图像比对算法
2010-08-31 09:12
190 查看
下面这些观点是从论坛中总结过来的,便于以后参考:
xiuxianshen:遍历比较一下;
s_pyd :应该还是要遍历的把 因为你要都标出来 也就相当于遍历了一遍;
Erorr:两幅图像素相减,得到的矩阵中非零的就是有差异的地方,找到重心,画个圈就行了;
zhoujk:如果是拷屏或类似的方法,就可以用图像相减的方法;试着用汉字OCR吧。还有一个方法,用SIFT来进行点匹配,之后进行图相减运算。对于含噪声的图,可以先进行降噪处理;
mjh1021:SSIM;
YODOYODO:有噪声的话简单的想减搞不定啊。可不可以这样?先把图像分成一个一个的方块区域(假设是100*100),然后逐个相减,得到一个100*100的矩阵。然后把矩阵二值化,去掉孤立的非零点(就是说8邻域内的点全是0而自己是1的点),然后把矩阵所有的节点相加,得到一个“距离”,设定一个阈值,当阈值大于一个数的时候就认为这个方块区域是有差异的。这样把所有的方块比对一遍,就能得到一个结果矩阵,按照这个结果矩阵把不同的方块圈起来就可以了,这里可能去要一个方块合并的策略,把相邻的有差异个方块合并到一起,然后用一个圆圈起来。
去找个能在点阵图上输出的图形库,里面肯定有根据参数画椭圆的功能,比如agg啊什么的;
strongmission:pca ;
lisunlin0:可以基于纹理比较。事实上,基于图像逻辑内容的比较是非常复杂的工作。别看大家回答的很踊跃,其实没有谁能拿出实际可行的高效算法;
healer_kx:矩阵相减啊。得到的矩阵满足一定条件,即可认为相同;
Guassfans:利用OpenCV的解决方案:
http://www.cnblogs.com/xrwang/archive/2010/04/29/StereoSGBMAndSetWindowProperty.html
dirdirdir3:如果不是象素点对应的,最应该先搞得是匹配吧...............然后才是对比;
flydreamGG:不知道你的前提是什么?两幅图像大小完全一样吗??你上面只是说了有没有噪声,并没有说要进行匹配的问题。如果要进行匹配,那么任何算法都免不了这一步,这就会比比较两幅图像要复杂的多,因为本身就是一个比对的过程。如果不需要就行匹配,最简单的方法就是差影法,也就是上面说的直接相减取绝对值的方法,因为这种方法只需要遍历一次。如果担心效果不理想,可以对差影后的图像做简单得处理,比如二值化,消噪等,来突出显著差异的位置。
xiuxianshen:遍历比较一下;
s_pyd :应该还是要遍历的把 因为你要都标出来 也就相当于遍历了一遍;
Erorr:两幅图像素相减,得到的矩阵中非零的就是有差异的地方,找到重心,画个圈就行了;
zhoujk:如果是拷屏或类似的方法,就可以用图像相减的方法;试着用汉字OCR吧。还有一个方法,用SIFT来进行点匹配,之后进行图相减运算。对于含噪声的图,可以先进行降噪处理;
mjh1021:SSIM;
YODOYODO:有噪声的话简单的想减搞不定啊。可不可以这样?先把图像分成一个一个的方块区域(假设是100*100),然后逐个相减,得到一个100*100的矩阵。然后把矩阵二值化,去掉孤立的非零点(就是说8邻域内的点全是0而自己是1的点),然后把矩阵所有的节点相加,得到一个“距离”,设定一个阈值,当阈值大于一个数的时候就认为这个方块区域是有差异的。这样把所有的方块比对一遍,就能得到一个结果矩阵,按照这个结果矩阵把不同的方块圈起来就可以了,这里可能去要一个方块合并的策略,把相邻的有差异个方块合并到一起,然后用一个圆圈起来。
去找个能在点阵图上输出的图形库,里面肯定有根据参数画椭圆的功能,比如agg啊什么的;
strongmission:pca ;
lisunlin0:可以基于纹理比较。事实上,基于图像逻辑内容的比较是非常复杂的工作。别看大家回答的很踊跃,其实没有谁能拿出实际可行的高效算法;
healer_kx:矩阵相减啊。得到的矩阵满足一定条件,即可认为相同;
Guassfans:利用OpenCV的解决方案:
http://www.cnblogs.com/xrwang/archive/2010/04/29/StereoSGBMAndSetWindowProperty.html
dirdirdir3:如果不是象素点对应的,最应该先搞得是匹配吧...............然后才是对比;
flydreamGG:不知道你的前提是什么?两幅图像大小完全一样吗??你上面只是说了有没有噪声,并没有说要进行匹配的问题。如果要进行匹配,那么任何算法都免不了这一步,这就会比比较两幅图像要复杂的多,因为本身就是一个比对的过程。如果不需要就行匹配,最简单的方法就是差影法,也就是上面说的直接相减取绝对值的方法,因为这种方法只需要遍历一次。如果担心效果不理想,可以对差影后的图像做简单得处理,比如二值化,消噪等,来突出显著差异的位置。
相关文章推荐
- 图像比对算法
- AOI中通用的图像检测算法实现——母版比对
- 绿坝 图像过滤比对算法有感
- 图像算法研究---Harr-Like特征计算
- 图片像素对比OpenCV实现,实现人工分割跟算法分割图像结果的对比
- 序列比对:Needleman-Wunsch 算法
- 一种基于轮廓的自由图像变形算法
- 基于贝叶斯决策的彩色图像中皮肤区域检测算法研究与实现
- 基于DSP的图像旋转算法数据调度策略
- 图像基本处理算法的简单实现(二)
- Opencv中K均值算法(K-Means)及其在图像分割中的应用
- DSP平台实现图像识别算法总体来说不如嵌入式?
- 数字图象处理之二维码图像提取算法(四)
- 图像算法---白平衡AWB(讲的很好)
- 经典算法研究系列:九、图像特征提取与匹配之SIFT算法
- Bag of Features (BOF)图像检索算法
- 数字图像处理领域的二十四个典型算法及vc实现、第一章
- Retinex图像增强算法(SSR, MSR, MSRCR)详解及其OpenCV源码
- 图像去雾之何凯明暗通道先验去雾算法原理及c++代码实现
- 转:图像算法在DSP嵌入式移植中常用的优化方法