相位相关2D(ImageJ中的Stitch 2D)用于图像拼接

时间:2012-02-17 07:28:50

标签: image-processing opencv computer-vision cross-correlation image-stitching

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?

1 个答案:

答案 0 :(得分: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。”)。