Seestar S30 で 皆既月食をタイムラプス撮影してみました & gpt-oss-20bでブレ解消 #月食

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
動画の画像ブレ（平行移動）を補正するプログラム
- mp4 入力 → mp4 出力
- シフトのみ補正（回転・スケールは不要）
- 大きなシフトにも対応（phase‑correlation）
"""

import cv2
import numpy as np
import argparse
import os
from tqdm import tqdm

def parse_args():
    parser = argparse.ArgumentParser(
        description="動画のブレ（平行移動）を補正するプログラム")
    parser.add_argument("input", help="入力 MP4 ファイルパス")
    parser.add_argument("output", help="出力 MP4 ファイルパス")
    parser.add_argument("--fps", type=float, default=None,
                        help="出力 FPS。None なら入力と同じ")
    parser.add_argument("--scale", type=float, default=1.0,
                        help="補正前にフレームをリサイズする倍率。"
                             "大きいシフトを検出しやすくするために使う。"
                             "デフォルトは 1.0（リサイズなし）")
    parser.add_argument("--gpu", action='store_true',
                        help="GPU が利用可能なら GPU 版 (cv2.cuda) を使用")
    return parser.parse_args()

def estimate_shift(prev_gray, curr_gray, scale=1.0):
    """
    相関を用いて前フレームと現在フレームの平行移動量を推定する
    返り値: (dx, dy)  ただし dx は x 方向シフト量（右に移動すると +）
    """
    # 画像をスケールダウン（高速化＆大シフト検出）
    if scale != 1.0:
        prev_gray = cv2.resize(prev_gray, (0,0), fx=scale, fy=scale,
                               interpolation=cv2.INTER_AREA)
        curr_gray = cv2.resize(curr_gray, (0,0), fx=scale, fy=scale,
                               interpolation=cv2.INTER_AREA)

    # 相関関数を計算
    # (shift, response) = cv2.phaseCorrelate(prev, curr)
    # ただし shift は (x, y) で float で返る
    shift, response = cv2.phaseCorrelate(prev_gray.astype(np.float32),
                                          curr_gray.astype(np.float32))
    # スケールを戻す
    dx, dy = shift[0] / scale, shift[1] / scale
    return dx, dy

def main():
    args = parse_args()

    # 動画を読み込み
    cap = cv2.VideoCapture(args.input)
    if not cap.isOpened():
        raise IOError(f"入力ファイルを開けません: {args.input}")

    # 入力ビデオの情報取得
    fps_in = cap.get(cv2.CAP_PROP_FPS)
    width  = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

    # 出力 FPS
    fps_out = args.fps if args.fps is not None else fps_in

    # VideoWriter を作成
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')   # mp4v はほぼすべての環境で動く
    out = cv2.VideoWriter(args.output, fourcc, fps_out,
                          (width, height))

    # 変数初期化
    prev_frame = None
    cumulative_dx = 0.0
    cumulative_dy = 0.0

    print(f"処理開始: {args.input} → {args.output}")
    print(f"入力: {width}x{height} @ {fps_in}fps, {total_frames} フレーム")

    with tqdm(total=total_frames, unit="フレーム") as pbar:
        for _ in range(total_frames):
            ret, frame = cap.read()
            if not ret:
                break

            # 1st フレームはそのまま書き出す
            if prev_frame is None:
                out.write(frame)
                prev_frame = frame
                pbar.update(1)
                continue

            # グレースケールに変換
            prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)
            curr_gray = cv2.cvtColor(frame,     cv2.COLOR_BGR2GRAY)

            # シフト量を推定
            dx, dy = estimate_shift(prev_gray, curr_gray, scale=args.scale)

            # 累積シフト量に追加
            cumulative_dx += dx
            cumulative_dy += dy

            # 変換行列（2x3）を作成
            M = np.array([[1, 0, -cumulative_dx],
                          [0, 1, -cumulative_dy]], dtype=np.float32)

            # 補正
            stabilized = cv2.warpAffine(frame, M, (width, height),
                                        flags=cv2.INTER_LINEAR,
                                        borderMode=cv2.BORDER_REPLICATE)

            out.write(stabilized)
            prev_frame = frame
            pbar.update(1)

    cap.release()
    out.release()
    print("完了！")

if __name__ == "__main__":
    main()

pip install opencv-python numpy tqdm

# 例: input.mp4 を補正し、output.mp4 へ保存
python stabilize.py input.mp4 output.mp4