Может кто посоветует алгоритм решения следующей задачи.

Есть серия снимков одного и того же места, но сделанных с разными параметрами. Снимки разделяются на одинаковые области (скажем, прямоугольные) и анализируются. Для каждой области по некоторому алгоритму выбирается один участок из всей серии снимков.В результате чего получается один снимок составленный из кусков разных снимков серии.

Проблема в том, что каждый кусок имеет свою яркость и прочие параметры, поэтому необходимо "склеить" края кусков. Понятно что прямо данная задача в 2D не решается. Может кто подскажет все же алгоритм позволяющий максимально правдоподобно совместить куски между собой?

Здравствуйте, ubw, Вы писали:

ubw>Может кто посоветует алгоритм решения следующей задачи.

ubw>Есть серия снимков одного и того же места, но сделанных с разными параметрами. Снимки разделяются на одинаковые области (скажем, прямоугольные) и анализируются. Для каждой области по некоторому алгоритму выбирается один участок из всей серии снимков.В результате чего получается один снимок составленный из кусков разных снимков серии.

ubw>Проблема в том, что каждый кусок имеет свою яркость и прочие параметры, поэтому необходимо "склеить" края кусков. Понятно что прямо данная задача в 2D не решается. Может кто подскажет все же алгоритм позволяющий максимально правдоподобно совместить куски между собой?

Если картинки реально отображают одну и ту же область, то покрутив яркостью и контрастом можно добиться желаемого результата.

Здравствуйте, Sergey A. Sablin, Вы писали:


SAS>Если картинки реально отображают одну и ту же область, то покрутив яркостью и контрастом можно добиться желаемого результата.

нет, не все так просто. к примеру если в изображение входят участки из 10ти и более снимков, с разными параметрами то совместить уровни яркости полностью по X и Y неполучиться, что следует из простой логики. Интересен алгоритм с помомощью которого можно было бы минимизировать неувязки на стыках областей.

Здравствуйте, Аноним, Вы писали:

А>нет, не все так просто. к примеру если в изображение входят участки из 10ти и более снимков, с разными параметрами то совместить уровни яркости полностью по X и Y неполучиться, что следует из простой логики. Интересен алгоритм с помомощью которого можно было бы минимизировать неувязки на стыках областей.

Брать области с перекрытием и использовать фэйд (плавное перетекание) между картинками по наложенным областям. А настройка яркости, насыщенности, контраста.. наверное на глаз..

в google по ключевому слову ENBLEND. И находим программу с исходниками и объяснением теории. Удачи.

Здравствуйте, Dimonka, Вы писали:

D>Здравствуйте, Аноним, Вы писали:

А>>нет, не все так просто. к примеру если в изображение входят участки из 10ти и более снимков, с разными параметрами то совместить уровни яркости полностью по X и Y неполучиться, что следует из простой логики. Интересен алгоритм с помомощью которого можно было бы минимизировать неувязки на стыках областей.

D>Брать области с перекрытием и использовать фэйд (плавное перетекание) между картинками по наложенным областям. А настройка яркости, насыщенности, контраста.. наверное на глаз..

Можно попробовать выровнять гистограммы на всех картинках, вместо того чтобы на глаз.

Если кому еще интересна данная тема, могу кинуть ссылку на хорошую статью по данной тематике:
http://ise.stanford.edu/class/ee368a_proj00/project13/index.html

Это не есть хорошая статья, это есть очень посредственная и старая статья.
Рекомендую еще взглянуть на SIFT

Здравствуйте, ubw, Вы писали:

ubw>Может кто посоветует алгоритм решения следующей задачи.

ubw>Есть серия снимков одного и того же места, но сделанных с разными параметрами. Снимки разделяются на одинаковые области (скажем, прямоугольные) и анализируются. Для каждой области по некоторому алгоритму выбирается один участок из всей серии снимков.В результате чего получается один снимок составленный из кусков разных снимков серии.

ubw>Проблема в том, что каждый кусок имеет свою яркость и прочие параметры, поэтому необходимо "склеить" края кусков. Понятно что прямо данная задача в 2D не решается. Может кто подскажет все же алгоритм позволяющий максимально правдоподобно совместить куски между собой?

Скажи, а место с которого ведктся съемка — одно и тоже?
А угол зрения?

Может дело не в яркости а в персаективных искажениях камеры?

Если уж совсем лень искать то

http://smartblend.panotools.info/

Здравствуйте, minorlogic, Вы писали:

M>Это не есть хорошая статья, это есть очень посредственная и старая статья.
M>Рекомендую еще взглянуть на SIFT

Полностью согласен. Для склейки панорамных изоражений -- то что надо
Да и с оттенками решаемо