简介PyEVM是欧拉视频放大率EVM算法的Python实现面向计算机视觉研究者、图像处理学习者及生物医学可视化爱好者用于揭示普通视频中人眼难以察觉的时序变化例如面部血流充填、微小运动等。核心EVM.py通过空间分解与时间滤波对帧序列进行处理并放大目标频带信号支持自定义观测频率具有实时运行潜力。压缩包共16个文件以py源码、README说明、avi/mp4示例视频及xml工程配置为主整体约139MB。素材包含婴儿面部视频、吉他演奏视频及对应的颜色增强与运动放大结果文件便于对照验证算法效果。项目采用PyCharm工程结构附带.gitignore等配置文件方便直接导入或二次开发环境需手动安装OpenCV3适合具备一定Python与图像处理基础的中高级读者。目前已有2085人学习下载是理解EVM原理并进行复现实践的合适参考。 EVM这个缩写搞计算机视觉的人应该都不陌生。2012年MIT发了一篇《Eulerian Video Magnification for Revealing Subtle Changes in the World》用一段普通摄像头拍的面部视频就能把皮肤下血液流动带来的微弱颜色变化放大到肉眼可见的程度。我第一次看demo视频时的第一反应是这怕不是后期特效。直到自己把公式推了一遍、把PyEVM跑通才确认这套东西是真实可复现的。PyEVM的核心任务可以概括成一句话把视频里肉眼不可见的微小时空变化颜色变化或微小运动放大成可见变化。它最经典的应用是隔摄像头测心率、观察婴儿呼吸起伏、分析琴弦或机械部件的微振动。对正在学图像处理、信号处理或者做生物医学视觉应用的人来说这是一个非常适合上手的项目——原理经典、代码量不大、复现成本低跑通之后能延伸出很多玩法。1. EVM原理与整体设计思路1.1 欧拉视角把视频当成时空数据很多刚接触EVM的人会混淆它与光流法。光流属于拉格朗日视角——追踪特定点在帧间的位移也就是“跟着目标走”。EVM选的是完全相反的欧拉视角固定每个像素位置观察这个像素上的颜色或亮度随时间怎么变化。打个比方观察河里水波时拉格朗日做法是盯住一片树叶看它漂到哪里EVM做法是站在河岸固定位置只看水面高度随时间怎么波动。EVM选后者是因为它天生适合描述皮肤血色变化、胸廓呼吸起伏这类周期性、幅度极小的信号而且不需要做特征匹配计算量相对可控。1.2 EVM的三步链路整个算法链路非常干净核心就三步空间分解把每帧做多尺度金字塔分解将图像拆成不同空间分辨率的层级。时间滤波取金字塔每个层级上的像素序列沿时间方向做带通滤波只保留目标频段的信号。放大重建把滤波后提取出的“变化量”乘以放大系数叠加回原金字塔逐层重建得到输出帧。这里面最关键的是第二步。为什么要先做金字塔分解因为微小空间变化在原始分辨率上通常只表现为很微弱的灰度扰动直接在原图上做时间滤波再放大噪声也会跟着被放大。金字塔分解相当于把信号按空间频率分开再把时间滤波与放大只作用在最合适的空间频带上这样才能抑制噪声和伪影。1.3 为什么用Python重新实现论文官方提供的是Matlab实现跑起来要装一堆工具箱扩展也不方便。我选择用Python重写核心原因有三个OpenCV在图像金字塔和视频读写上非常成熟pyrDown、pyrUp都是现成的高效实现。SciPy的butter和filtfilt可以直接做零相位带通滤波省掉自己设计滤波器的麻烦。Python生态方便后续接其他任务比如把放大结果接上FFT做心率估计或者继续做关键点检测。缺点也明显——纯Python处理视频循环天然慢但作为原型验证完全够用。实测一段5秒、640x480、30fps的视频单线程处理大概需要20秒左右属于可以接受的范围。2. 环境准备与依赖选型2.1 最小依赖清单PyEVM不依赖任何深度学习框架依赖少得可怜。我在Windows和Linux上都跑过只需要三个包包版本建议作用numpy1.21数组运算、金字塔序列堆叠opencv-python4.5视频读写、金字塔分解与重建scipy1.7Butterworth带通滤波器、filtfilt零相位滤波想查看频谱结果的话额外装一个matplotlib。安装命令就是常规的pip install这里不占篇幅。一个实际踩过的坑如果本机同时装了多个Python版本pip很可能装错解释器所以推荐在项目虚拟环境里安装无论用vscode还是pycharm只要解释器指向同一个虚拟环境即可环境管理上会省很多心。