vid2pano.py

Salut,

J'ai déjà fait ça avec succès, inspiré par ce post StackOverflow qui correspond exactement à ta demande :

La réponse propose une solution en pur Python avec OpenCV. Je l'utilise moi-même et ça fonctionne plutôt bien, même depuis une vidéo prise au smartphone.

Voici mon adaptation : un script unique qui prend une vidéo en entrée, extrait les frames significatives (via détection de keypoints ORB) et les assemble en panorama.

Installation :

pip install opencv-python numpy

vid2pano.py :

#!/usr/bin/env python3
# https://stackoverflow.com/a/66378715
import cv2
import numpy as np
import os
import shutil
import argparse
# rescale the images (1.00 = original / 0.5 = half size)
def rescale(img):
 scale = 1.00
 h, w = img.shape[:2]
 h = int(h * scale)
 w = int(w * scale)
 return cv2.resize(img, (w, h))
# decimate function
def decimate(input_file):
 # delete and create directory
 folder = "frames/"
 if os.path.isdir(folder):
 shutil.rmtree(folder)
 os.mkdir(folder)
 # open vidcap
 cap = cv2.VideoCapture(input_file)
 counter = 0
 # make an orb feature detector and a brute force matcher
 orb = cv2.ORB_create()
 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=False)
 # store the first frame
 _, last = cap.read()
 last = rescale(last)
 cv2.imwrite(folder + str(counter).zfill(5) + ".png", last)
 # get the first frame's stuff
 kp1, des1 = orb.detectAndCompute(last, None)
 # cutoff, the minimum number of keypoints
 cutoff = 50
 # count number of frames
 prev = None
 while True:
 # get frame
 ret, frame = cap.read()
 if not ret:
 break
 # resize
 frame = rescale(frame)
 # count keypoints
 kp2, des2 = orb.detectAndCompute(frame, None)
 # match
 matches = bf.knnMatch(des1, des2, k=2)
 # lowe's ratio
 good = []
 for m, n in matches:
 if m.distance < 0.5 * n.distance:
 good.append(m)
 # check against cutoff
 print(len(good))
 if len(good) < cutoff:
 # swap and save
 counter += 1
 last = frame
 kp1 = kp2
 des1 = des2
 cv2.imwrite(folder + str(counter).zfill(5) + ".png", last)
 print("New Frame: " + str(counter))
 # show
 cv2.imshow("Frame", frame)
 cv2.waitKey(1)
 prev = frame
 # also save last frame
 counter += 1
 cv2.imwrite(folder + str(counter).zfill(5) + ".png", prev)
 # check number of saved frames
 print("Counter: " + str(counter))
# stitcher function
def stitcher():
 # target folder
 folder = "frames/"
 # load images
 filenames = os.listdir(folder)
 images = []
 for file in filenames:
 # get image
 img = cv2.imread(folder + file)
 # save
 images.append(img)
 # use built in stitcher
 stitcher = cv2.Stitcher_create()
 (status, stitched) = stitcher.stitch(images)
 cv2.imwrite("result.png", stitched)
# main function
def main():
 parser = argparse.ArgumentParser(description="Process a video file.")
 parser.add_argument('-input', type=str, required=True, help='Input video file')
 args = parser.parse_args()
 decimate(args.input)
 stitcher()
if __name__ == "__main__":
 main()

Utilisation :

python vid2pano.py -input ma-video.mp4

Le résultat est dans result.png. Le paramètre cutoff (par défaut 50) contrôle le nombre de keypoints minimum pour considérer qu'une frame est suffisamment différente de la précédente — à ajuster selon ta vidéo.

wind0w$ suxX, GNU/Linux roxX!