来自图像的 2D 曲线估计/接缝去除 python/scipy

Question

我正在从拼接图像中去除接缝。我已经通过此链接https://biop.epfl.ch/pdf/ASSEMBLY_poster.pdf 并尝试实施。如何从 RGB 图像中估计拟合抛物线，需要从原始图像中减去。我知道我可以使用 scipy 中的 curve_fit，但我不知道如何传递我的 xdata 和 ydata。到目前为止我所知道的，xdata 将包含图像坐标 (i,j) 而 ydata 将包含强度级别，我很困惑。 我在这里附上我的代码，检查一下。

import cv2
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

im1=cv2.imread("images/images/image_495.jpg",0)
value=[]
for i in range(im1.shape[0]):
    for j in range(im1.shape[1]):
        value.append(im1[i][j])
x=list(range(im1.shape[0]))
y=list(range(im1.shape[1]))
def fun(data,a,b,c,d):
    x,y = data
    f=a*(x**2)+b*x+d*(y**2)+e*y+c
    return f 
z=np.array(value)
popt,pcov=curve_fit(fun,np.hstack((x,y)),z,p0=[1,1,1,1])

如何传递图像坐标的 x,y 数据，len(x) 和 len(y) 也是不同的。

Answer 1

您必须执行这些步骤：

1. 计算图像的平均值
2. 为每个像素计算 px 值 - 平均值
3. 您将获得一组 3d 点（x、y、强度）
4. 将抛物面拟合到该数据Paraboloid (3D parabola) surface fitting python
5. 执行减法。