以类似于'conv2'的方式获得`normxcorr2`输出的优雅方法 - (删除不需要的边缘)

时间:2012-02-04 22:19:54

标签: matlab convolution cross-correlation

在Matlab中是否存在优雅方式,以使normxcorr2的输出裁剪为图像大小或仅裁剪到不使用零填充边的矩阵部分在计算?

要理解我的意思,请考虑conv2命令。有一个名为shape的可选参数,可以设置为samevalid

C = conv2(A,B,'same');
C = conv2(A,B,'valid');

例如:

size( conv2( rand(50,50) , rand(6,6), 'valid') ) 

ans =

45    45

size( conv2( rand(50,50) , rand(6,6), 'same') )

ans =

50    50

size( conv2( rand(50,50) , rand(6,6)) )

ans =

55    55

目前我编写了自己的函数,它的功能如下:

function I = normxcorr2e(template,im,shape)
    switch shape
        case 'same'
            I = normxcorr2(template,im);
            r = size(I,1)-size(im,1);
            c = size(I,2)-size(im,2);

            m1=floor(r/2);
            n1=floor(c/2);
            m2=ceil(r/2);
            n2=ceil(c/2);

            I(1:m2,:) = [];
            I(end-m1+1:end,:) = [];

            I(:,1:n2) = [];
            I(:,end-n1+1:end) = [];
        case 'full'
            %Do nothing
        case 'valid'
            %TODO - write this case...
        otherwise
            throw(Mexception('normxcorr2e:BadInput','shape %s is not recognized',shape));
    end

end

你有更好的主意吗?成功回答的主要标准是建议解决方案的优雅

编辑(1)首先,感谢您的所有答案。所有这些都是好的,并由我赞成。我还没有决定哪个是最好的。顺便说一句,我最近想到的是模板与图像相比较大的情况。在这种情况下,通过在运行image之前裁剪normxcorr2参数来加速计算是有意义的。

3 个答案:

答案 0 :(得分:2)

这将更加简洁。我希望这就是你要找的东西:

function I = normxcorr2e(template,im,shape)

  args={'full','same','valid'};
  cropSize=(find(strcmp(shape,args))-1)*size(template);
  crop=@(x,r) x(1+floor(r(1)/2):end-ceil(r(1)/2),1+floor(r(2)/2):end-ceil(r(2)/2))
  I=crop(normxcorr2(template,im),cropSize);

答案 1 :(得分:2)

这是一个与其他答案相比具有一些额外功能的变体:

  • 它允许您省略shape参数(默认为'full')。
  • shape是有效字符串时,它只会调用normxcorr2
  • 使用logical indexing在一行中执行索引。引线填充和所需中心区域的大小用于创建真值和假值的索引向量。不需要指定尾随填充,因为短于索引的维度的逻辑索引将仅使用false值填充。

这是代码:

function I = normxcorr2e(template, im, shape)

  if (nargin == 2) || strcmp(shape,'full')
      I = normxcorr2(template, im);
      return
  end

  switch shape
      case 'same'
          pad = floor(size(template)./2);
          center = size(im);
      case 'valid'
          pad = size(template) - 1;
          center = size(im) - pad;
      otherwise
          throw(Mexception('normxcorr2e:BadInput',...
              'SHAPE must be ''full'', ''same'', or ''valid''.'));
  end

  I = normxcorr2(template, im);
  I = I([false(1,pad(1)) true(1,center(1))], ...
        [false(1,pad(2)) true(1,center(2))]);

end

答案 2 :(得分:1)

这里没有太多的优雅 - 你运行相关性,然后你删除你不能使用的东西。但它的确有效。

function I = normxcorr2e(template,im,shape)

%# perform cross correlation with automated zero-padding
I = normxcorr2(template,im);

switch shape
    case 'same'

        %# if we were guaranteed to have odd-sized templates only
        %# we would only need padLow
        templateSize = size(template);
        padLow = floor(templateSize/2);
        padHigh = templateSize - padLow - 1;

        I = I( (1+padLow(1)):(end-padHigh(1)), (1+padLow(2)):(end-padHigh(2)) );

    case 'full'
        %Do nothing
    case 'valid'
        %# with even size, we need to remove the larger of the two pad sizes
        %# i.e. padLow, on all sides
        templateSize = size(template);
        padLow = templateSize/2;

        I = I( (2*padLow(1)):(end-2*padLow(1)+1), (2*padLow(2)):(end-2*padLow(2)+1) );
    otherwise
        throw(Mexception('normxcorr2e:BadInput','shape %s is not recognized',shape));
end