北京
為什么同一組照片，兩次特征匹配算出的旋轉角度會有細微差別？在這年復一年拍攝的延時攝影項目里，這個看似無傷大雅的隨機性，差點讓地平線在畫面中反復漂移。問題的根源出在對齊流程的核心環節——用 RANSAC 算法估計幾何變換時，它天生的隨機采樣機制會讓每次運行都投出略有不同的票。
要理解這一點，得先回到項目本身。作者用手機在幾年間從幾乎相同的機位拍下數百張照片，但“幾乎”這個詞藏著所有麻煩。人的站位每次都有細微偏移，手機也從三星 S10 換到 S21，再到 iPhone 14 Pro，不同機型的相機焦距各有差異。于是，原片里的山巒和天空不僅比例不同，角度也各有參差。如果不對每張圖做畸變校正，直接播放就會看到整個風景在鏡頭里劇烈抖動。
對齊這件事，用計算機視覺的通用做法就是特征匹配。OpenCV 這個開源視覺庫提供了 ORB 算法，它先是結合 FAST 檢測關鍵點，再用 Harris 角點度量篩出最強的那一批點，并通過圖像金字塔拿到多尺度特征。完成匹配后，就需要一個能從包含外點的數據里估算變換模型的算法，這正是 RANSAC 登場的地方。它靠隨機抽樣不斷投票，假設局內點會聚向同一個模型，而噪聲點則不會一致性地支持任何一個模型。
作者最初選用 3×3 的單應矩陣作為變換，結果圖像扭曲嚴重，透視失真被關鍵點匹配的微小誤差放大了不少。改進方案是把變換矩陣降到 2×3，只保留平移和統一的縮放，這樣一來形變可控了許多。但依然有個無法繞開的坎：RANSAC 的隨機性。哪怕輸入完全相同的配點，兩次計算也可能給出略微不同的旋轉量。這對延時攝影來說，意味著每一幀的地平線都可能出現隨機漂移，整個視頻的穩定感蕩然無存。
面對這個“要靈活性還是要確定性”的抉擇，作者沒有嘗試調參去壓制隨機性，而是做了一個干脆的取舍——直接把旋轉矩陣的旋轉分量強制置為零。損失了角度校正的精度，換來了幀與幀之間絕對的穩定。在幾個月甚至幾年的素材里，這種剔除旋轉的做法，反而讓時間流動的感覺變得更加純粹。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
