sift や surf のようなある種のキーポイント マッチング アルゴリズムは、この種のデータでも機能すると思います。基本的な考え方は、各画像で限られた数の「興味深い」キーポイントを見つけ、これらのキーポイントをペアで一致させることです。
以下は、オンライン ASIFT デモを使用したイメージの簡単なテストです
。
おそらく通常のグレースケール画像により適していますが、それでもこのデータではうまくいくようです。線は両方の曲線の周りでほぼ同じ点を結んでいるように見えます。これらすべてのペアを OpenCv のFindHomography関数のようなものに差し込むと、小さな不一致が均等になり、2 つの画像間のアフィン変換行列が得られます。
特定のデータについて、より適切なキーポイント記述子を思いつくことができる場合があります。おそらく、線の端、線の交差、鋭い角を検出するためのものです。
または、これはどうでしょうか。もう少し作業が必要ですが、パスをベジエまたは B スプラインにベクトル化できれば、スプライン記述子からいくつかの自然なキーポイントを取得できます。
私はベクトル化ライブラリを知りませんが、Inkscapeにはアプローチをテストできる基本的な実装があります。大きな 2D ビットマップではなく小さな記述子のセットを取得したら、FindHomography に従って、これらの記述子を 2 つの画像間で一致させるだけで済みます。
コメントへの回答:
関心のあるポイントは、特定のプロパティを持つ単なる小さな領域です。したがって、これらの領域の中心は黒または白になる可能性があります。アルゴリズムは、白いピクセルや曲線などの大規模な形状を特に探しません。問題は、少なくとも一見しただけでは、線が両方の曲線のほぼ同じ点を結んでいることです。