corrélation de phase en 2D (2D point dans ImageJ) pour le point d'image

Question

J'utilise la corrélation de phase standard pour l'assemblage des images. Il donne des résultats normaux, mais sur les images dures, il donne un mauvais résultat, mais point du plugin 2D dans ImageJ (FIDJI) donne de bons résultats dans la plupart des cas. L'algorithme utilisé dans le plugin décrit dans le présent document http: //bioinformatics.oxfordjournals. org / content / 25/11 / 1463.full.pdf Mais je ne peux pas le comprendre. « Pour des images réelles, cependant, F-1 (Q) contient plusieurs pics de marquage différent traductions avec une corrélation élevée. De plus, chaque pic décrit huit différentes traductions possibles (en 3D) du fait de la périodicité de la transformée de Fourier espace. Pour déterminer le déplacement correct, nous sélectionnons les maxima locaux n le plus élevé (3 x 3 x 3 quartier) à partir de F-1 (Q) et évaluer leur possible huit traductions au moyen de corrélation croisée sur la zone de chevauchement de la images A, B. Le pic de corrélation la plus élevée est sélectionnée comme la traduction entre les deux images. Si aucun des sommets est au-dessus d'une certaine limite la tuiles sont supposées être non-chevauchement « . Quelqu'un peut-il expliquer comment le mettre en œuvre?

Answer 1

De la citation, il semble que:

1. Ils utilisent correllation de phase pour trouver des candidats multiples ( "nous choisissons le n plus élevé des maxima locaux (3 × 3 × 3 de voisinage) de F-1 (Q)" ) pour le segment qui se chevauchent entre deux images
2. Ensuite, ils utilisent une correspondance dans les données d'image d'origine ( « au moyen d'une corrélation croisée sur la zone de chevauchement des images A, B. » )
3. Pour sélectionner le meilleur candidat de ceux ( « Le pic avec la plus forte corrélation est sélectionnée comme la traduction entre les deux images. » ),
4. Si ce meilleur candidat correspond assez bon ( « Si aucun des sommets est au-dessus d'une certaine limite les tuiles sont supposées être non-chevauchement. » ).