我正在尝试使用opencv注册两个相互旋转和翻译版本的图像。一般来说，程序是（伪代码）：
一个。 IF1 = FFT2（ I1 ）; IF2 = FFT2（ I2 ）
湾 R_translation =（ IF1 ）。*（ IF2_conjugate ）
℃。 R_translation = R_translation ./ abs（ R_translation ）
d。 r_translation = IFFT2（ R_translation ）
r_translation 的最大值对应于翻译。继续计算旋转，abs值将删除平移部分，
即 IF1_abs = abs（ IF1 ）; IF2_abs = abs（ IF2 ）
转换为线性 - 极坐标
F。 IF1_abs_pol = LINPOL（ IF1_abs ）; IF2_abs_pol = LINPOL（ IF2_abs ）
F。 IFF1 = FFT2（ IF1_abs_pol ）; IFF2 = FFT2（ IF2_abs_pol ）
F。 R_rot =（ IFF1 ）。*（ IFF2_conjugate ）
℃。 R_rot = R_rot ./ abs（ R_rot ）
d。 r_rot = IFFT2（ R_rot ）
其中 r_rotationn 的最大值对应于旋转。而对于单独的翻译，cv2.phaseCorrelate函数返回预期结果，对于旋转，它返回奇数结果。所以我尝试了以下内容。
我拿了两个numpy.array-s 5x5，它们是彼此的旋转版本，如下所示：
a = numpy.array([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5], [1, 2, 3, 4, 5]])
a = a.astype('float')/a.astype('float').max()
b = numpy.array([[5, 5, 5, 5, 5], [4, 4, 4, 4, 4], [3, 3, 3, 3, 3], [2, 2, 2, 2, 2], [1, 1, 1, 1, 1]])
b = b.astype('float') / b.astype('float').max()
首先我自己计算了相位相关性：
center_x = numpy.floor(a.shape[0] / 2.0)#the x center of rotation (= x center of image)
center_y = numpy.floor(a.shape[1] / 2.0)#the y center of rotation (= y center of image)
Mvalue = a.shape[1] / numpy.sqrt(
((a.shape[0] / 2.0) ** 2.0) + ((a.shape[1] / 2.0) ** 2.0)) # rotation radius
计算FFT，取绝对值（如果存在则丢失平移差异数据），并切换到线性极坐标并进行标准化：
a_polar = cv2.linearPolar(numpy.abs(numpy.fft.fft2(a)), (center_x, center_y), Mvalue, cv2.WARP_FILL_OUTLIERS)
b_polar = cv2.linearPolar(numpy.abs(numpy.fft.fft2(b)), (center_x, center_y), Mvalue, cv2.WARP_FILL_OUTLIERS)
a_polar = a_polar/a_polar.max()
b_polar = b_polar / b_polar.max()
另一个FFT步骤，逐点乘以IFFT：
aff = numpy.fft.fft2(a_polar)
bff = numpy.fft.fft2(b_polar)
R = aff * numpy.ma.conjugate(bff)
R = R / numpy.absolute(R)
r = numpy.fft.ifft2(R).real
r = r/r.max()
产量， Phase correlation for rotation, b with respect to a
根据cv2.linearPolar（）行，跨越角度（在这种情况下，步长为360/5 = 72度），列跨越半径（从0到Mvalue中给出的最大半径。最大值为在最后一排显而易见（对应于大约-90度的转变）。到目前为止一直很好......
第二种方法是直接使用cv2.phaseCorrelate（），
r_direct = cv2.phaseCorrelate(a_polar, b_polar)
产生，
Phase correlation for rotation, b with respect to a direct method
第一个元组是X，Y相关系数（以像素为单位？），第三个数字是拟合等级。当它接近于1时，相关系数表示数据更好（最大值周围的斑点更明显）。
除了结果不够明显（为什么？）之外，结果令人困惑......
通常，此5x5示例中的第一个FFT过程不是必需的。如果旋转是唯一的干扰，可以立即切换到线性极坐标并使用cv2.phaseCorrelate。在这种情况下，结果也令人困惑。
任何帮助将不胜感激：）
谢谢！
大卫
