Предыстория:
Предположим, что есть два снимка одной и той же сцены с двух разных точек зрения. Применение к ним алгоритма регистрации приведет к матрице гомографии, которая представляет отношение между ними. Деформация одного из них с использованием этой матрицы гомографии (теоретически) приведет к двум идентичным изображениям (если игнорировать неразделяемую область).
Поскольку совершенства не существует, два изображения могут не быть абсолютно идентичными, мы можем найти некоторые различия между ними, и эти различия могут быть явно показаны при их вычитании.
Пример:
Кроме того, условия освещения могут привести к огромной разнице при вычитании.
Проблема:
Я ищу метрику, по которой я могу оценить точность процесса регистрации. Этот показатель должен быть:
Нормализованный: 0->1 измерение, которое не относится к типу изображения (природная сцена, текст, человек...). Например, если два совершенно разных процесса регистрации на совершенно разных парах фотографий имеют одинаковую достоверность, скажем, 0,5, это означает, что произошла одна и та же хорошая (или плохая) регистрация. Это должно применяться, даже если одна из пары предназначена для очень детальных фотографий, а другая на белом фоне с надписью «Привет» черным цветом.
Различие между точностью совмещения и различными условиями освещения. Хотя существует множество способов устранить эту разницу и сделать два изображения примерно одинаковыми, я ищу измерения, которые не учитывают их, а не фиксируют. их (проблема производительности).
Одно из первых, что пришло в голову, это суммировать абсолютные различия двух изображений. Однако это приведет к появлению числа, представляющего ошибку. Это число не имеет значения, если вы хотите сравнить его с другим процессом регистрации, потому что другие изображения с лучшей регистрацией, но с большей детализацией могут дать большую ошибку, а не меньшую.
Простите за длинный пост. Я рад предоставить любую дополнительную информацию и сотрудничать в поиске решения.
P.S. Использование OpenCV приемлемо и предпочтительно.
