Как сравнить два изображения, минуя шум?

Question

[pankif]

Есть два изображения, прикрепил внизу. Это снимки (с выдержкой), полученные от широкоугольной камеры. На втором снимке правее центра можете увидеть след - это пролетает спутник.
Такие снимки поступают раз в минуту. Задача состоит в том, чтобы автоматические находить на снимках такие вот следы.

Как сейчас происходит сравнение:

1. Берутся две последние фотографии и режутся на кусочки размером 100х100
   
2. Берутся по очереди кусочки с каждого снимка( например 1 кусочек первого снимка и 1 кусочек второго снимка)
   
3. Выравнивается яркость каждого фрагмента, относительно друг друга
   
4. Сравнение двух кусочков с помощью функции compareImages (библиотека GD)
   

На выходе после сравнения мы получаем число, чем оно выше тем сильнее различаются изображения.
Но есть большой недостаток данного метода - это шум. На исходной фотографии глазу он не виден, но если увеличить две фотографии и начать сравнивать самому, то будет видно, что в тех местах, где нет звезд(темное пространство) цвет изображения не черный, а близок к черному. И в некоторых местах там появляется шум в виде пикселей близкого к черному цвета.
Появление такого шума может быть обусловлено некоторыми факторами: проезжает машина и засвечивает фарами часть снимка или когда отсвечивает луна и т.д.

Отсюда возникает вопрос. Как мне миновать весь этот шум и акцентировать алгоритм только на важных местах?

Comments

[PrimalB]

Сейчас я постараюсь показать как я проверил!

[LNK]

Не по теме: Проект интересный и снимки красивые :)

Answer 1

[PrimalB]

Попробуйте посмотреть как я сравнил: https://cloud.mail.ru/public/2aat/8NYJRf15C
Но я как понял надо более чётче, чтобы шума вообще не было, а только реально разницу показывало?
Ещё вот сделал две отдельно: https://cloud.mail.ru/public/DtA1/tUP3zbi8V

Comments

[pankif]

В вашем решении вы получается просто наложили изображения друг на друга, но как такого критерия по оценивания схожести я не увидел

[PrimalB]

pankif: Пытался помочь.)

[pankif]

PrimalB: И на том спасибо)

Answer 2

[dom1n1k]

Возможно, применять к фоткам оператор Собеля (или подобный), потом Threshold и уже сравнивать результаты?

Хотя лично для меня намного более сложной проблемой представляется поворот неба, нежели шум на изображении.

Comments

[pankif]

Поворот неба имеет гораздо меньший вклад. Учитывая деление фотографии на куски на чистом фрагменте получаем число в -3 степени. А на фрагментах, где есть шум получаем число порядка десять в -1 степени, что является критичным.

[pankif]

На самом деле фотографии, что я привел - это максимально идеальные условия (чистое небо, без дождя, без снега, без облаков и прочего), таких фотографий < 10% за весь год. Большая часть фотографий содержит покрытие облаками примерно на 10-99%, зимой камеру заносит снегом, в другие времена года дождь, что представляет невозможным наблюдение за небом.

[pankif]

Спасибо за ваш совет, воспользовался бинаризацией изображения. Это позволило увеличить точность.

Answer 3

[ThunderCat]

Для начала надо сделать баланс белого, точнее баланс черного для данного случая, + затемнить уровень темного. Хз есть ли в гд или имажмажике такие функции, не интересовался, проще в каком нибудь фотошопе вывести уровень черного, а потом уже работать с изображением. Думаю будет достаточно автобаланса + затемнение темных тонов на пару уровней.

Comments

[pankif]

Спасибо за ваш ответ, но вариант с фотошопом сразу отходит. По простой причине, что ежедневно с 1 камеры я получаю 1440 снимков. Решение должно быть полностью автономным.

[ThunderCat]

pankif: хм, скрипт который прогоняет через фш все снимки из папки - по моему это оно ), кроме того не уверен что этого функционала нет в гд или имажике.

[ThunderCat]

pankif: fmwconcepts.com/imagemagick/whitebalance/index.php - опа!! ))

[pankif]

ThunderCat: нечто похожее я изначально делал в своем алгоритме(пункт 3) но, тем не менее, спасибо)

[ThunderCat]

pankif: я так понял у вас при этом оставалась проблема шума в темных тонах - для этого и надо делать затемнение в темном, в принципе это что то сродни трешхолду, только не до чб.

[pankif]

ThunderCat: Сейчас использую бинаризацию(трешхолд) и проблема шума в каком-то смысле отпала.
Чтобы она вообще исчезла нужно рассчитать некий коэффициент, который будет показывать плотность белых пикселей на фрагменте. Т.к. если белых пикселей много (> ~50%) и они стоят в плотную к друг другу - это шум и на этот фрагмент алгоритм не будет обращать внимания.
Если белых пикселей мало и они стоят в плотную друг к другу - там можно говорить об отсутствии шума.
Если пикселей мало и они рассыпаны по всему фрагменту фотографии, то здесь можно судить о том, что там либо шум, либо фрагмент не представляет интереса.
Сейчас пытаюсь вывести как раз таки этот алгоритм, который скажем мне рассеяны пиксели по всему фрагменту или нет, вернее он выдаст некоторое число, которое позволит рассуждать о том, что пиксели либо сфокусированы по конкретным точкам, либо рассеяны по всему фрагменту.

[pankif]

prntscr.com/dphpal - вот что получается в результате бинаризации