信息处理 - 在图像配准任务中应用相位相关的实用建议 - 吾爱随笔录

我正在使用 OpenCV 来检测 2 个图像之间的偏移，这里是示例代码（基于cv::phaseCorrelate函数）：

cv::Mat ShiftTransform(const cv::Mat &source, const cv::Mat &target, bool bUseHanningWindow)
{
    CV_Assert(source.type() == CV_32FC1);
    CV_Assert(target.type() == CV_32FC1);

    Point2d shift;
    if(bUseHanningWindow)
    {
       Mat hann;
       createHanningWindow(hann, source.size(), CV_32F);
       shift= phaseCorrelate(source, target, hann);
    }
    else
    {
        shift= phaseCorrelate(source, target);
    }

    cout << "Detected shift: " << shift << endl;

    Mat H = (Mat_<float>(2, 3) << 1.0, 0.0, shift.x, 0.0, 1.0, shift.y);

    Mat res;
    warpAffine(source, res, H, target.size());

    CV_Assert(res.size() == target.size());
    CV_Assert(res.type() == CV_32FC1);

    return res;
}

例如来自维基百科的图像似乎有效。

来源

目标

结果

反应图

但是对于一些现实生活中的图像，它给出了错误的转变，可能是因为维基百科中描述的这个问题：

更有可能是的简单线性移位，而不是上述解释所要求的循环移位。在这种情况下，将不是一个简单的 delta 函数，这会降低方法的性能。在这种情况下，应在傅里叶变换期间使用窗口函数（例如高斯或 Tukey 窗口）以减少边缘效应，或者应将图像补零以忽略边缘效应。如果图像由平坦的背景组成，所有细节都远离边缘，那么线性移位将等同于圆形移位，并且上述推导将完全成立。可以通过使用边缘或矢量相关来锐化峰值。 $g_{b}$ $g_{a}$ $r$

对于周期性图像（例如棋盘），相位相关可能会产生模棱两可的结果，结果输出中有多个峰值。

但是如果出现问题，我不确定如何调试这种情况。

这里建议不要模糊图像。

在图像配准任务中应用相位相关还有哪些其他实用建议？