Image processing 如何比较被裁剪的相同来源的图像？

假设我有一个图像文件/URL，我想让我的软件在一组多达100个图像中搜索它（或者至少按这个数量级搜索）。软件应找到的目标图像应与给定图像“相同”，但它仍应能够“原谅”对其中任何一个图像的轻微处理（这两个图像的裁剪方式可能不同，或者压缩方式也可能不同）。 问题是-这是一项可行的任务吗，因为在搜索之前我不会有任何图像（即，搜索之前不会有任何索引）。它是否可能在亚秒时间内工作（请记住，比较集非常小）。如果可行，我可以使用哪些工具来完成这项任务？这可能是软件组件，甚至是在线服务（我可以用它来证明概念）。你能帮我吗？ 为了进一步关注我的问题，我不是问应该使用哪种算法，在这一点上，我宁愿使用现有的工具/API/服务

软件应该找到的目标图像应该与给定图像“相同”，但它仍然能够“原谅”对其中任何一个图像的轻微处理

如果“轻微处理”不涉及旋转，而只涉及“裁剪”，那么简单的互相关应该可以工作，如果可以进行透视校正、旋转、镜头畸变校正，那么事情就更复杂了

我认为这种方法对轻微的颜色修正是相当宽容的。无论如何，如果需要，您始终可以将两个图像转换为灰度并比较灰度版本

为了进一步关注我的问题，我不是问应该使用哪种算法，在这一点上，我宁愿使用现有的工具/API/服务

可以从OpenCV库（链接点到API的C版本），但它也可以用于C++和Python。使用裁剪后的图像作为模板，并在所有图像中查找它

如果您比较的图像在浅色背景上具有深色特征，则可以使用

CV_TM_cceeff

或

CV_TM_cceeff\u NORMED

方法。它们都从两幅图像中减去模板区域的平均值。标准化方法（

CV_TM_*\u normald

）通常工作得更好，但比非标准化方法慢

---

你可以考虑在互相关之前对图像进行一些预处理。如果先对它们进行规格化，则互相关对轻微的亮度/对比度修改将不太敏感。如果按照@misha的建议，首先检测边缘，您将丢失颜色/亮度信息，但轮廓重叠的结果会更好。

jetxee让您走上正确的道路。但是，如果仅使用模板匹配，则可能会遇到背景干扰模板匹配结果的问题。例如，如果模板是建筑，且背景主要为浅色（例如沙漠沙），则模板匹配将失败，因为浅色背景始终比深色模板返回更高的互相关。下面是这个问题的一个例子

解决方法与链接中的方法相同：

• 对模板和目标图像执行边缘检测
• 扔掉原始模板和图像
• 使用边缘检测模板和边缘检测目标图像执行模板检测

---

至于原谅轻微的处理，边缘检测步骤将负责这一点。只要两幅图像中的边缘没有明显改变（模糊、光学扭曲），这种方法就可以工作。

我知道你不是专门寻找算法，但尽管如此，让我建议以下方法，它可以非常有效地完成你正试图做的事

---

对于同一图像的裁剪版本，包括旋转，F或a（注意artsy半裸体绘画-良好来源）将为您提供两幅图像之间的平移、旋转和比例系数，从而确定从一幅图像到另一幅图像需要进行哪些操作。

有效点。然而，当直接使用

cvMatchTemplate

时，如果使用

CV_TM_cceeff

或

CV_TM_cceeff_NORMED

方法，可以避免明亮背景的问题。它们都从两幅图像中减去模板区域的平均值。一、 就个人而言，喜欢在边缘检测后进行交叉相关，但这并不总是最佳解决方案，因为颜色/亮度信息丢失；这样你就无法区分，例如，黑色背景上的白色圆圈和白色背景上的黑色圆圈。谢谢你的提示。我以前从未使用过这些参数。好链接+1为傅里叶梅林。