2.2 环境验证装完依赖后先跑一个三行验证确认环境正常再往下走import cv2 import numpy as np from scipy import signal print(cv2.__version__) print(np.__version__) print(signal.butter)能正常输出就说明环境OK。如果卡在import cv2上大概率是OpenCV安装不完整直接pip install opencv-python --upgrade重装即可。如果signal.butter报错多半是SciPy版本过低升级SciPy就行。3. 核心模块实现与参数调优3.1 高斯金字塔分解金字塔分解是整条算法链路的空间基础。我用cv2.pyrDown做逐层降采样和高斯模糊每一层宽高减半。层数与检测目标密切相关做肤色变化心率时我倾向只分解2到3层因为颜色变化主要在原始分辨率表现做微小运动放大时我一般分解4到5层因为大尺度运动信息在低分辨率层更容易被带通滤波稳定捕捉。这里有个容易被忽略的细节当视频宽或高是奇数时pyrDown之后重建pyrUp会差一个像素必须做尺寸对齐否则输出图像边缘会出现明显的锯齿和闪烁。3.2 时间带通滤波用filtfilt消除相位偏移时间滤波我用的是scipy.signal.butter配合filtfilt。filtfilt是零相位滤波不会在时间上引入非线性偏移这比很多人习惯用的lfilter要好。普通滤波器会让输出信号相对输入产生时间延迟反映到视频里就是放大的“影子”和真实位置错开几帧非常违和。使用时注意截止频率要除以奈奎斯特频率fps/2做归一化。滤波流程是先把金字塔各层堆叠成帧数, 高, 宽, 通道的数组再沿第一维即时间维滤波。由于filtfilt属于双向滤波输入帧数太少会让滤波两端出现明显摆动误差我实测最少需要60帧以上才稳定低于这个值建议对序列两端做反射填充。3.3 放大系数与重建策略放大系数alpha是整个算法中最直观却又最难调的值。论文里的alpha范围很宽5到100都有但实际测试下来我对肤色变化用30到50对微小运动只敢用10到20。alpha太大高频噪声会被同步放大画面看起来像蒙了一层水雾。重建时我采用“原始金字塔 放大后的滤波变化量”回加方案。每层加完系数后如果某个金字塔层级与上一级尺寸不匹配先cv2.resize对齐再相加回传这个细节直接决定了重建质量千万不能省。3.4 参数速查表应用场景金字塔层数通带频率(Hz)放大系数皮肤血流量/心率2-30.8-2.030-50呼吸监测40.2-0.520-30机械振动/结构监测4-5视振频而定10-20频率换算成bpm只需要乘以60。比如心率滤波通带0.8-2.0 Hz对应48-120 bpm基本覆盖了大多数人的静息心率范围。4. 完整流程实操从视频到放大结果4.1 端到端实现以下是我项目里最核心的PyEVM类代码为了便于理解我做了精简但保留了完整逻辑import cv2 import numpy as np from scipy import signal class PyEVM: def __init__(self, levels4, alpha20, fps30, low0.8, high2.0, order4): self.levels levels self.alpha alpha self.fps fps self.low low self.high high self.order order def _gaussian_pyramid(self, img): gp [img] tmp img.copy() for _ in range(self.levels - 1): tmp cv2.pyrDown(tmp) gp.append(tmp) return gp def _reconstruct(self, pyramid): img pyramid[-1] for i in range(len(pyramid) - 2, -1, -1): img cv2.pyrUp(img) if img.shape[:2] ! pyramid[i].shape[:2]: img