社区
图形处理/算法
帖子详情
一个图像匹配难题。。。。
shines77
2003-08-19 05:35:54
源图片是变化的,
而且比较的两张图片都是由同一个图像源(真实大小)缩放而来,而且只是源图的
很小的一部分,比较的时候有些规律,
就是两张图片,相对于源图的起始坐标会相差1-2个像素(不确定),而且长和宽会相差1-2个像素(也不确定,是用GDI函数根据源图缩放的结果)。
表面上看非常相似,但取每一像素是不完全一致的,甚至放大以后可以明星看出
有些区别,不知道该如何比较。
看起来不是很难,但不知道如何入手,因为缩放都会有些失真,造成比较很困难。
...全文
81
14
打赏
收藏
一个图像匹配难题。。。。
源图片是变化的, 而且比较的两张图片都是由同一个图像源(真实大小)缩放而来,而且只是源图的 很小的一部分,比较的时候有些规律, 就是两张图片,相对于源图的起始坐标会相差1-2个像素(不确定),而且长和宽会相差1-2个像素(也不确定,是用GDI函数根据源图缩放的结果)。 表面上看非常相似,但取每一像素是不完全一致的,甚至放大以后可以明星看出 有些区别,不知道该如何比较。 看起来不是很难,但不知道如何入手,因为缩放都会有些失真,造成比较很困难。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
14 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
mattus_zhao
2003-09-02
打赏
举报
回复
你可以看看一些模板匹配的算法。
shines77
2003-08-31
打赏
举报
回复
不懂??什么是神经网络的BP算法?
rubber365
2003-08-31
打赏
举报
回复
需要一些模式识别的算法,如神经网络的BP算法
shines77
2003-08-31
打赏
举报
回复
to jack_wq(完美主义者——白杨):
进行投影变换之后再进行处理——比如透视变换、射影变换、仿射变换等!
投影变换怎么做?
jack_wq
2003-08-21
打赏
举报
回复
进行投影变换之后再进行处理——比如透视变换、射影变换、仿射变换等!
shines77
2003-08-21
打赏
举报
回复
up
shines77
2003-08-20
打赏
举报
回复
推
fanfyj
2003-08-19
打赏
举报
回复
up
shines77
2003-08-19
打赏
举报
回复
有无好的匹配算法?车牌都能认出来,难道这都不行吗?
shines77
2003-08-19
打赏
举报
回复
a和b的大小是不一样的,由于都是源图缩放的结果,所以像素的值偏差很大,
但是有不知道源图的数据,如果知道,那就可以模拟一次缩放就OK了,
如果把b缩放于a一样大(假设a比b稍大),由于本来就失真的图像经缩放失真更大,而且不知道具体相差多少像素,所以逐一像素比较是非常不准确的。
jack_wq
2003-08-19
打赏
举报
回复
楼上的算法中匹配算法可以采用MAD(最小绝对误差准则)或是MSE(最小均方误差准则)
shines77
2003-08-19
打赏
举报
回复
人工置顶
shootingstars
2003-08-19
打赏
举报
回复
你是不是要找到a图像在b图像中的位置?
你可以设置一个搜索窗口(比如a的大小+5个像素),在这个搜索窗口中匹配a与b,匹配算法可以采用每个像素点a平方+b平方开跟号
shines77
2003-08-19
打赏
举报
回复
也就是说,经过不同的缩放而且图像有些偏移的两个图片怎么比较法?
有何快速的方法?
图像匹配
算法
图像匹配
一直是相关行业
难题
~有待解决~本文档中包括一些
图像匹配
算法,提供下载并共同探讨~
计算机图像处理中标志点匹配方法的研究
综合图像处理和自动化控制等领域的技术,将软硬件处理相结合,成功的解决了标志点自动识别和匹配的
难题
。使计算机辅助测量工作更加快速、精确、可靠。研究成果能极大地扩大计算机辅助测量应用领域。
基于方差补偿矩匹配的红外图像非均匀性校正方法
红外焦平面阵列的非均匀性校正是其定量应用之前必须解决的关键
难题
之一。将矩匹配方法引入到红外图像非均匀性校正中,针对其改变图像中地物光谱分布,并可能产生新条带噪声的缺陷,通过比较标准矩匹配前后每个探测元的输出与其均值差异,提出了一种方差补偿的矩匹配改进方法。实验图像校正结果的定性与定量分析表明,方差补偿的矩匹配方法效果理想,在校正图像非均匀性的同时,更大程度上保留了不同地物本身光谱特征的差异。
Where-s-Waldo
沃尔多在哪里 用法 该程序可以通过Jupyter Notebook访问。 Where is Waldo.ipynb文件Where is Waldo.ipynb包含运行程序所需的所有必要代码。 要使用该程序,将需要提供2个图像文件。 第
一个
是源图像,这是您要解决的
难题
。 第二个是模板,它是将位于源图像内部的目标图像。 示例源图像 示例模板 方法 模板匹配是在源图像(输入)上滑动目标图像(模板)的想法。 将模板与输入进行比较。 匹配由输入中与模板匹配的相邻像素多少决定。 使用Python的OpenCV库,我们可以实现模板匹配。 OpenCV支持多种计算相似度的方法,对于此项目,我们使用了TM.CCOEFF_NORMED CCOEFF相关系数 源图像是灰度的,以减少计算的复杂性 模板补丁通过此矩阵滑过输入,并确定
一个
得分,该得分将指示是否存在匹配项。 TM_CCOEFF_NORMED
图像匹配
得到精确的旋转角度
当对平面物体进行视觉定位时,往往采用图像模板匹配的方式,然而当目标含有一定角度的旋转时,如何精确估算出旋转角度成了
一个
难题
。下面是博主根据自己的理解所做的
一个
小的总结,也能算纠结,欢迎高手围观。 1 基于灰度的模板匹配(NCC等) 用灰度模板进行模板匹配,往往耗时,并且要匹配含有旋转的目标,就需要建立多角度的模板。如果目标的角度范围是(-30°,30°),以1°为步幅,则需要60个模板
图形处理/算法
19,468
社区成员
50,698
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章