本文介绍了在图像处理中进行patch matching的基本步骤，特别是针对新人的教程。通过MATLAB仿真，解释了如何在512*512的灰度图像中，使用3x3 patch寻找全局最相似的块，方法称为"patch-NNs"。计算过程中，以像素或3x3单位滑动，计算所有块与原始patch的L2距离（欧氏距离）作为相似度衡量标准。
进入实验室后，我读的第一篇paper是：Needle-Match: Reliable Patch Matching under High Uncertainty，其中涉及到了patch相似度匹配，作为一个新人我对此没有任何基础，我完全不懂如何匹配出相似的patch,当时在网上也没有找到说的很清楚的参考资料，经过两周的学习和matlab仿真,我简单讲讲如何找出一幅图中相似的p块和q块，这都是很简单的知识，仅仅献给初学者（若有错误欢迎指正）：
在一幅512*512的灰度图中，以3x3的patch为例，在全图匹配出与p最相似的q块，使用的方法可称作“patch-NNs”:
1.首先把待匹配的patch块p的灰度值存入3x3矩阵，以一个像素为滑动单位（或者以3x3单位）计算全图每个3x3块q与原p的最小L2距离（欧式距离，使用其他距离也可以，如曼哈顿距离
最低0.47元/天 解锁文章
扫一扫
4143
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