cv2.resize(img, (pyramid[i].shape[1], pyramid[i].shape[0])) img cv2.add(img, pyramid[i]) return img def process(self, frames): num len(frames) pyramids [self._gaussian_pyramid(f) for f in frames] recon [] for level in range(self.levels): seq np.stack([p[level] for p in pyramids], axis0) nyq self.fps / 2.0 b, a signal.butter(self.order, [self.low / nyq, self.high / nyq], btypeband) filt signal.filtfilt(b, a, seq, axis0) recon.append(filt) output [] for t in range(num): rp [] for level in range(self.levels): rp.append(pyramids[t][level] self.alpha * recon[level][t]) output.append(self._reconstruct(rp)) return output使用方式很简单cv2.VideoCapture读视频把帧塞进列表调用process再把返回的每一帧写进VideoWriter即可。这里有一个必须处理的细节读进来的帧要转成float32否则金字塔运算和滤波会因为uint8截断产生严重误差。4.2 实测效果与调参路径我在自己录的一段额头视频上做了完整测试拍摄30秒、帧率30fps、帧大小640x480、通带0.8-2.0 Hz、alpha40、金字塔3层。处理完输出视频后取放大结果的绿色通道逐帧均值再对均值序列做FFT频谱峰值对应的频率在1.17 Hz左右换算成心率约70 bpm与实测脉搏基本吻合。这说明整条链路是通的。调参时我有一个习惯先固定帧率和通带把alpha从0慢慢往上加每加一档就输出几帧截图看效果。如果出现画面模糊、边缘重影就降低alpha如果放大不明显优先检查通带范围而不是继续加大alpha。这样做能避免把噪声一路放大到不可收拾。5. 常见问题与排查技巧实录5.1 问题速查表症状可能原因解决办法输出画面周期性闪烁帧率参数与实际不符带通范围过宽用视频实际fps重试收窄通带放大区域边缘振铃alpha过大金字塔层数过深降低alpha限制放大层数输出比输入晚几帧且运动错位用了lfilter产生相位偏移改用filtfilt帧数不足时反射填充视频末尾出现强烈摆动filtfilt样本不足增加视频时长到5秒以上内存占用过大帧数太多且金字塔层数多降采样视频或分块处理5.2 个人踩坑后的几点建议这几类问题里我踩得最深的是“输出比输入晚几帧”。当时用了butter配合lfilter滤波后的信号单独看没有异常但合成视频里的放大脉动总是比原视频慢半拍人脸轮廓和血色变化位置明显错位。后来换成filtfilt问题立刻消失这说明零相位滤波对视频任务不是锦上添花而是刚需。另一个经常被忽视的坑是float32。读进来的帧是uint8但经过带通滤波后必然出现负值如果此时以uint8格式回写负值会被直接截断到0暗部细节全部丢失。所以流程中从读帧到写帧务必全程保持float32。还想提醒的是不要图省事跳过金字塔分解直接对原始帧做时间滤波。那样虽然也能做出一定效果但噪声会同时被放大输出全是颗粒。EVM的精髓就在于把时间滤波放到不同空间频率层级上各取所需这一步省不得。从接触EVM到把PyEVM跑通我最大的感受是这个项目门槛看起来不高真正跑出效果却能给人惊喜。它不依赖任何深度学习模型原理和实现都很透明非常适合用来熟悉图像金字塔、时域滤波和视频处理的基本功。如果你手头正好有测试视频建议先从心率检测这个经典案例入手跑通了再试着换应用场景、调参逐步积累自己的调参手感。最后分享一个小技巧调试时加一个“只显示滤波后叠加图像”的模式能很直观地看到每一层金字塔到底捕捉到了什么变化对理解整个算法帮助很大。本文还有配套的精品资源点击获取 
