algorithm - 重叠图像选择算法

Question

我有一组覆盖某些区域的重叠图像，我的目标是构建联合图像，而最终图像的每个像素对应于其中一个源图像的适当像素。因此，目标是为每个像素选择合适的源图像。

正式来说我们有以下内容:

• 每个源图像的每个像素都有其分数。
• 如果最终图像的两个相邻像素来自不同的源图像 - 会有惩罚，具体取决于特定像素和源图像。

目标是最大化总分。

简单地说，目标是构建图像的马赛克，而图像中的图像质量并不统一，而且马赛克切割线应该位于它们最不可见的地方。

这是一个现实世界的问题，因此像素分数是一个平滑缓慢变化的函数，“像素”选择不应按字面意思对待，它更多的是选择合适的区域。 p>

我目前的算法如下:

1. 从得分最高的源图像中选择源图像
2. 将同一来源的相邻像素合并成云。
3. 带惩罚的云边界局部优化。
4. 测试可以完全消失的云(即从其内部获得的分数并不能抵消其边界的惩罚)

这是(希望)已知解决方案的已知问题吗？近似解应该可以。

Answer 1

这确实是计算机图形学研究中的一个众所周知的问题。

它通常被视为一个离散优化问题，其中重叠区域中的每个像素都是一个离散变量，每个可能的像素源都有一个状态。要最小化的能量(或误差)函数通常包含在人眼可能检测到的区域中惩罚过渡的项(例如，它惩罚切断强梯度)，以及鼓励从同一源中选择相邻像素的项。

一旦定义了能量函数，通常会使用称为 Graphcuts 的算法对其进行求解。该算法与图中的最大流/最小割问题有关，但它可用于解决相当大类的离散优化问题。请注意，实现 Graph Cuts 并非易事，您可能应该寻找代码。 boost::graph 实现了 Boykow-Kolmogorov 算法，afaik，这是最大流/最小切割算法变体，通常用于网格(即图像)上的 Graphcut 问题。

为了帮助您入门，请查看以下论文:

http://www.cc.gatech.edu/cpl/projects/graphcuttextures/gc-final-lowres.pdf

它是关于将图像拼接在一起以创建纹理(以及拼接视频)，但本质上它所做的事情与您想要实现的目标非常相似。

此外，谷歌搜索“图像拼接”或“图像马赛克”，可能与“SIGGRAPH”相关，后者是图形领域的主要科学 session 。