【发布时间】：2013-04-05 11:30:44
【问题描述】：
我有一个从胶片扫描的海底图像的历史时间序列，需要配准。
from pylab import *
import cv2
import urllib
urllib.urlretrieve('http://geoport.whoi.edu/images/frame014.png','frame014.png');
urllib.urlretrieve('http://geoport.whoi.edu/images/frame015.png','frame015.png');
gray1=cv2.imread('frame014.png',0)
gray2=cv2.imread('frame015.png',0)
figure(figsize=(14,6))
subplot(121);imshow(gray1,cmap=cm.gray);
subplot(122);imshow(gray2,cmap=cm.gray);
我想使用每张图像左侧的黑色区域进行配准，因为该区域在相机内部，应该及时修复。所以我只需要计算黑色区域之间的仿射变换。
我通过阈值化和找到最大轮廓来确定这些区域：
def find_biggest_contour(gray,threshold=40):
# threshold a grayscale image
ret,thresh = cv2.threshold(gray,threshold,255,1)
# find the contours
contours,h = cv2.findContours(thresh,mode=cv2.RETR_LIST,method=cv2.CHAIN_APPROX_NONE)
# measure the perimeter
perim = [cv2.arcLength(cnt,True) for cnt in contours]
# find contour with largest perimeter
i=perim.index(max(perim))
return contours[i]
c1=find_biggest_contour(gray1)
c2=find_biggest_contour(gray2)
x1=c1[:,0,0];y1=c1[:,0,1]
x2=c2[:,0,0];y2=c2[:,0,1]
figure(figsize=(8,8))
imshow(gray1,cmap=cm.gray, alpha=0.5);plot(x1,y1,'b-')
imshow(gray2,cmap=cm.gray, alpha=0.5);plot(x2,y2,'g-')
axis([0,1500,1000,0]);
蓝色是第一帧最长的轮廓，绿色是第二帧最长的轮廓。
确定蓝色和绿色轮廓之间的旋转和偏移的最佳方法是什么？
我只想在台阶周围的某个区域使用轮廓的右侧，例如箭头之间的区域。
当然，如果有更好的方法来注册这些图像，我很乐意听到。我已经在原始图像上尝试了标准的特征匹配方法，但效果不够好。
【问题讨论】：
-
您只需要绿色和蓝色轮廓之间的矢量还是矢量、旋转角度和缩放比例？
-
仅偏移和旋转（无缩放）