计算机视觉技术是信息科学中的热门研究领域，通过对摄像机获取的视频进行一系列的智能处理，从而对外部环境做出正确决策。然而，由于摄像系统的工作效果受到载体不同时刻姿态变化或振动的影响，导致视频图像不稳定、模糊，进而影响整个系统的性能表现。电子稳像技术是基于图像处理的防抖技术，相比机械和光学稳像技术，有诸多优势，可以显著提高运动载体摄像的稳定性，在军事侦察、航空、交通等领域有广泛应用。本文将以提高电子稳像处理过程的准确性、实时性和完整性为出发点，依托OpenCV开发平台，从运动估计、运动分离和运动补偿三个环节入手，研究和分析主要算法，做出相应改进。本文首先概述了摄像系统的成像原理，建立图像变换的数学模型；然后对摄像机运动的特点及其影响做了简要介绍，分析并指出图像背景的全局运动具备良好的一致性；分别讨论电子稳像中运动估计、运动分离和运动补偿的关键技术，并对其理论进行详细分析和实验；简要介绍OpenCV计算机视觉函数库的结构和特性，并依托OpenCV平台进行后续的算法研究；总结电子稳像中的关键问题并提出改进思路。第三章分析运动估计的主要方法，选取特征点匹配法并验证其可行性和实时性；指出传统特征匹配算法的局限性，提出亚像素级Harris角点的自适应选取算法，通过基于平均背景法的前景运动物体检测，保证角点选取的合理性，通过计算亚像素级角点坐标和控制角点数量，提高角点的定位精度和稳像处理的实时性；最后，根据图像变换模型获取运动参数，并利用RANSAC方法筛选出全局运动矢量。第四章着重讨论运动分离和补偿的相关问题。针对摄像机载体存在期望运动和随机抖动相耦合的问题，提出采用Kalman滤波的方法，对运动参数曲线进行滤波处理，分析了滤波器参数的设置问题，得到希望保留的期望运动参数轨迹。对于滤波所得的运动参数，采用改进后的最邻近插值法对视频图像进行稳像补偿；针对补偿后的图像出现的“黑边”问题，提出结合图像拼接技术来实现全景补偿，提高输出视频的感官质量和观察效果；从峰值信噪比PSNR、图像均方差等几个指标入手，对电子稳像质量的评价准则进行了简单研究。