基于python的显微图像模式识别

我想在十几张概览图片中找到一张放大的显微镜图片。我更愿意找到一些python/numpy/scipy解决方案。 我对模式识别的知识微不足道。不管怎样，以下是我尝试过的：

我的第一个想法是通过 将灰度缩放图像中大于[小于]某个阈值的所有内容设置为255[0]

例如，我有以下模式：

然后，概览图像可能如下所示：

以下是突出显示图案区域的版本：

现在，我想找到一种方法来获取像素数，在该像素数处，模式出现在概览图像中

需要注意的是，我没有以下信息：

• 两个图像相对于彼此的方向
• 图像的缩放
• 原则上，图像之间甚至可能存在一些拉伸，但这可能太难实现
• 我不知道图像上是否有图案。在那里，我必须检查大约20张图片

对于固定比例，我尝试使用

result = scipy.signal.fftconvolve()

看看在卷积之前旋转模式时，

结果的最大值如何变化。
取最大值可以得到图像重叠的正确角度

然而，这不是一个好的解决方案，因为它已经需要几分钟的时间。此外，改变缩放比例，甚至进行进一步的转换都将花费很长时间

我想还有更好的方法
 这不是一个小问题。降低放大图像的分辨率会很有帮助，因为它们确实包含您无论如何都无法与概览图像匹配的信息。所以我会在傅里叶域中进行比较。了解一些有关缩放的知识仍然会有帮助，因此请查看您的工作流程，看看是否可以保持缩放恒定，否则FFT频率的截止值也必须自适应。在您给出的示例中，没有旋转，比例为1:1。此外，您的阈值与概述和详细信息相同，因此您似乎有一些先验知识。@roadrunner66谢谢您的建议。我会记住的。事实上，在这个例子中，比例是1:1，没有旋转。然而，这只是因为我已经手动旋转和缩放了图像。一般来说，这是不可能的，因为我不知道它们是否重叠。可以包含一些关于旋转和缩放的知识。关键是，两者都需要相当多的工作，我希望用一些伟大的识别算法跳过这些工作。这不是一个小问题。降低放大图像的分辨率会很有帮助，因为它们确实包含您无论如何都无法与概览图像匹配的信息。所以我会在傅里叶域中进行比较。了解一些有关缩放的知识仍然会有帮助，因此请查看您的工作流程，看看是否可以保持缩放恒定，否则FFT频率的截止值也必须自适应。在您给出的示例中，没有旋转，比例为1:1。此外，您的阈值与概述和详细信息相同，因此您似乎有一些先验知识。@roadrunner66谢谢您的建议。我会记住的。事实上，在这个例子中，比例是1:1，没有旋转。然而，这只是因为我已经手动旋转和缩放了图像。一般来说，这是不可能的，因为我不知道它们是否重叠。可以包含一些关于旋转和缩放的知识。关键是，两者都需要相当多的工作，我希望用一些伟大的识别算法跳过这些工作。