.net 在大画面中寻找小画面的快速算法？

检查小图片是否在大图片中的最佳（最快）方法是什么？

（放大图片：）

想要找到：

我有一个解决方案，但速度非常慢：

• 我遍历大图片中的每个像素（x，y），并比较小图片（颜色值）的像素（0,0）
• 如果像素是相同的，我迭代小图片，并将其与大图片进行比较。。如果失败，它将返回到大图像扫描循环

这种方法需要大约7秒钟才能在1600x1200照片上找到一张50x50的照片

---

也许你知道一个更好的算法？我知道一个软件可以在一秒钟内完成这项工作。

数学运算（可以用有效地实现）可以用于此。

另一个答案描述了通过图像卷积（通过乘以FFT实现）实现的互相关。但有时您希望使用规范化互相关-有关快速实现的完整讨论和详细信息，请参阅。

如果您知道像素值将是精确的，这将成为字符串匹配问题的特例。有很多快速字符串匹配算法，我从or开始。

你的算法有一个最坏的情况是

O（hA*wA*hB*wB）

其中

hA

，

wA

，

hB

，

wB

是大图像

a

和小图像

B

的高度和宽度

该算法的最坏情况应该是

O（（wA+wB）*hA*hB）

它基于字符串匹配，其工作原理如下：

• 每次使用字符串匹配在图像的每行

  A

  中查找图像的每行

  B

  。
  • 每次有匹配项时，在数组

    matched_行

    中存储三元组

    （rA，cA，rB）

    ，其中

    （rA，cA）

    表示文件

    B

    行的

    rB

    图像

    a

    中的起点
• 现在，首先根据

  cA

  对

  matched\u行进行排序，然后排序到
  rA
  ，然后排序到
  rB

• 现在迭代数组，如果匹配5行的图像B，则会得到如下结果：

      (12, 5, 0), (13, 5, 1), (14, 5, 2), (15, 5, 3), (15, 5, 4)
  

---

将其视为字符串匹配。有几种快速字符串匹配算法可用。但是，请参见“字符串匹配”的缩减是非常重要的。我在字符串匹配方面做了很多工作，但我看不到明显、有效的减少（我有一些想法，但它们一点都不明显）。@Konrad我在想，针和草堆的每行字符串都有一行像素，但你可能认为这是非常重要的。你的算法不应该那么慢。我怀疑您没有直接访问这两个图像缓冲区（而是调用一些GetPixel（）函数）。如果您不确定如何做到这一点，请发布您的代码+2张图片，我们可以提供帮助。每次这样做时，您会得到一个全新的图像，还是会处理一系列基本相同的帧？如果是后者，像四叉树这样的东西可以使这更有效。对目标图像进行卷积（haar小波变换也可以），然后得到结果。然后对源图像进行卷积，并试图找到潜在的候选结果。在大多数情况下，它会为您指出正确的方向，而您需要比较的信息要少得多。FFT~O（N Log N）的运行时间不是比线性搜索的运行时间大吗？如果在同一幅大图像上重复搜索，这将非常有用。@Red Knight和Aasmund-如果使用FFT进行卷积，如何确定目标图像和源图像是否匹配？我觉得这和其他人建议的字符串匹配类似。@LastCoder:一个“线性”搜索（一维）在O（n*m）中运行，其中m是模式的长度-所以FFT更好，除非m非常小。@O_O:我对细节有点生疏，因为我已经有一段时间没有做这类事情了，但是：卷积运算（无论如何实现）将两个图像作为输入，并生成一个新图像，其中位置（x，y）的亮度表示如果第二个图像的角点位于第一个图像的（x，y）上，图像的匹配程度。因此，您可以简单地定位最亮的像素，这将告诉您需要移动图像多少。“现在我们只需将stringB与stringA进行匹配”--你能解释一下吗？stringB包含虚拟字符。我认为这不起作用。当与stringA结合使用时，这个答案非常好。