c++ - 匹配小的灰度图像

Question

我想测试两张图片是否匹配。部分比赛也让我感兴趣。问题是图像受到强烈噪声的影响。另一个问题是图像可能会以未知角度旋转。图像中显示的对象将大致始终具有相同的比例!

这些图像显示了从俯视角度进行的区域扫描。 “线”多为墙壁，其他 object 多为树木和各种植物。

另一个问题是，左边的图像非常模糊，右边的线条非常细。为了弥补这种差异，我使用了扩张。结果图像是我上传的图像。

虽然很容易看出这些图像几乎完美匹配，但我无法让我的算法相信这一事实。

我的第一个想法是基于特征的匹配，但匹配很糟糕。它仅适用于 -90°、0° 和 90° 的旋转角度。尽管大多数描述符都是旋转不变性的(在过去的项目中确实如此)，但对于这个例子来说旋转不变性似乎失败了。

我的第二个想法是将图像分成几个较小的部分并使用模板匹配。所以我对图像进行了分割，再一次，对于人眼来说，它们很容易匹配。这一步的目标是分割不同的墙壁和树木/植物。

上排是左图的一部分，下排是右图的一部分。分段后，分段再次扩大。

如前所述:模板匹配失败，基于轮廓的模板匹配和轮廓匹配也是如此。

我认为图像的膨胀非常重要，因为在分割之前，人眼几乎不可能匹配没有膨胀的片段。分割后的另一个扩张使这更不困难。

Answer 1

您的首要工作应该是确定方向。我不确定这样做的最佳算法是什么，但这是我会使用的一种方法:修复其中一个图像并开始旋转另一个。对于每个旋转计算每个行/列上颜色强度的直方图。计算结果 vector 之间的一些距离(例如使用叉积)。选择导致最小叉积的旋转。将此方法与 hill climbing 结合使用可能是个好主意.

一旦您将图像沿大致相同的方向对齐，我相信匹配应该会更容易。由于两个图像应该处于相同的比例，计算类似于两个图像的几何中心的东西:计算所有像素的加权和 - 一个完全白色的像素将具有权重 1，而一个完全黑色的像素 - 权重 0，总和应该是大小为 2(x 和 y 坐标)的 vector 。之后将这些值除以图像的尺寸并将其称为“图像的几何中心”。以两个中心重合的方式叠加两个图像，然后再次计算图像之间差异的叉积。我会说这应该是他们的区别。