matlab中normxcorr2,matlab – 使用归一化互相关匹配对象外形

好吧,让我们试一试……这个解决方案尝试使用现有的normxcorr2实现并修改它以解决yoru问题.

归一化互相关的公式是:

在这种情况下,您希望更改每个窗口的集成边界.这会影响标准偏差和相关性本身.让我们分几步解决它:

步骤#1:获得正确的关联

我们可以通过修改模板图像来做到这一点:

template_fix = template;

mean_template_mask = mean(template(mask == 1));

template_fix(mask == 0) = mean_template_mask;

result = normxcorr2(template_fix, query)

请注意,通过进行此更改,我们使模板的平均值等于掩码旁边的模板的平均值.这样,掩码外的所有模板像素都不会对积分做出贡献,因为它们等于平均值​​.

第二步:修复模板标准

size_mask = sum(mask(:));

size_template = numel(template);

std_template = std2(template);

std_template_masked = sqrt(sum((template_fix(:) - mean_template_mask).^2)/size_mask);

result = result * (std_template/std_template_masked);

第3步:修复查询标准

sum_filt = ones(size(template));

std_query = filter2(query.^2, sum_filt)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
归一化互相关匹配是一种在图像处理和模式识别常用的技术,用于寻找一个给定模板在目标图像匹配位置。在Matlab归一化互相关匹配可以使用相关系数或者互相关函数来实现。 在相关系数方法,可以使用`normxcorr2`函数来计算归一化互相关系数矩阵。该函数需要输入一个模板图像和目标图像,并返回一个与目标图像大小相同的矩阵,其每个元素表示该位置与模板的匹配程度。这个矩阵的值范围在-1到1之间,越接近1表示匹配程度越高。 在互相关函数方法,可以使用`xcorr2`函数来计算归一化互相关函数矩阵。该函数也需要输入一个模板图像和目标图像,并返回一个与目标图像大小相同的矩阵,其每个元素表示该位置与模板的匹配程度。这个矩阵的值范围在0到1之间,越接近1表示匹配程度越高。 注意,对于归一化互相关匹配,模板图像和目标图像都需要进行归一化处理,以确保匹配结果的准确性。 具体实现的代码可以参考以下示例: ``` template = imread('template.png'); % 读取模板图像 target = imread('target.png'); % 读取目标图像 template = double(template) / 255; % 归一化处理 target = double(target) / 255; % 归一化处理 % 使用相关系数方法计算归一化互相关系数矩阵 corr_matrix = normxcorr2(template, target); % 使用互相关函数方法计算归一化互相关函数矩阵 xcorr_matrix = xcorr2(template, target); ``` 请注意,以上仅为示例代码,具体的实现可能需要根据您的具体情况进行调整。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [matlab使用归一化互相关匹配对象外形](https://blog.csdn.net/weixin_36363813/article/details/115881286)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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