以下这个方法通常只是理论上可以实行, 做起来就囧了 可以把二维的字串看作是影像, 原来的问题就变成从一张影像当中, 找到一致性的 pattern 定义 SSE = Sum of Square Error, SSE = sigma (Image[x+i][y+j] - pattern[i][j]) ^ 2 i = 1...p, j = 1...q p和 q 是 pattern的高和宽 x,y 可以看作是搜索的起点 只要找到 SSE = 0 的区块, 就表示两个部份是一样的 我们可以将 SSE 重新改写成 SSE = sigma (Image[x+i][y+j] ) ^ 2 + sigma (pattern[i][j]) ^ 2 i, j i,j - 2* sigma Image[x+i][y+j] * pattern[i][j] i,j 前面两项可以经由预处理做掉. 後面 Convolution的部份,可以交由 FFT 先将资料转至频率空间 H[i] = F[i] * G[i] 再经由 Inverser FFT 转回来得到每个点的convolution. 不过, 这没有比较快, 加上可能有浮点误差的问题存在 只是提供一种不同的作法, 听听就算了 XD -- 打了这麽多, P币应该不少才是 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.115.220.140