以类似于“conv2”的方式获取“normxcorr2”输出的一种优雅方式 - （删除不需要的边缘）

Question

Matlab 中是否有一种优雅的方法可以将normxcorr2 的输出裁剪为图像大小或仅裁剪为在计算中不使用零填充边缘的矩阵部分?

要理解我的意思，请考虑conv2 命令。有一个名为shape 的可选参数，可以设置为same 或valid。

C = conv2(A,B,'same');
C = conv2(A,B,'valid');

例如：

size( conv2( rand(50,50) , rand(6,6), 'valid') ) 

ans =

45    45

---

size( conv2( rand(50,50) , rand(6,6), 'same') )

ans =

50    50

---

size( conv2( rand(50,50) , rand(6,6)) )

ans =

55    55

目前我编写了自己的函数，它执行以下操作：

function I = normxcorr2e(template,im,shape)
    switch shape
        case 'same'
            I = normxcorr2(template,im);
            r = size(I,1)-size(im,1);
            c = size(I,2)-size(im,2);

            m1=floor(r/2);
            n1=floor(c/2);
            m2=ceil(r/2);
            n2=ceil(c/2);

            I(1:m2,:) = [];
            I(end-m1+1:end,:) = [];

            I(:,1:n2) = [];
            I(:,end-n1+1:end) = [];
        case 'full'
            %Do nothing
        case 'valid'
            %TODO - write this case...
        otherwise
            throw(Mexception('normxcorr2e:BadInput','shape %s is not recognized',shape));
    end

end

你有更好的主意吗？成功回答的主要标准将是建议解决方案的优雅。

编辑(1)首先，感谢您的所有回答。他们都很好，我赞成。我还没有决定哪个是最好的。顺便说一句，我最近在考虑模板与图像相比较大的情况。在这种情况下，通过在运行 normxcorr2 之前裁剪 image 参数来加速计算是有意义的。

Answer 1

这是一个相对于其他答案具有一些额外功能的变体：

• 它允许您省略形状参数（默认为'full'）。
• 仅当shape 是有效字符串时才调用normxcorr2。
• 它使用logical indexing 在一行中执行索引。引线填充和所需中心区域的大小用于创建真值和假值的索引向量。不需要指定尾随填充，因为比它索引的维度短的逻辑索引只会用错误值填充。

这是代码：

function I = normxcorr2e(template, im, shape)

  if (nargin == 2) || strcmp(shape,'full')
      I = normxcorr2(template, im);
      return
  end

  switch shape
      case 'same'
          pad = floor(size(template)./2);
          center = size(im);
      case 'valid'
          pad = size(template) - 1;
          center = size(im) - pad;
      otherwise
          throw(Mexception('normxcorr2e:BadInput',...
              'SHAPE must be ''full'', ''same'', or ''valid''.'));
  end

  I = normxcorr2(template, im);
  I = I([false(1,pad(1)) true(1,center(1))], ...
        [false(1,pad(2)) true(1,center(2))]);

end

Answer 2

这样会更简洁。我希望它是您正在寻找的：

function I = normxcorr2e(template,im,shape)

  args={'full','same','valid'};
  cropSize=(find(strcmp(shape,args))-1)*size(template);
  crop=@(x,r) x(1+floor(r(1)/2):end-ceil(r(1)/2),1+floor(r(2)/2):end-ceil(r(2)/2))
  I=crop(normxcorr2(template,im),cropSize);

Answer 3

这里没有太多的优雅 - 你运行相关性，然后删除你不能使用的东西。但它有效。

function I = normxcorr2e(template,im,shape)

%# perform cross correlation with automated zero-padding
I = normxcorr2(template,im);

switch shape
    case 'same'

        %# if we were guaranteed to have odd-sized templates only
        %# we would only need padLow
        templateSize = size(template);
        padLow = floor(templateSize/2);
        padHigh = templateSize - padLow - 1;

        I = I( (1+padLow(1)):(end-padHigh(1)), (1+padLow(2)):(end-padHigh(2)) );

    case 'full'
        %Do nothing
    case 'valid'
        %# with even size, we need to remove the larger of the two pad sizes
        %# i.e. padLow, on all sides
        templateSize = size(template);
        padLow = templateSize/2;

        I = I( (2*padLow(1)):(end-2*padLow(1)+1), (2*padLow(2)):(end-2*padLow(2)+1) );
    otherwise
        throw(Mexception('normxcorr2e:BadInput','shape %s is not recognized',shape));
end