Python 通过正确定位面片,将重叠图像合并为单个图像
给定从图像中获取的许多面片,任务是创建由面片组成的单个图像 我尝试过天真的解决方案:Python 通过正确定位面片,将重叠图像合并为单个图像,python,algorithm,opencv,image-processing,processing-efficiency,Python,Algorithm,Opencv,Image Processing,Processing Efficiency,给定从图像中获取的许多面片,任务是创建由面片组成的单个图像 我尝试过天真的解决方案: 对于每2张图像,检查多个补丁并进行比较 如果它们在某个置信阈值以上相似,则创建2的新图像 将新映像添加到池中,并删除其他2个映像 重复此操作,直到池大小为1 问题是这个解决方案非常慢,主要的瓶颈是补丁比较。 有没有更快的更好的方法? 也许是更好的补丁选择和比较方法?我会尝试: 对所有图像中的所有特征点进行一次排序。 所以,创建一个列表,其中存储了特征的散列或特征本身,以及从哪个图像中获取的信息,甚至可能是位置信
如果我看得对的话,你当前的方法是
O(m*n^2)
,这将是O((n*m)*log(n*m))
其中n
是图像数量,m
是每个图像的平均特征数量。请在帖子中加入补丁。补丁的方向是否都是相同的?重叠像素是相同的吗?是的,重叠像素是相同的(例如,假设检测到边缘的面片),并且所有面片的方向正确,无需倾斜。