图像相关度描述 - 归一化互相关（NCC）

一：基本原理

NCC是一种基于统计学计算两组样本数据相关性的算法，其取值范围为[-1, 1]之间，而对图像来说，每个像素点都可以看出是RGB数值，这样整幅图像就可以看成是一个样本数据的集合，如果它有一个子集与另外一个样本数据相互匹配则它的ncc值为1，表示相关性很高，如果是-1则表示完全不相关，基于这个原理，实现图像基于模板匹配识别算法。

图像匹配指在已知目标基准图的子图集合中，寻找与实时图像最相似的子图，以达到目标识别与定位目的的图像技术。主要方法有：基于图像灰度相关方法、基于图像特征方法、基于神经网络相关的人工智能方法(还在完善中)。

基于图像灰度的匹配算法简单，匹配准确度高，主要用空间域的一维或二维滑动模版进行图像匹配，不同的算法区别主要体现在模版及相关准则的选择方面，但计算量大，不利于实时处理，对灰度变化、旋转、形变以及遮挡等比较敏感；

基于图像特征的方法计算量相对较小，对灰度变化、形变及遮挡有较好的适应性，通过在原始图中提取点、线、区域等显著特征作为匹配基元，进而用于特征匹配，但是匹配精度不高。
通常又把基于灰度的匹配算法，称作相关匹配算法。相关匹配算法又分为两类：一类强调景物之间的差别程度如平法差法(SD)和平均绝对差值法(MAD)等;另一类强调景物之间的相似程度,主要算法又分成两类,一是积相关匹配法,二是相关系数法。

今天我们就来说说归一化互相关系数法（NCC)。

g的灰度均值
图像Sx,y的灰度均值

相关系数满足：

在[-1,1]绝对尺度范围之间衡量两者的相似性。相关系数刻画了两者之间的近似程度的线性描述。一般说来，越接近于1，两者越近似的有线性关系。

2. C++代码实现

（1）获取模板像素并计算均值与标准方差、像素与均值diff数据样本

（2）根据模板大小，在目标图像上从左到右，从上到下移动窗口，计

算每移动一个像素之后窗口内像素与模板像素的ncc值，与阈值比较，大于

阈值则记录位置

（3）根据得到位置信息，使用红色矩形标记出模板匹配识别结果。

（4） UI显示结果

int main() {Mat image2 = imread("C:\\Users\\Administrator\\Desktop\\t2\\temp.png", IMREAD_GRAYSCALE);Mat image1 = imread("C:\\Users\\Administrator\\Desktop\\t2\\temp.png", IMREAD_GRAYSCALE);int overlap = image2.cols;float pearsonCorrelationCoefficientMax = 0;int overlapMaxCorrelationCoefficient = 0;//for (int overlap = 350; overlap < image2.cols; overlap += 10){//****************************************//Mat imageTemp = image2;//(Rect(0, 0, overlap, image1.rows));long double tempTotalcount = 0;long double tempTotalPixel = 0;for (int i = 0; i < overlap; i++){for (int j = 0; j < image1.rows; j++){tempTotalcount += 1;//cout << i<<","<<j<<"："<<int(imageTemp.at<uchar>(j,i)) << ",";tempTotalPixel += float(imageTemp.at<uchar>(j, i));}cout << endl;}float tempAvg = tempTotalPixel / tempTotalcount;//灰度平均值//**************************************//   long double tempSubstract = 0;for (int i = 0; i < overlap; i++){for (int j = 0; j < image1.rows; j++){long double tempSquare = (long double(imageTemp.at<uchar>(j, i)) - tempAvg)* (long double(imageTemp.at<uchar>(j, i)) - tempAvg);tempSubstract = tempSubstract + tempSquare;}cout << endl;}float tempVariance = sqrt(tempSubstract / tempTotalcount);//灰度标准差//***********************************************//Mat imageBase = image1(Rect(image1.cols - overlap, 0, overlap, image1.rows));int baseTotalcount = 0;int baseTotalPixel = 0;for (int i = 0; i < overlap; i++){for (int j = 0; j < image1.rows; j++){baseTotalcount += 1;//cout << i<<","<<j<<"："<<int(imageTemp.at<uchar>(j,i)) << ",";baseTotalPixel += float(imageBase.at<uchar>(j, i));}cout << endl;}float baseAvg = baseTotalPixel / baseTotalcount;//*****************************************// long double baseSubstract = 0;for (int i = 0; i < overlap; i++){for (int j = 0; j < image1.rows; j++){long double baseSquare = (long double(imageBase.at<uchar>(j, i)) - baseAvg)* (long double(imageBase.at<uchar>(j, i)) - baseAvg);baseSubstract = baseSubstract + baseSquare;}cout << endl;}float baseVariance = sqrt(baseSubstract / baseTotalcount);//***************************************//long double dotMul = 0;for (int i = 0; i < overlap; i++){for (int j = 0; j < image1.rows; j++){dotMul += abs((long double(imageBase.at<uchar>(j, i)) - baseAvg)*(long double(imageTemp.at<uchar>(j, i)) - tempAvg));}cout << endl;}float dotMulAvg = dotMul / (baseTotalcount);float pearsonCorrelationCoefficient = dotMulAvg / (baseVariance*tempVariance);if (pearsonCorrelationCoefficientMax < pearsonCorrelationCoefficient){pearsonCorrelationCoefficientMax = pearsonCorrelationCoefficient;overlapMaxCorrelationCoefficient = overlap;}}cout << "最大相关系数" << pearsonCorrelationCoefficientMax << endl;cout << "最大相关系数时重叠区域" << overlapMaxCorrelationCoefficient << endl;imshow("", image1);waitKey(0);
}

