MATLAB中的相关/卷积/归一化互相关

1 互相关

1.1 xcorr

xcorr : cross-correlation 
r =xcorr(x,y) 
returns the cross-correlation of two discrete-time sequences, x and y. 
就是信号系统中所学的所熟知discrete-time sequences 卷积的非翻转版本,当然具体应用时牵涉到补0等细节性操作

1.2 xcorr2

xcorr2 :2-D cross-correlation 
c = xconv(a, b) 
就是二维版本的xcorr,计算思路与其一致,具体细节见matlab help

2 卷积

2.1 conv

conv : Convolution and polynomial multiplication 
c = conv(a, b) 
把a翻转180度, 乘, 累加 
就是信号系统中所学习的卷积,即翻转180度, 再移动,乘,累加具体函数使用

2.2 conv2

conv2 : 2-D convolution 
c =conv2(a, b) 
就是熟知的图像卷积. 翻转, 对应相乘, 累加,我们所熟知对于sobel算子, 均值滤波算子, 拉普拉斯算子等的应用.

3 相关

3.1 corr

corr : Linear or rank correlation 
RHO = corr(X) 
X: n-by-p matrix 
RHO : p-by-p matrix

用来求矩阵X的相关系数矩阵, 注意是相关系数矩阵, 并非协方差矩阵, 
但是若X标准化后, 求得的协方差矩阵(也就是对标准化后的数据用cov)等价于相关系数矩阵

   a = magic(3);
   corrMat = corr(a);
   corvMat = cov( zscore(a) );%

zscore是用来对数据集a进行标准化, 即使得数据集a的每一列方差为1, 均值为0 
corrMat 是相关系数矩阵, corvMat 是协方差矩阵, 以上程序块中二者相等

RHO =corr(X,Y) 
与上面类似 
X: n-by-p1 matrix 
Y: n-by-p2 matrix 
RHO : p1-by-p2 matrix

3.2 corr2

corr2 : 2-D correlation coefficient 
r = corr2(A,B) 
A and B are matrices or vectors of the same size. 
r is a scalar double.

注意 
具体算法如下 

3.3 normxcorr2

normxcorr2 : Normalized 2-D cross-correlation 
C = normxcorr2(template, imageA) 
对imageA逐像素移动选取与template相同大小块计算corr2 
归一化的互相关, 常用来进行template matching . 
逐像素的进行对比，其本质是用cross-correlation 进行correlation coefficient的计算

3.4 corrcoef

corrcoef :Correlation coefficients 
R = corrcoef(A) 
返回矩阵A的相关系数矩阵 
此结果与corr(A),相同

R = corrcoef(A, B) 
将A, B分别转化为两个列向量,然后返回两个列向量的相关系数矩阵, 这点与corr(A, B)不同

4 协方差

cov : covariance 
C = cov(A) 
用于计算A 的协方差 
1 If A is a vector of observations, C is the scalar-valued variance.

2 If A is a matrix whose columns represent random variables and whose rows represent observations, C is the covariance matrix with the corresponding column variances along the diagonal.

注 
　　协方差公式,来自matlab