algorithm - 将重复出现的图像识别为更大的图像

Question

编辑:这不是 Determine if an image exists within a larger image, and if so, find it, using Python 的副本因为我事先不知道模式

假设我有一个大图像(通常是用相机拍摄的照片，所以它可能有点嘈杂，但我们假设现在不是)由多个彼此相等的小图像组成，比如

我需要找到每一个的轮廓。第一步是识别二维图像中的重复图像(或未知模式)。我怎样才能迈出这第一步？

我确实读到过我可以使用原始图像的 FFT 并搜索重复频率，这是一种可行的方法吗？

在这个问题上做一点:我事先不知道图像，也不知道它的大小或大图像上会有多少。图像可以从相机拍摄，因此它们可能会有噪音。图片不会重叠。

Answer 1

您可以尝试使用描述的关键点(Sift/SURF/ORB/等)来查找图像中的特征，并尝试检测图像中的相同特征。你可以在How to find euclidean distance between keypoints of a single image in opencv中看到这样的结果其中存在 3 倍相同的图像，并自动检测特征并在这些子图像之间链接。

在你的图像中，结果看起来像

因此您可以看到确实自动检测并链接了同一模式的不同出现。

接下来的步骤是将特征分组到对象，以便提取“整个”模式。一旦有了模式的候选者，就可以为模式的每次出现提取单应性(具有一个引用候选模式)以验证它是一个模式。一个悬而未决的问题是如何找到这样的候选人。也许值得尝试找到“平行特征”，因此具有平行线和/或相同长度线的关键点匹配(见图)。或者可能有一些图论方法。

总而言之，整个方法将有一些优点和缺点:

优点:

• 现实世界的适用性 - 即使有噪音和一些透视效果，Sift 和其他关键点也能很好地工作，因此找到此类模式的机会增加了。

缺点

• 慢
• parametric(定义两个特征成功的含义匹配)
• 不适合所有类型的模式——你的模式必须有一些可提取的关键点

这些是一些想法，可能并不完整；)

很遗憾，您的具体任务还没有完整的代码，但我希望思路清晰。