长河君 · 2026/9/1 6:25:53 · 阅读 1.2k 欧拉视频放大EVM原理与PyEVM实现：从微小变化到可见视觉信号
简介PyEVM是欧拉视频放大率EVM算法的Python实现面向计算机视觉研究者、图像处理学习者及生物医学可视化爱好者用于揭示普通视频中人眼难以察觉的时序变化例如面部血流充填、微小运动等。核心EVM.py通过空间分解与时间滤波对帧序列进行处理并放大目标频带信号支持自定义观测频率具有实时运行潜力。压缩包共16个文件以py源码、README说明、avi/mp4示例视频及xml工程配置为主整体约139MB。素材包含婴儿面部视频、吉他演奏视频及对应的颜色增强与运动放大结果文件便于对照验证算法效果。项目采用PyCharm工程结构附带.gitignore等配置文件方便直接导入或二次开发环境需手动安装OpenCV3适合具备一定Python与图像处理基础的中高级读者。目前已有2085人学习下载是理解EVM原理并进行复现实践的合适参考。 EVM这个缩写搞计算机视觉的人应该都不陌生。2012年MIT发了一篇《Eulerian Video Magnification for Revealing Subtle Changes in the World》用一段普通摄像头拍的面部视频就能把皮肤下血液流动带来的微弱颜色变化放大到肉眼可见的程度。我第一次看demo视频时的第一反应是这怕不是后期特效。直到自己把公式推了一遍、把PyEVM跑通才确认这套东西是真实可复现的。PyEVM的核心任务可以概括成一句话把视频里肉眼不可见的微小时空变化颜色变化或微小运动放大成可见变化。它最经典的应用是隔摄像头测心率、观察婴儿呼吸起伏、分析琴弦或机械部件的微振动。对正在学图像处理、信号处理或者做生物医学视觉应用的人来说这是一个非常适合上手的项目——原理经典、代码量不大、复现成本低跑通之后能延伸出很多玩法。1. EVM原理与整体设计思路1.1 欧拉视角把视频当成时空数据很多刚接触EVM的人会混淆它与光流法。光流属于拉格朗日视角——追踪特定点在帧间的位移也就是“跟着目标走”。EVM选的是完全相反的欧拉视角固定每个像素位置观察这个像素上的颜色或亮度随时间怎么变化。打个比方观察河里水波时拉格朗日做法是盯住一片树叶看它漂到哪里EVM做法是站在河岸固定位置只看水面高度随时间怎么波动。EVM选后者是因为它天生适合描述皮肤血色变化、胸廓呼吸起伏这类周期性、幅度极小的信号而且不需要做特征匹配计算量相对可控。1.2 EVM的三步链路整个算法链路非常干净核心就三步空间分解把每帧做多尺度金字塔分解将图像拆成不同空间分辨率的层级。时间滤波取金字塔每个层级上的像素序列沿时间方向做带通滤波只保留目标频段的信号。放大重建把滤波后提取出的“变化量”乘以放大系数叠加回原金字塔逐层重建得到输出帧。这里面最关键的是第二步。为什么要先做金字塔分解因为微小空间变化在原始分辨率上通常只表现为很微弱的灰度扰动直接在原图上做时间滤波再放大噪声也会跟着被放大。金字塔分解相当于把信号按空间频率分开再把时间滤波与放大只作用在最合适的空间频带上这样才能抑制噪声和伪影。1.3 为什么用Python重新实现论文官方提供的是Matlab实现跑起来要装一堆工具箱扩展也不方便。我选择用Python重写核心原因有三个OpenCV在图像金字塔和视频读写上非常成熟pyrDown、pyrUp都是现成的高效实现。SciPy的butter和filtfilt可以直接做零相位带通滤波省掉自己设计滤波器的麻烦。Python生态方便后续接其他任务比如把放大结果接上FFT做心率估计或者继续做关键点检测。缺点也明显——纯Python处理视频循环天然慢但作为原型验证完全够用。实测一段5秒、640x480、30fps的视频单线程处理大概需要20秒左右属于可以接受的范围。2. 环境准备与依赖选型2.1 最小依赖清单PyEVM不依赖任何深度学习框架依赖少得可怜。我在Windows和Linux上都跑过只需要三个包包版本建议作用numpy1.21数组运算、金字塔序列堆叠opencv-python4.5视频读写、金字塔分解与重建scipy1.7Butterworth带通滤波器、filtfilt零相位滤波想查看频谱结果的话额外装一个matplotlib。安装命令就是常规的pip install这里不占篇幅。