Die Situation ist irgendwie einzigartig von allem, was ich schon gefunden habe gefragt, und ist wie folgt: Wenn ich ein Foto von zwei ähnlichen Bildern machte, I ' Ich möchte gerne die unterschiedlichen Merkmale der beiden Bilder hervorheben. Zum Beispiel die folgenden zwei Hälften eines Flecks Kinder der Unterschied Spiel:Vergleichen von ähnlichen Bildern als Fotos - Erkennen von Differenz, Bildverschiedenheit
Die Unterschiede in den Bildern werden Bits fehlt/hinzugefügt und/oder Farbwechsel, und die Art der Unterschiede, die würde leicht erkennbar aus den ursprünglichen Bilddateien, indem nichts cleverer als ein Pixel-für-Pixel-Vergleich gemacht wird. Aufgrund der Tatsache, dass sie den Schwankungen des Lichts und der Ungenauigkeit der Fotografie ausgesetzt sind, benötige ich einen weit nachsichtigeren/schlaueren Algorithmus.
Wie Sie sehen können, werden die Bilder nicht unbedingt perfekt ausgerichtet, wenn sie überlagert werden.
Diese Frage sprachunabhängig markiert als ich Antworten erwarten, die mir gegenüber relevanten Algorithmen weisen jedoch auch in aktuellen Implementierungen interessiert sein Ich würde, wenn sie vorhanden sind, vor allem in Java, Ruby, oder C. Mein
Große klare Antwort, ich werde heute Abend etwas in OpenCV implementieren. –
Achten Sie darauf, dass eine Homographie fast starr ist: Sie bildet eine Ebene (in 3d) auf eine Ebene ab (Verformungen werden nicht berücksichtigt). In Ihrem obigen Beispiel würde dies zu einer einfachen globalen Übersetzung nach rechts führen. Homographien werden verwendet, um die Kamerabewegung zu kompensieren, wenn die Kamera auf eine planare Oberfläche blickt. – WhitAngl
Yup ich zweite das. Im aktuellen Beispiel sieht es so aus, als würden Sie ein planares Objekt (das Gemälde) zuordnen. Es sollte also in Ordnung sein, Homographien zu verwenden. Wenn Sie diese Methode jedoch auf reale 3D-Objekte anwenden, wird die Homographie mit der Annahme berechnet, dass alle Features auf derselben Ebene liegen, was wiederum zu einer unerwarteten Ausrichtung der Bilder führen kann. – Zaphod