如何检测连续图像

问题描述

我试图检测两个图像何时对应于与另一个图像匹配但没有重叠的块。

也就是说，假设我们有 Lenna 图像：

我不认识的人将它垂直分成两部分，我必须知道两部分是否相连（假设它们是独立的图像，或者一个是另一个的一部分）。

答：

乙：

积极的部分是我知道片段的顺序，消极的部分是可能还有其他图像，我必须知道其中哪些适合或不适合加入。

我的第一个想法是检查 A 的最后一行和第一行 B 之间的 MAE 是否低。

def mae(a,b):         
    min_mae = 256
    for i in range(-5,5,1):
        a_s = np.roll(a,i,axis=1)

        value_mae = np.mean(abs(a_s - b))
        min_mae = min(min_mae,value_mae)
    return min_mae

if mae(im_a[im_a.shape[0] - 1:im_a.shape[0],...],im_b[0:1,...]) < threshold:
    # join images a and b

问题在于它不是一个非常可靠的指标。

我使用水平导数做了同样的事情，并应用了各种平滑滤波器，但我发现自己处于同样的情况。

有没有办法解决这个问题？

解决方法

你的方法看起来不错。即使在目视检查中它看起来也很合理：

顶部（底部行展开）

底部（顶行展开）

图像差异：

如果您还检查相邻的列可能会更清楚，但这看起来已经足够相似了。

代码

import cv2
import numpy as np

# load images
top = cv2.imread("top.png");
bottom = cv2.imread("bottom.png");

# gray
tgray = cv2.cvtColor(top,cv2.COLOR_BGR2GRAY);
bgray = cv2.cvtColor(bottom,cv2.COLOR_BGR2GRAY);

# expand rows
texp = tgray;
bexp = bgray;
trow = np.zeros_like(texp);
brow = np.zeros_like(bexp);
trow[:] = texp[-1,:];
brow[:] = bexp[0,:];
trow = trow[:100,:];
brow = brow[:100,:];

# check absolute difference
ldiff = trow - brow;
rdiff = brow - trow;
diff = np.minimum(ldiff,rdiff);

# show
cv2.imshow("top",trow);
cv2.imshow("bottom",brow);
cv2.imshow("diff",diff);
cv2.waitKey(0);

# save
cv2.imwrite("top_out.png",trow);
cv2.imwrite("bottom_out.png",brow);
cv2.imwrite("diff_out.png",diff);