最大公共前景像素的图像平移优化算法-解网

问：

我正在寻找一种算法来有效地确定一个 2D 图像到另一个 2D 图像的最佳平移（仅限于 x 轴和 y 轴，不旋转）。目标是找到最大公共像素，其中像素被视为白色背景上的黑色，反之亦然。前景与背景的比率明显偏向于背景。

例：

在这里，最好的翻译是 [-171， 97]。

我已经实现了一种算法，该算法可以比较所有像素，并通过递增 x 和 y 来迭代平移。但是，这种方法非常耗时。为了解决这个问题，我试图通过只关注第二张图像中白色像素到其他白色像素的转换来加快这一过程。虽然它有效，但它仍然很慢。

下面是我当前算法的代码片段（arrayImage 只包含 0 和 1，它是一个二进制图像）。

public static int[] findBestTranslation(int[][] arrayImage1, int[][] arrayImage2) {
    int[] bestTranslation = new int[2];
    int bestSimilarity = Integer.MIN_VALUE;

    int img2Length = arrayImage2.length;
    int img2Width = arrayImage2[0].length;
    
    List<int[]> whitePixelsImage1 = findWhitePixels(arrayImage1);
    List<int[]> whitePixelsImage2 = findWhitePixels(arrayImage2);
    boolean[][] checkedOffsets = new boolean[img2Length * 2][img2Width * 2];
    
    int i = 0;
    for (int[] pixel1 : whitePixelsImage1) {
        System.out.println(i++ + ": " + bestSimilarity);
        for (int[] pixel2 : whitePixelsImage2) {
            //calculate translation
            int xOffset = pixel2[0] - pixel1[0];
            int yOffset = pixel2[1] - pixel1[1];

            // Check if this offset has been selected before
            if (checkedOffsets[xOffset + img2Length][yOffset + img2Width]) {
                continue;
            } else {
                checkedOffsets[xOffset + img2Length][yOffset + img2Width] = true;
            }

            int similarity = 0;
            for (int[] pixelNotTranslated : whitePixelsImage1) {
                int xTranslated = pixelNotTranslated[0] + xOffset;
                int yTranslated = pixelNotTranslated[1] + yOffset;
                if (xTranslated >= 0 && xTranslated < img2Length && yTranslated >= 0 && yTranslated < img2Width) {
                    similarity += arrayImage2[xTranslated][yTranslated];
                }
            }

            if (similarity > bestSimilarity) {
                bestSimilarity = similarity;
                bestTranslation[0] = xOffset;
                bestTranslation[1] = yOffset;
            }
        }
    }

    return bestTranslation;
}

Java 图像处理对齐配准像素操作

#!/usr/bin/env python3

import numpy as np
from skimage import io
from skimage.registration import phase_cross_correlation

# Define image names and load them
im1name = 'MVlJh.png'
im2name = 'XSj05.png'
im1 = io.imread(im1name)
im2 = io.imread(im2name)

# Peform phase correlation
shift, error, diffphase = phase_cross_correlation(im1, im2)

print(f'Detected pixel offset (y, x): {shift}')

输出

对于您的两张图像，它会在大约 1 秒内输出以下内容：

Detected pixel offset (y, x): [-97. 171.   0.]

我想你可以用某种类型的 or 函数“掏出”到 Python，或者找到相位相关技术的 Java 实现。exec()system()

还有一个可用的 OpenCV 实现，它可能具有 Java 绑定。它明显比上述方法快，并在不到 1 秒的时间内获得结果：

#!/usr/bin/env python3

import numpy as np
import cv2 as cv

im1name = 'MVlJh.png'
im2name = 'XSj05.png'

im1 = cv.imread(im1name, cv.IMREAD_GRAYSCALE)
im2 = cv.imread(im2name, cv.IMREAD_GRAYSCALE)

# Peform phase correlation
retval, response = cv.phaseCorrelate(im1.astype(float), im2.astype(float))

print(f'{retval=}')

输出

retval=(-171.0011860055988, 97.00465314052326)

如果我用绿色绘制一张图像，然后第二张红色图像按计算量移动，我会得到这样的结果。

我使用了“硬混”混合模式，所以黄色部分是红色和绿色重合的地方。供我参考，这是我使用 ImageMagick 的混合命令：

magick MVlJh.png -fill lime -opaque white \( XSj05.png -geometry +171-97  -fill red -opaque white  \) -compose hardmix -composite result.png

最大公共前景像素的图像平移优化算法

Optimizing Algorithm for Image Translation with maximum common foreground pixel

评论

评论