一种天真的方法是设置最大尺寸、0.25 图像宽度，并以“滑动窗口”方式将每个可能的正方形与其他所有可能的正方形进行比较。

所以以 5000 x 5000 的正方形作为参考（例如 0,0 到 4999,4999）。现在抓住所有其他可能的“窗口”。首先将您的参考正方形与 (5000,0 到 9999,4999) 的正方形进行比较，然后将您的参考正方形与 (5001,0 到 10000,4999) 的正方形进行比较，然后再与 (5002,0 到 10001,4999) 等进行比较.

因此，您的比较函数可以减去参考帧和目标帧的每个像素之间的（灰度）差异并给出分数。

接下来（在将您的参考与所有其他可能的正方形进行比较之后），您选择一个新的参考，即 (1,0 到 5000,4999) 处的正方形，并将该参考正方形与所有其他可能的正方形进行比较。

一旦整个过程以 5000,5000 大小完成，您就会知道大小为 5000x5000 的任何结构是否与图像的任何其他部分匹配（达到阈值）。

然后，您将参考正方形变小，例如 4999x4999 并以 4999x4999 的大小重复整个过程，以查看是否有任何大小为 4999x4999 的结构“重复”

您将继续进行，直到您的最小尺寸。

然后......你会想尝试而不是正方形......不同比例的矩形。

如您所见，这在计算上是令人望而却步的，因此您必须做出妥协：

• 使源图像更小。只有当你有一个近乎匹配时，检查那个位置的高分辨率地图
• 以 10 像素为增量滑动
• 自己确定一些基本的参考结构，并仅将其用作参考
• 尝试“蒙特卡罗”方法，尝试随机位置并获取有希望的位置的统计信息，以进行逐像素检查
• 在 gpu 上实现
• 将结构限制为仅几个矩形形状，而不是全部
• 预处理图像以获得更高的对比度
• 从使用小尺寸（20x20 像素）开始，一旦你找到小匹配，在那里扩大你的“正方形”以寻找可能是“真实”重复结构的更大匹配

所以没有魔法。有什么是域启发式。你告诉你的脚本你认为结构的可能大小/形状/位置/方向。

但是，“为什么”需要识别重复结构的问题实际上是如何优化问题的基础。

编辑：一种完全不同的方法是使用一些为“对象分割”预先调整的算法来通过并找到任何似乎具有定义边界的东西，然后对所有“对象”运行聚类算法，它应该将最相似的组合在一起。然后您可以手动选择匹配项或执行最终阈值步骤。这可能更类似于“人类”大脑的操作方式，因为它可能更快