Correlación de fase 2D (puntada 2d en ImageJ) para costuras de imágenes

Question

Ahora estoy usando la correlación de fase estándar para la costura de imágenes. Da resultados normales, pero en las imágenes duras da un resultado incorrecto, pero el complemento 2D de costura en ImageJ (Fiji) da un buen resultado en la mayoría de los casos. El algoritmo utilizado en el complemento descrito en este documento http://bioinformatics.oxfordjournals.org/content/25/11/1463.full.pdfPero no puedo entenderlo. "Sin embargo, en las imágenes reales, F - 1 (q) contiene varios picos que marcan diferentes traducciones con alta correlación. Además, cada pico describe ocho traducciones posibles diferentes (en 3D) debido a la periodicidad del espacio de Fourier. Para determinar el cambio correcto , seleccionamos los n máximos locales más altos (vecindario 3 × 3 × 3) de F-1 (q) y evaluamos sus ocho traducciones posibles por medio de correlación cruzada en el área superpuesta de las imágenes a, b. El pico con el La correlación más alta se selecciona como traducción entre las dos imágenes. Si ninguno de los picos está por encima de cierto límite, se supone que los mosaicos no se superponen ". ¿Alguien puede explicar cómo implementarlo?

Answer 1

De la cita parece que:

1. Usan la correlación de fase para encontrar múltiples candidatos ("Seleccionamos el N máximo local más alto (vecindario 3 × 3 × 3) de F - 1 (Q)") para el segmento superpuesto entre dos imágenes
2. Y luego usan algo de coincidencia en los datos de la imagen originales ("mediante correlación cruzada en el área superpuesta de las imágenes a, b".)
3. Para seleccionar el mejor candidato de esos ("El pico con la correlación más alta se selecciona como traducción entre las dos imágenes".),
4. Si ese mejor candidato coincide lo suficientemente bueno ("Si ninguno de los picos está por encima de cierto límite, se supone que los mosaicos no son superpuestos".).