Matlab数字图像处理-图像对齐

任务：在下面两幅图像中找不同，并将不同之处标出来。提示：两幅图像没有对齐（有一定的平移量）；首先通过算法对齐图像。

• 算法原理：

使用图像的互相关来找到图像之间的平移量。图像的互相关是一种用于比较两幅图像之间相似度的数学操作。互相关首先将两幅图像转换为灰度图像，以便进行灰度级别的比较。对其中一幅图像进行翻转操作。将翻转后的图像与另一幅图像进行卷积，计算在每个位置上的像素值的乘积之和。得到的互相关结果矩阵表示了两幅图像在不同位置上的相似度。

• 解题步骤

1.将两幅图像转换为灰度图像，使用rgb2gray函数将彩色图像转换为灰度图像。

2.计算第一幅图像和第二幅图像之间的互相关函数。使用normxcorr2函数计算两幅灰度图像的归一化互相关函数，计算它们之间的相似度。

3.找到互相关函数的峰值，即找到最大值和其对应的位置。max函数用于找到互相关函数矩阵corrMatrix中的最大值maxValue，maxIndex用于记录最大值的索引。使用ind2sub函数将最大值的索引转换为行列坐标，得到maxRow和maxCol。

4.计算平移量，将第二幅图像平移使其与第一幅图像对齐。平移量的计算是通过将最大值的坐标减去第二幅图像的大小得到的。

5.使用imtranslate函数对第二幅图像进行平移变换，将其与第一幅图像对齐。

根据找到的峰值位置计算平移量。平移量可以表示为在水平和垂直方向上的像素偏移量。

6.计算图像1和对齐后的图像2的差异，显示在图形窗口中。

• 程序代码

clc;
 
clear all;
 
close all;
 
% 读取两幅图像
 
image1 = imread('q1_painting_1.jpg');
 
image2 = imread('q1_painting_2.jpg');
 
% 将图像转换为灰度图像
 
grayImage1 = rgb2gray(image1);
 
grayImage2 = rgb2gray(image2);
 
% 计算归一化互相关函数
 
corrMatrix = normxcorr2(grayImage2, grayImage1);
 
% 找到互相关函数的峰值
 
[maxValue, maxIndex] = max(corrMatrix(:));
 
[maxRow, maxCol] = ind2sub(size(corrMatrix), maxIndex);
 
% 计算平移量
 
shiftRow = maxRow - size(grayImage2, 1);
 
shiftCol = maxCol - size(grayImage2, 2);
 
% 应用平移变换对齐图像
 
alignedImage2 = imtranslate(image2, [shiftCol, shiftRow]);
 
% 显示对齐后的图像
 
figure;
 
subplot(1, 2, 1);
 
imshow(image1);
 
title('图像1');
 
subplot(1, 2, 2);
 
imshow(alignedImage2);
 
title('对齐后的图像2');
 
%
 
I2 = image1-alignedImage2;
 
figure;
 
imshow(I2);
 
title('图像1与图像2的区别');
 
diffImage = imabsdiff(image1, alignedImage2);
 
resultImage = image1 + diffImage*20;
 
figure;
 
imshow(resultImage);
 
title('图像1中的差异部分');

• 处理结果

图1和对齐后的图二如下图所示。

图1和图2之间的像素平移量如下所示。

将图像相减，计算图像1和对齐后的图像2的差异，如下所示。

由于上图显示结果比较暗，看起来不清晰，所以把差异增大，即变亮显示在图1中，结果如下。