如何用Python+NumPy实现比较两张图片重叠的部分？

Question

问题背景

如果两张图片只存在上下的偏移，并且重叠的部分是近似相等，并且不能用缩图的方式进行“近似”比较，那么使用Python+Numpy库，有没有什么办法能比对出这两张图片的上下错位的偏移量？

例如这两张图：

相关代码

我已经实现了一种找到偏移量的方法，是从偏移量-h/2到h/2进行逐行搜寻，依次计算每次的像素差异值的大小之后找到差异最小的那次，算作两张图片的偏移量。

但是由于循环次数较多，所以运行速度较慢，能否有更快的速度可以计算出结果的算法？

import cv2
import numpy as np

def overlay(d1, d2, d):
    '''计算重叠部分差异绝对值的平均值'''
    L1 = d1.shape[0]
    L2 = d2.shape[0]
    dd1 = d1[max(0,  d):min(L1, L2+d)]
    dd2 = d2[max(-d, 0):min(L1-d, L2)]
    return np.abs(- 1 * dd2 + dd1).mean()

def offset(img1, img2):
    '''计算两张图片的平移偏移量'''
    height = img1.shape[0]
    avg = np.inf
    for h in range(- height // 2, height // 2): # 搜寻范围
        avg1 = overlay(img1, img2, h)
        if avg > avg1:
            avg = avg1
            dh = h
    return dh, avg

img1 = cv2.imread(file1)
img2 = cv2.imread(file2)
print(offset(img1, img2))

Answer 1

如果大小不一致的话，看看sift算法，大小一致的话直接模板匹配