视频防抖技术
一、光学防抖 (OIS - Optical Image Stabilization)
光学防抖是最传统的防抖方案，通过物理机械结构来补偿相机的抖动。
1.1 标准的光学防抖方案
当检测到相机抖动时，镜头组或传感器会进行反向移动来抵消抖动。
优点：
- 无画质损失
- 实时性好（无延迟）
- 适用于拍照和录像
缺点：
- 成本高，需要精密机械结构
- 补偿范围有限（通常±2-3°）
- 体积和功耗较大
- 无法补偿平移抖动
二、电子防抖 (EIS - Electronic Image Stabilization)
电子防抖是目前最主流的方案，纯软件实现，成本低且效果好。根据实现方式的不同，可以分为多个子类。
2.1 基于2D图像配准的防抖
这是最基础的EIS方案，通过分析相邻帧之间的运动来估计抖动。
优点：
- 实现简单，计算量小
- 无需额外硬件
- 适用于大部分场景
缺点：
- 需要裁剪画面（通常损失10-20%）
- 对快速运动、模糊场景效果差
- 无法处理滚动快门效应
- 累积误差
2.2 基于陀螺仪的防抖（Gyro-based EIS）
以陀螺仪为主导的防抖方案，通过IMU（惯性测量单元）中的陀螺仪数据精确计算相机的旋转运动。陀螺仪以高频率（通常200-1000Hz）采集角速度数据，通过积分计算出相机的旋转角度变化。然后将这个旋转信息转换为图像变换矩阵，对视频帧进行反向旋转补偿。
优点：
- 直接测量旋转运动，不受光照、纹理等视觉条件影响
- 陀螺仪响应速度快（<5ms），适合实时处理
- 在快速运动、模糊、暗光等极端场景下依然有效
- 只需矩阵运算，CPU占用低
- 可以逐行计算不同时刻的旋转量，有效消除”果冻效应”
缺点：
- 必须有IMU传感器，增加成本和功耗
- 无法补偿平移抖动
- 长时间积分会累积误差，导致画面逐渐偏移（通常5-10分钟后明显）
- 需要精确的时间同步
2.3 混合防抖（视觉+IMU）
目前高端运动相机的主流方案（如Insta360、GoPro Hero 11+、DJI Action），将陀螺仪的高频精准旋转补偿与视觉算法的全局运动估计结合起来，互补各自的短板。
优点：
- 同时补偿旋转和平移，覆盖所有抖动类型
- 陀螺仪处理高频，视觉校正长期漂移，互补短板
- 鲁棒性极强，一个传感器失效时另一个可以兜底
- 无积分漂移。视觉算法定期重置陀螺仪累积误差
- 地平线锁定：视觉识别地平线，强制保持水平
- 陀螺仪保证实时性，视觉可以延迟处理
缺点：
- 需要同时运行陀螺仪积分和视觉特征追踪，CPU/GPU占用高
- 两套系统的时间同步、参数调优、融合策略都很复杂
- 持续运行两套算法，电池续航受影响
- 需要针对不同场景（运动、暗光、快速旋转）分别优化融合策略
三、深度学习防抖
近年来，基于深度学习的防抖方法开始崭露头角，能够端到端学习稳定策略。
3.1 基于光流网络的防抖
利用深度学习网络（如PWC-Net、RAFT）估计精确的光流。
3.2 端到端稳定网络
直接学习从抖动视频到稳定视频的映射。
3.3 基于GAN的防抖
使用生成对抗网络生成更真实的稳定视频。