Image 负互相关表示高相似性还是低相似性?
我正在编写一些图像处理技术,需要比较两个子图像的相似性。我使用的是归一化互相关度量,它返回一个介于-1和+1之间的值。我应该把它的绝对值作为我的相似性度量,还是负的互相关意味着较差的相似性?-1也是相关性的标志。只有0左右的值表示没有相关性。接近+1表示图像与另一个非常相似。接近-1意味着,一幅图像可能是负片,应该反转,因此图像相似,相关性接近+1。负相关性和正相关性是有意义的,这一切都取决于您的应用程序。让我说得更清楚一点。假设您有三个数据集(例如A:年龄、B:头发和C:身高)。假设A和C之间的相关性为正(0.98),因此这意味着随着年龄的增长,预计会更高)。然而,我们计算A和B之间的相关性,你会发现它是负的!这是什么意思?这意味着随着年龄的增长,你希望头发变少!因此,正如您所看到的,正相关意味着两个数据集中的平行增加/减少,而负相关意味着有两个相反的趋势,这可能是有意义的,因为基于负相关,当您是孩子时,您可以期望有更多的头发 首先,作为相似函数的归一化互相关(NCC)与相关函数具有不同的性质。正值大表示相似性高,负值大表示相似性低 如果输入矩阵只有正值,则NCC值不能为负值。但是,如果NCC的实现首先删除图像的强度平均值,则图像将具有正NCC值和负NCC值。因此,可以有负的NCC值,如 TL;DR 首先,您尝试进行图像配准(模板匹配),即变换图像以适合模板图像的坐标系。为此,需要使用相似性函数(或相异性函数)来估计所需的转换 我假设:Image 负互相关表示高相似性还是低相似性?,image,image-processing,processing,correlation,cross-correlation,Image,Image Processing,Processing,Correlation,Cross Correlation,我正在编写一些图像处理技术,需要比较两个子图像的相似性。我使用的是归一化互相关度量,它返回一个介于-1和+1之间的值。我应该把它的绝对值作为我的相似性度量,还是负的互相关意味着较差的相似性?-1也是相关性的标志。只有0左右的值表示没有相关性。接近+1表示图像与另一个非常相似。接近-1意味着,一幅图像可能是负片,应该反转,因此图像相似,相关性接近+1。负相关性和正相关性是有意义的,这一切都取决于您的应用程序。让我说得更清楚一点。假设您有三个数据集(例如A:年龄、B:头发和C:身高)。假设A和C之间
- 只应用线性变换。因此,有必要 估计两幅图像之间的空间正交失调, x轴和y轴上的偏移
- 两个图像具有相同的模态, 单一模式,模板和图像均由同一设备/配置捕获
另请参见:我认为你说的“用作相似性函数的归一化互相关(NCC)与相关性具有不同的属性是不对的。正大值表示高度相似性,而负大值表示低相似性。”
你只应该把阳性分数看作是相似的——假设任何否定都意味着没有相关性(因为这是负相关)。谢谢,这就是我希望听到的。使用负相关也取决于应用程序。例如,如果您想要执行模板匹配,那么负相关性就没有用,因为它仍然被认为是不同的。但是,如果您想使用分数进行检索,那么高负相关性是有用的,因为您希望找到特定的形状或对象,而不考虑其方向。因此,在决定负相关性是否有用之前,您需要考虑一下使用相关性的目的。回答和应用不错,但OP想知道它如何应用于数字图像处理技术。不过,从统计学的角度来看,这是一个非常好的答案!标准相关(例如皮尔逊)与互相关不是不同吗?