То, о чем вы говорите, носит весьма общий и неконкретный характер.
Информация об изображении формализована как Entropy.
Похоже, что вы ищете, в основном, извлечение функций, а затем их сравнение. Существует множество функций, которые можно извлечь, но многие из них могут быть неактуальными в зависимости от различий на изображениях.
Есть пространственный домен и дескрипторы частотной области изображения, каждый из которых может быть здесь полезен. Я, вероятно, могу назвать более 100 дескрипторов, но в вашем случае может быть достаточно только одного или ни один не может быть полезен.
Предварительная обработка также важна, возможно, вы могли бы преобразовать изображения в оттенки серого, а затем сравнить их.
Это поле настолько разнообразно, что вам нужно быть более конкретным.
(Обновлять)
То, что вы ищете, - это тема сотен, если не тысяч научных статей. Но что ж, возможно, упрощенный подход может сработать.
Предположим, что вопрос здесь не в идентификации объектов, и при этом не используется преобразование, перемещение, масштабирование или поворот, и мы имеем дело только с двумя изображениями, которые являются одинаковыми, но можно было бы добавить к нему больше шума:
1) Область изображения (область пространства): сравните пиксели один за другим и сложите квадрат различий. Нормализуйте это значение на ширину * высоту - просто разделите на количество пикселей. Это может быть полезной мерой сходства.
2) Частотная область: преобразование изображения в изображение частотной области (с использованием FTT в инструменте обработки изображений, таком как OpenCV), которое также будет 2D. Сделайте то же самое, что и выше, с квадратом дифференциала, но, возможно, вы захотите ограничить частоты. Затем нормализуйте по количеству пикселей. Это лучше по шуму и трансляции, а также по небольшому вращению, но не по масштабу.
person
Aliostad
schedule
25.01.2011
