相位相关2D（ImageJ中的Stitch 2D）用于图像拼接

Question

现在我正在使用标准相位相关进行图像拼接。 它给出了正常的结果，但是在硬图像上它给出了错误的结果，但ImageJ（FIJI）中的Stitch 2D插件在大多数情况下都给出了良好的结果。 本文中描述的插件中使用的算法http://bioinformatics.oxfordjournals.org/content/25/11/1463.full.pdf 但我无法理解。 “然而，在实际图像中，F-1（Q）包含几个标记不同的峰值 具有高相关性的翻译。此外，每个峰值描述八个 由于傅立叶的周期性，不同的可能翻译（在3D中） 空间。为了确定正确的移位，我们选择n个最高的局部最大值 来自F-1（Q）的（3×3×3邻域）并评估它们的八种可能性 通过互相关的翻译重叠区域的翻译 图像A，B。选择具有最高相关性的峰值作为翻译 两个图像之间。如果没有一个峰值超过一定限度 假设瓷砖不重叠。“ 任何人都可以解释如何实现它吗？

Answer 1

从报价中看起来好像：

1. 他们使用相位相关来找到多个候选者（“我们从F-1（Q）”中选择n个最高局部最大值（3×3×3邻域））用于两个之间的重叠段图像
2. 然后他们在原始图像数据中使用一些匹配（“通过图像A，B的重叠区域上的互相关。”）
3. 从那些中选择最佳候选者（“选择具有最高相关性的峰值作为两个图像之间的转换。”），
4. 如果最佳候选人匹配得足够好（“如果没有一个峰值高于某个限制，则假定这些图块不重叠。”）。