Algorithm 重叠图像选择算法

我有一组覆盖某个区域的重叠图像，我的目标是构建一个联合图像，而最终图像的每个像素对应于一个源图像的适当像素。因此，目标是为每个像素选择合适的源图像

从形式上讲，我们有以下几点：

• 每个源图像的每个像素都有其分数
• 如果最终图像的两个相邻像素来自不同的源图像，则会受到惩罚，这取决于特定像素和源图像

目标是使总得分最大化

简单地说，目标是构建图像的马赛克，而图像质量在图像中并不一致，加上马赛克切割线应该位于最不可见的位置

这是一个现实世界的问题，因此像素分数是一个平滑的缓慢变化的函数，“像素”选择不应该被逐字处理，它更多的是选择合适的区域

我目前的算法如下：

从得分最高的源图像中选择源图像

将来自同一源的相邻像素合并成云

云边界的局部优化会导致惩罚

测试可以完全消失的云（即，从其内部获得的分数不能证明其边界的惩罚是合理的）

---

这是（希望）已知解决方案的已知问题吗？近似解应该是可以的。

SIFT和SURF方法是解决此问题的文献中最先进的方法

---

这确实是计算机图形学研究中的一个众所周知的问题

通常将其作为离散优化问题来处理，其中重叠区域中的每个像素是离散变量，每个像素的可能源具有一个状态。要最小化的能量（或误差）函数通常包含惩罚人眼可能检测到的区域中的过渡的术语（例如，它惩罚切断强梯度），以及鼓励从同一源选择相邻像素的术语

一旦定义了能量函数，通常使用一种称为Graphcuts的算法来求解。该算法与图中的最大流/最小割问题有关，但可用于解决相当大的一类离散优化问题。请注意，实现图切割并非易事，您可能应该查找代码

boost:：graph

实现了Boykow-Kolmogorov算法afaik，这是一种最大流量/最小切割算法变体，通常用于网格（即图像）上的图形切割问题

要开始学习，请阅读以下文章：

它是关于将图像缝合在一起以创建纹理（以及缝合视频），但本质上它所做的事情与您想要实现的非常相似

---

此外，谷歌的“图像拼接”或“图像马赛克”，可能与“SIGGRAPH”结合使用，后者是图形领域的主要科学会议。

我认为问题不在于对齐图像，而在于将它们拼接在一起。这不是SIFT和SURF的用途。