1
0
如果对模式有足够的约束(图像中的周期数范围?恒定对称群?完全重复?),您可能能够通过相关性找到模式的晶胞。 然后考虑堆叠瓷砖(新轴)。计算沿新轴的每个颜色通道的中值。以中值的二维图像为模板,将其展开到原始图像上。 计算差异。巨大的差异表明乐高。 可能的改进:去除异常值(乐高),估计并最终消除由于光照/渐晕变化导致的差异趋势。 编辑: 即使只有两个图块,它也能很好地工作:我能够通过控制眼睛的会聚角度(而不会失去焦点)同时看两个图,这样我的视觉皮层就可以进行相关性和错误检测(非匹配部分)。乐高积木似乎弹了出来。 编辑2: 我对你的第二张图片(边缘)也做了同样的尝试。相关性工作良好(锁定在正确的会聚角),差异集群有点明显,但没有颜色和低频信息,就没有物体弹出。 因此,边缘检测不应是第一步,除非是为了提高应对的精度 perspective 和 distortion 模式周期和失真场的并发估计是在 stitching 。对于您的问题(固定的相机位置、固定的焦距和变焦设置),可能不需要同时进行。 |
danial · 如何在多个字符串的每个位置找到最频繁的字符 1 年前 |
Henry · 使用Python将json重新格式化为键值对 1 年前 |
eymentakak · json字典类型错误:字符串索引必须是整数 2 年前 |
Qubix · 从熊猫数据帧创建相对熵矩阵 2 年前 |
guiguilecodeur · 如何删除我的词汇表中的重复元素 2 年前 |
Susheel P M · 这是关于if-else语句[关闭] 2 年前 |
Slartibartfast · 关于Python版本安装 2 年前 |