一个实际踩过的坑如果本机同时装了多个Python版本pip很可能装错解释器所以推荐在项目虚拟环境里安装无论用vscode还是pycharm只要解释器指向同一个虚拟环境即可环境管理上会省很多心。2.2 环境验证装完依赖后先跑一个三行验证确认环境正常再往下走import cv2 import numpy as np from scipy import signal print(cv2.__version__) print(np.__version__) print(signal.butter)能正常输出就说明环境OK。如果卡在import cv2上大概率是OpenCV安装不完整直接pip install opencv-python --upgrade重装即可。如果signal.butter报错多半是SciPy版本过低升级SciPy就行。3. 核心模块实现与参数调优3.1 高斯金字塔分解金字塔分解是整条算法链路的空间基础。我用cv2.pyrDown做逐层降采样和高斯模糊每一层宽高减半。层数与检测目标密切相关做肤色变化心率时我倾向只分解2到3层因为颜色变化主要在原始分辨率表现做微小运动放大时我一般分解4到5层因为大尺度运动信息在低分辨率层更容易被带通滤波稳定捕捉。这里有个容易被忽略的细节当视频宽或高是奇数时pyrDown之后重建pyrUp会差一个像素必须做尺寸对齐否则输出图像边缘会出现明显的锯齿和闪烁。3.2 时间带通滤波用filtfilt消除相位偏移时间滤波我用的是scipy.signal.butter配合filtfilt。filtfilt是零相位滤波不会在时间上引入非线性偏移这比很多人习惯用的lfilter要好。普通滤波器会让输出信号相对输入产生时间延迟反映到视频里就是放大的“影子”和真实位置错开几帧非常违和。使用时注意截止频率要除以奈奎斯特频率fps/2做归一化。滤波流程是先把金字塔各层堆叠成帧数, 高, 宽, 通道的数组再沿第一维即时间维滤波。由于filtfilt属于双向滤波输入帧数太少会让滤波两端出现明显摆动误差我实测最少需要60帧以上才稳定低于这个值建议对序列两端做反射填充。3.3 放大系数与重建策略放大系数alpha是整个算法中最直观却又最难调的值。论文里的alpha范围很宽5到100都有但实际测试下来我对肤色变化用30到50对微小运动只敢用10到20。alpha太大高频噪声会被同步放大画面看起来像蒙了一层水雾。重建时我采用“原始金字塔 放大后的滤波变化量”回加方案。每层加完系数后如果某个金字塔层级与上一级尺寸不匹配先cv2.resize对齐再相加回传这个细节直接决定了重建质量千万不能省。3.4 参数速查表应用场景金字塔层数通带频率(Hz)放大系数皮肤血流量/心率2-30.8-2.030-50呼吸监测40.2-0.520-30机械振动/结构监测4-5视振频而定10-20频率换算成bpm只需要乘以60。比如心率滤波通带0.8-2.0 Hz对应48-120 bpm基本覆盖了大多数人的静息心率范围。4. 完整流程实操从视频到放大结果4.1 端到端实现以下是我项目里最核心的PyEVM类代码为了便于理解我做了精简但保留了完整逻辑import cv2 import numpy as np from scipy import signal class PyEVM: def __init__(self, levels4, alpha20, fps30, low0.8, high2.0, order4): self.levels levels self.alpha alpha self.fps fps self.low low self.high high self.order order def _gaussian_pyramid(self, img): gp [img] tmp img.copy() for _ in range(self.levels - 1): tmp cv2.pyrDown(tmp) gp.append(tmp) return gp def _reconstruct(self, pyramid): img pyramid[-1] for i in range(len(pyramid) - 2, -1, -1): img cv2.pyrUp(img) if img.shape[:2] ! pyramid[i].shape[:2]: