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