ZNCC是一种衡量两个图像差异的方法，尤其适用于监控摄像头产生的图像分析。当图像可能存在微小变化时，如由传感器差异、光线变化等因素引起，ZNCC通过计算归一化后的交叉相关性来忽略这些无关紧要的差异。该方法关注图像块而非整个图像，适应不同尺寸的图像部分，并考虑了平均灰度值和标准差来提高比较的准确性。
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。所以忽略这些多余的图像是好的选择。但这些图像并不相同！即使场景不发生改变，传感器也会产生略有不同的结果。人类不会注意到它们，但是不能简单地一点一点地比较图像。即使你愿意这样去做，图像也会有所不同，因为太阳移动了（阴影也移动了），或者图像中有一个时刻在变化的时钟。
现在您可以使用各种技术解决这个问题。
我想以总结性的方式描述这个技术。由于其他场景中的图像可能有不同的尺寸，你可能不想比较整个图像，因此我假设你有两个尺寸图像的一部分，即图像块，这个图像块的大小均为(2n+1)×(2n+1)。 第一个图像块的中心的像素的坐标为(u1,v1)，第二个图像块的中心像素的坐标为(u2,v2)。
平均灰度值：
标准偏差：
ZNCC被定义为：
扫一扫
7943
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