img cv2.resize(img, (pyramid[i].shape[1], pyramid[i].shape[0])) img cv2.add(img, pyramid[i]) return img def process(self, frames): num len(frames) pyramids [self._gaussian_pyramid(f) for f in frames] recon [] for level in range(self.levels): seq np.stack([p[level] for p in pyramids], axis0) nyq self.fps / 2.0 b, a signal.butter(self.order, [self.low / nyq, self.high / nyq], btypeband) filt signal.filtfilt(b, a, seq, axis0) recon.append(filt) output [] for t in range(num): rp [] for level in range(self.levels): rp.append(pyramids[t][level] self.alpha * recon[level][t]) output.append(self._reconstruct(rp)) return output使用方式很简单cv2.VideoCapture读视频把帧塞进列表调用process再把返回的每一帧写进VideoWriter即可。这里有一个必须处理的细节读进来的帧要转成float32否则金字塔运算和滤波会因为uint8截断产生严重误差。4.2 实测效果与调参路径我在自己录的一段额头视频上做了完整测试拍摄30秒、帧率30fps、帧大小640x480、通带0.8-2.0 Hz、alpha40、金字塔3层。处理完输出视频后取放大结果的绿色通道逐帧均值再对均值序列做FFT频谱峰值对应的频率在1.17 Hz左右换算成心率约70 bpm与实测脉搏基本吻合。这说明整条链路是通的。调参时我有一个习惯先固定帧率和通带把alpha从0慢慢往上加每加一档就输出几帧截图看效果。如果出现画面模糊、边缘重影就降低alpha如果放大不明显优先检查通带范围而不是继续加大alpha。这样做能避免把噪声一路放大到不可收拾。5. 常见问题与排查技巧实录5.1 问题速查表症状可能原因解决办法输出画面周期性闪烁帧率参数与实际不符带通范围过宽用视频实际fps重试收窄通带放大区域边缘振铃alpha过大金字塔层数过深降低alpha限制放大层数输出比输入晚几帧且运动错位用了lfilter产生相位偏移改用filtfilt帧数不足时反射填充视频末尾出现强烈摆动filtfilt样本不足增加视频时长到5秒以上内存占用过大帧数太多且金字塔层数多降采样视频或分块处理5.2 个人踩坑后的几点建议这几类问题里我踩得最深的是“输出比输入晚几帧”。当时用了butter配合lfilter滤波后的信号单独看没有异常但合成视频里的放大脉动总是比原视频慢半拍人脸轮廓和血色变化位置明显错位。后来换成filtfilt问题立刻消失这说明零相位滤波对视频任务不是锦上添花而是刚需。另一个经常被忽视的坑是float32。读进来的帧是uint8但经过带通滤波后必然出现负值如果此时以uint8格式回写负值会被直接截断到0暗部细节全部丢失。所以流程中从读帧到写帧务必全程保持float32。还想提醒的是不要图省事跳过金字塔分解直接对原始帧做时间滤波。那样虽然也能做出一定效果但噪声会同时被放大输出全是颗粒。EVM的精髓就在于把时间滤波放到不同空间频率层级上各取所需这一步省不得。从接触EVM到把PyEVM跑通我最大的感受是这个项目门槛看起来不高真正跑出效果却能给人惊喜。它不依赖任何深度学习模型原理和实现都很透明非常适合用来熟悉图像金字塔、时域滤波和视频处理的基本功。如果你手头正好有测试视频建议先从心率检测这个经典案例入手跑通了再试着换应用场景、调参逐步积累自己的调参手感。最后分享一个小技巧调试时加一个“只显示滤波后叠加图像”的模式能很直观地看到每一层金字塔到底捕捉到了什么变化对理解整个算法帮助很大。本文还有配套的精品资源点击获取