防抖算法小结

最近研究了一下防抖算法,总结如下,欢迎大家交流。防抖算法我总结一下三个方向:

  • deconv method
  • base gyro method
  • feature method

下面说一下我对上述各种方法的理解。
- deconv method

该方法的模型数学表示如下:

Blurred image=Sharp image* kernel+Noise 公式1
这里写图片描述

这样问题就来了,当我们有且仅有一个模糊图像的时候,这个模型的数学表达就是一个ill-problem.在这种情况下,许多牛人提出了各种方法,但是都会有一个问题,离开不了预设初始化、迭代、傅立叶变换等条件。我在matlab跑了下代码,嗯,60分钟左右,一张几兆分辨率的图像。这里有兴趣的同学推荐阅读paper:
Deblurring Text Images via L 0 -Regularized Intensity and Gradient Prior
Deblurring Shaken and Partially Saturated Images
Fast Motion Deblurring
Learning Good Regions to Deblur Images

我总结如下:算法复杂度过高。

  • base gyro method.

这种方法是基于移动设备的陀螺

  • 17
    点赞
  • 93
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
根据引用\[1\]和引用\[2\]的内容,可以得知在Python中有一些开源的视频防抖算法可供使用。其中一个例子是在GitHub上的一个项目,链接为https://github.com/lengkujiaai/video_stabilization。这个项目提供了一种基于图像变换的防抖方法,通过使用仿射变换、透视变换等自由度更高的图像变换估计来应对不同距离的场景带来的画面透视问题。根据引用\[2\]的描述,这个算法的效果还不错。 然而,根据引用\[3\]的内容,使用陀螺仪数据来进行视频防抖可能并不是一个理想的选择。陀螺仪的精度可能不够高,而且与画面的时间同步也很困难。因此,放弃使用陀螺仪数据来进行视频防抖是一个明智的决定。 综上所述,如果你想在Python中实现视频防抖算法,可以考虑使用开源项目中提供的基于图像变换的方法,如仿射变换或透视变换。这些方法可以帮助你处理不同距离的场景带来的画面透视问题,并提升防抖效果。 #### 引用[.reference_title] - *1* *2* *3* [EIS(电子稳像,视频防抖算法开发记录](https://blog.csdn.net/beicheng3849/article/details/126533184)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值