Computer vision 计算机视觉与亮度空间恒定增加的相互关系

Computer vision 计算机视觉与亮度空间恒定增加的相互关系,computer-vision,cross-correlation,Computer Vision,Cross Correlation,如果我按照所附公式计算两幅图像之间的相关性: 摘自以下在线计算机视觉教科书:第386页 这个函数似乎永远都不可靠,因为如果一个图像比另一个图像更亮,相关性将高于相同图像。例如,请看印在白板上的这些示例: 正如您所见,较亮的图像与第一个图像的相关性比第一个图像的相同副本更好。我做错了什么?我想你要找的是,用平均强度减去值,然后除以强度的标准偏差。是的,我注意到这会好得多,但我有点困惑,为什么会提出非标准化相关性。这也是计算机视觉讲座中讨论的方法(这里的屏幕截图:)。例如,归一化互相关用于

如果我按照所附公式计算两幅图像之间的相关性:



摘自以下在线计算机视觉教科书:第386页

这个函数似乎永远都不可靠,因为如果一个图像比另一个图像更亮,相关性将高于相同图像。例如,请看印在白板上的这些示例:


正如您所见,较亮的图像与第一个图像的相关性比第一个图像的相同副本更好。我做错了什么?

我想你要找的是,用平均强度减去值,然后除以强度的标准偏差。

是的,我注意到这会好得多,但我有点困惑,为什么会提出非标准化相关性。这也是计算机视觉讲座中讨论的方法(这里的屏幕截图:)。例如,归一化互相关用于模板匹配,以克服光照/强度变化。但是你的屏幕截图是关于视差图像的。这个主题有点不同,对于视差图像,我们拍摄两张同时拍摄的输入图像,视角略有不同。因此,照明/强度几乎相同,无需调整(标准化)。