我必须测量两个单色图像之间的偏移。
这些图像实际上是校准前的光谱，非常嘈杂并且充满了不需要的特征，但它们基本上看起来像下面这样
我知道在不同的图像之间，它们沿 x 方向移动，但不会沿 y 方向移动。我想知道它们之间沿 x 方向的偏移量。
幸运的是，我在 , 中找到了一个函数skimage，register_translation它可以用于任意亚像素精度。但问题是，我只想知道沿 x 方向的偏移，并且我希望得到的 y 方向偏移为 0，但程序发现同时向 x 和 y 偏移，大概是沿着垂直于特征。（图中标注为蓝色箭头）
所以，我想知道：
是否有任何功能或包python可以仅测量两个图像之间沿一个方向的偏移，或者甚至有任何先验知识？
找到两个嘈杂图像之间的变化的正确方法是什么？在 FFT 空间中找到最大的互相关值会起作用吗？
register_translation在这种情况下，如果给你 xy 移位，应该做一些简单的数学运算，无论是向量还是分量形式。如果不存在 y 偏移，您可以计算所需的 x 移动，这正是您想要的。我正在旅行，所以很遗憾现在不能给你图表，建议把三角形画出来。
所需的额外 x 位移 ( x_extra) 定义为：
x_extra = y * tan[arctan(y_shift/x_shift)]
简化为：
x_extra = y_shift^2 / x_shift
因此，x 的总偏移为：
x_shift_total = x_shift + x_extra
x_shift 由register_translation.
如果你然后移动imageA，x_shift_total它应该与 对齐imageB，假设x_shift给定的register_translation是正确的。
@jni我很想将其作为一个选项来实现register_translation！
我不肯定它会起作用，但是：开源的好处之一是您可以查看 的实现细节，register_translation然后尝试根据您的情况进行调整。在您的情况下，我将替换为fftn，fftn(..., axis=1)以便您只计算沿列轴的 fft 。然后，将两个 FFT 信号相乘（这相当于每行的卷积，如 @CypherX 所建议的那样）。最后，您必须找到一种方法将沿每条线发现的变化“合并”为单个测量值。一个想法是采取每个班次（沿该线的最大值）并绘制直方图。人们希望您在真正的 x 位移附近获得一个尖峰。
如果它有效，它将对 scikit-image 添加一个“轴”关键字参数到register_translation. 您可以阅读如何贡献指南并提出相应的更改！
另一种更快、更简单的方法是计算两个图像中相同位置的水平轮廓。这将为您提供每个图像水平的一维轮廓。简单的峰值查找将为您提供线条的位置，峰值索引之间的差异将告诉您仅在 x 轴上的偏移。
我经常使用这种方法来进行与您的问题类似的移位检测，它非常快速、非常简单且非常健壮。
# pick a row to use
row = 10
x_profile1 = np.mean(image1[row, :], axis=0)
x_profiel2 = np.mean(image2[row, :], axis=0)
# 'get_peaks' is a function to return indices of found peaks - several
# around
peaks1 = get_peaks(x_profile1)
peaks2 = get_peaks(x_profile2)
x_shift = peaks1[0] - peaks2[0]
您可以convolution在这两个图像之间使用来查找获得maximum. 您可以将其设想为将未移位的图像从左向右滑动到移位的图像上，并且当每个图像的相同部分彼此重叠时，卷积将产生对应于场景的最大值。看看哪个scipy.ndimage.convolution更scipy.signal.convolve适合您的需求。