两组坐标之间的线性偏移

Question

我的问题如下： 为了我的工作，我需要将扫描的照片与已知星样本目录中的星区进行比较（我称之为主目录）。为此，我提取图像中物体的信息，如亮度和天空位置，并将其保存在表格中。然后我使用Python创建多项式拟合，以校准图像中星体的大小。这在一定精度范围内运行良好，但不幸的是，由于物体在照片上的坐标与主目录中的坐标存在微小偏移，因此效果不佳。

这里的绿色圆圈表示主目录中物体的位置（圆圈的中心）。您可以看到实际的星星总是位于主目录中物体的左上方。

我已经稍微研究了图像比较（即如何检测图像之间的移位），但现在有点迷茫，因为我实际上并没有比较图像，而是比较具有对象坐标的数组。另一个问题是（如图所示），主目录中存在一些在平板上不可见的对象，并且不是所有平板都具有相同的深度（这意味着有些显示更多的星星，而有些则不会）。

我想知道的是如何在Python中找到和纠正两个不同大小的坐标数组之间的线性移位的方法。不应该有旋转，因此只是在x和y方向上的移位。这些数组是正常的numpy recarrays。

- Christoph Pohl

Answer 1

有几种可能的解决方案 注意 - 这些是高级指针，您需要进行一些工作才能将其转换为工作代码

原始解决方案（交叉相关）可以适应当前数据结构，并且应该有效

我相信在您的情况下 RANSAC 将更好 基本上意味着： 基于少量数据点创建模型（定义相关模型所需的最小数量），并使用完整数据集验证其正确性。

具体而言，如果您只考虑平移（而不是比例）：

1.选择您的一个点 2.将其与目录中的随机点匹配[如果您对哪种平移更有可能有先验知识，则可以进行“有根据的猜测”] 3.此匹配为您提供了平移 4.验证该平移是否与其余点匹配 5.重复，直到找到好的匹配

- Ophir Yoktan

Answer 2

我在这里假设照片和主目录中的对象不一定按相同顺序排列。考虑位置向量集A，表示照片中对象的位置向量，以及位置向量集B，表示主目录中对象的位置向量。您要寻找一个向量v，使得对于A中的每个a，a + v大致上等于B中的某个元素b。

对我来说，最明显的算法是对于每个a，对于每个b，让v = b - a。现在，对于A中的每个元素，检查是否存在与该元素+v足够接近（在您选择的某个距离e内）的B中的相应元素。一旦找到满足此条件的v，v就是您的移位。

- Jacob Weightman

Answer 3

我会略微修改@OphirYoktan的建议。您有这些圆形。我假设您知道半径，并且您有该半径值的原因。

不要随机选择点，而是筛选主目录中x,y在样本半径内的内容。然后计算出所有可能的主目录条目所需的向量数量。重复相同的步骤，然后收集向量的直方图。可能会重复出现少量向量，这些向量很可能是真正的翻译。（理想情况下，“小数”== 1。）

- aghast

---

圆的半径是算法搜索半径，用于在我的主目录中查找目录和图像之间可能的匹配项。现在我提取了所有可能的匹配项，并按照您建议的计算它们之间的差异，看起来很有效。虽然直方图不完美，但在平滑处理后，我可以得到一个最大值，以便进行翻译。谢谢。 - Christoph Pohl