图像匹配算法NCC(Normalized Cross Correlation)的python实现

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:
在这里插入图片描述
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: 独 立 一 定 不 相 关 , 不 相 关 不 一 定 独 立 \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。

代码

import numpy as np
import cv2

im1 = '1.png'
im2 = '0.png'
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
print(np.mean(np.multiply((img1-np.mean(img1)),(img2-np.mean(img2))))/(np.std(img1)*np.std(img2)))
输出结果

在这里插入图片描述

Reference

1.NCC(Normalized Cross Correlation)归一化互相关原理和C++代码实现
2.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

  • 4
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

还是少年呀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值