图像拼接算法及实现_图像匹配算法NCC（NormalizedCrossCorrelatio。。。

图像拼接算法及实现_图像匹配算法

NCC（NormalizedCrossCorrelatio。。。

## 背景相关系数其实就是⽪尔森系数，⼀般是在概率中判断两个随机变量的相关性，公式为：

其中，Cov(X,Y)表⽰的是随机变量X,Y的协⽅差。D(X)与D(Y)则分别表⽰随机变量X,Y的⽅差。⽪尔森系数的值域为[-1,1]，系数越接近1表明这两个随机变量越相关，越接近-1表明这两个随机变量越不相关。讲到这⾥，突然想起概率中讲的⼀句话：$color{#FF3030}{独⽴⼀定不相关，不相关不⼀定独⽴}$。

然⽽也可以利⽤⽪尔森系数计算两张图⽚的相关性。

缓冲块代码

可移动存储设备import numpy as np

import cv2

im1 = '1.png'

im2 = '0.png'

玻璃纸包装>石灰投加

img1 = cv2.imread(im1)

img2 = cv2.imread(im2)

# 图⽚2的标准差

print(np.std(img2))

# 相关系数，这⾥使⽤的是有偏估计

an(np.multiply((an(img1)),(an(img2))))/(np.std(img1)*np.std(img2)))

输出结果

Reference

1.NCC(Normalized Cross Correlation)归⼀化互相关原理和C++代码实现

saw1

【图像配准】基于灰度的模板匹配算法（⼀）：MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法_⼈⼯智能_hujingshuang-CSDN 博客b log.csdn

超滤膜壳

我的博客

图像匹配算法NCC(Normalized Cross Correlation)的python实现b log.csdn

本文发布于:2024-09-23 11:23:28，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/1/228096.html

上一篇：图像拼接实验报告

下一篇：(最新)ENVI对图像进行配准、校正、拼接、裁剪

标签：算法实现系数概率相关接近

留言与评论（共有 0 条评论）