是

deshake

插件，我使用的命令是

ffmpeg.exe-I infle-vf deshake-c:v libx264-crf 0-preset veryslow outfile

。谢谢你的代码。不幸的是，它在许多情况下都不起作用：（在许多情况下，它非常接近，但不是非常精确。而且，在某些情况下，它工作得非常完美。我认为，假设对称性不在图像的中心，可能会提高性能。但是有没有办法将边缘对我共享的图像的影响降至最低。它们肯定会增加假阳性。另外，在以下两种情况下图像，它不是完全准确的。是原始图像，它的缩放版本是。在缩放图像右边缘的文件夹附近，有10个像素偏移。我增加了

n

，仍然没有变化。我添加了一些调整选项，特别是丢弃了hough变换中的一些区域，并在

dG可能很有趣。请注意，增加
n
也会丢弃更多的边界像素。这可以通过修改编辑后的文章中指出的算法来避免。目前我没有办法克服这种不精确性。可能需要进行一些后处理，使线条稍微适应，以便更好地与
dGs\dG的高值吻合？你确定对称线应该是一条直线吗？我同意
n
。但我认为增加1-2可能会稍微好一点。我认为这些线应该是直线，因为旋转是全局的，所以我看不到任何不应该是直线的原因。（另外，我还没有看到任何
非直的
线）。