问一种在图像中最佳放置裁剪区域以捕获特征的算法

EN

我有一个大的图像，其中包含一个背景感兴趣的“斑点”。我有所有气泡的位置(质心，包围盒，面积)。我想在图像中裁剪有限数量的固定大小的区域，这样我就可以捕捉到大部分的气泡。下面是同一图像中1、2或3个裁剪区域的示例。

​

​

这个例子显示，裁剪1区域(红色)相对容易:只要选择尽可能多的气泡区域。这可以通过尝试所有的方法来解决，也可以通过使用核密度估计器或类似的方法来计算一个blobs的密度。

但是，种植2个区域(以虚蓝色表示)并不仅仅是在上面选择的第一个区域之后种植下一个最好的作物。这是一个新的问题，我需要找到两种作物的最佳组合。尝试两种作物的所有组合(蛮力)可能会导致计算成本过高(我有许多图像要处理，而且它们很大)。

同样，种植3个区域(绿色)是一个新的问题，而蛮力更不适合这个问题。在这个特殊的例子中，3个区域中的2个与蓝色的情况相同，并添加了一个新的区域，但这不是一般情况(我只是想展示一个稍微复杂的场景)。

我不知道解决n作物问题的算法。我想知道这个问题是否有一个理论上的/众所周知的解决办法。

此外：

• 问题的几何学近似于上面的例子(在图像高度上最大的两种作物，宽度上的许多作物)；这样就简化了事情。
• 作物不应相交
• 气泡应尽可能以作物为中心(即blob.png )
• 农作物应该保持在原来的图像边界内。以上任何一个例子)
• 应该考虑到blob的面积(我更感兴趣的是大blob而不是小blob)；但是，通过将一个权重与每个blob关联起来来计算每个裁剪布局的分数，可以在任何算法中引入blob。
• 把一些斑点去掉是可以的。实际上，我可能会计算一个成本复杂性参数，比如添加作物的新小块将得到多少，并设置一个阈值，在此阈值下停止添加作物。

提前谢谢你的指点。

PS:编码语言在这里并不重要，因为算法的核心(在给定块的位置/大小的情况下找到作物的最佳位置)只需要计算小阵列(每幅图像的位置/大小为100块)。我可能会用Python或R。