通过正确定位补丁将重叠图像合并为单个图像

Posted 2023-03-16

【中文标题】通过正确定位补丁将重叠图像合并为单个图像

【英文标题】：Merging overlapping images into a single image by correctly positioning the patches one on the other

【发布时间】：2021-02-01 06:14:24

【问题描述】：

鉴于从图像中获取的许多补丁，任务是创建由补丁组成的单个图像。

我尝试过幼稚的解决方案：

对于每 2 张图像，检查多个补丁并进行比较。 如果它们在某个置信度阈值以上相似，则创建 2 的新图像。 将新图像添加到池中并删除其他 2 个。 重复直到池大小为 1。

问题是这个解决方案很慢，主要瓶颈是补丁比较。 有没有更好的方法可以更快地做到这一点？ 也许是更好的补丁选择和比较方法？

【问题讨论】：

请edit在帖子中包含minimal reproducible example。

补丁的方向是否相同？重叠像素是否相同？

是的，重叠像素是相同的（例如，假设边缘检测到的补丁）并且所有补丁的方向都正确，不需要倾斜。

【参考方案1】：

我会尝试：

将所有图像的所有特征点排序一次。

所以创建一个列表，其中存储特征或特征的散列，以及从哪个图像拍摄的信息，甚至可能是位置。然后按哈希（或即时）对这个列表进行排序。

作为一项功能，您可以选择现在用于比较图像的内容。由于您没有缩放或旋转，因此您不需要缩放和旋转不变的功能，但是如果您使用这些功能不会受到伤害。我通常选择强度的局部最大值或最小值的像素。然后计算像素的直方图，直到与它的某个恒定距离（旋转不变）然后散列直方图...

浏览列表

检查一个哈希是否在列表中不止一次但来自不同的图像

在有序列表中它们将被组合在一起

如果是，则比较/合并特征所属的那些图像

同时更新功能列表，只需将列表中的图像 ID 更改为新的合并图像 ID。

如果我没看错，您当前的方法是O(m*n^2)，这将是O((n*m)*log(n*m))，其中n 是图像数量，m 是每张图像的平均特征数。