图像相关度描述 - 归一化互相关（NCC）相关推荐

归一化互相关(NCC)计算视差图
文章目录一.NCC 1.1 NCC原理 1.2 实现步骤二.代码实现 2.1 相关代码 2.2 运行结果 2.2.1 修改窗口大小的影响 2.2.1.1 窗口大小win=3时 2.2.1.2 窗口 ...
NCC归一化互相关(详解)
NCC归一化互相关(详解) NCC是什么 NCC(Normalized cross-correlation)是模板匹配中较为常见的互相关计算方法. 来描述两个同维向量,窗口或样本之间的相关性.其取值范 ...
图像匹配—NCC算法，即归一化互相关匹配
一.NCC的基础概念 NCC(normalized cross correlation)算法,归一化互相关匹配法,是基于图像灰度信息的匹配方法. 二.NCC算法定义为: 三.代码(利用NCC的密集匹配 ...
图像配准中的归一化互相关匹配算法
原文地址:http://blog.csdn.net/fengbingchun/article/details/5857810 在用Harris算子对图像进行角点提取后,两幅图像得到的角点个数不一定相等 ...
归一化互相关（NCC）及其部分应用场景
1,如何理解归一化互相关(NCC) 2,部分应用场景基于灰度的匹配一般被称为模版匹配,直接以灰度进行匹配效果不好,对光照很敏感ÿ
归一化相关系数NCC
文章目录 1.原理 2.实验 2.1 图像源 2.2 实现 2.2.1 代码 2.2.2 运行结果 2.3 参数wid改变时 3.小结(只分析NCC法) 4.问题及解决方法 1.原理左图为图像I1{ ...
零均值归一化互相关（Zero Mean Normalized Cross-Correlation）
零均值归一化互相关( ZNCC) 是比较两个灰度图像时得到的差异的度量. 假设在固定位置有一个固定的监控摄像头,它一直在拍照,但大多数时候房间是空的,所以相当多的图像是没有意义的,他们只会浪费空间.所 ...
图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 什么叫特征检测?就是检测图像中目标的特征呗,所谓 ...
【深度学习】实验6布置：图像自然语言描述生成（让计算机“看图说话”）
DL_class 学堂在线<深度学习>实验课代码+报告(其中实验1和实验6有配套PPT),授课老师为胡晓林老师.课程链接:https://www.xuetangx.com/training ...

图像相关度描述 - 归一化互相关（NCC）

图像相关度描述 - 归一化互相关（NCC）相关推荐

最新文章

热门文章