Math 计算两个（二进制）图像之间的相关性

我试图计算模板图像（较大图像的一部分）与模板所属图像之间的（交叉？）相关性

假设模板图像为3x2，大图像为20x20。我首先做的是对两幅图像进行灰度处理。然后我得到了灰度值的平均值（两种情况都是这样）。之后，我逐像素检查当前像素是否低于或高于平均值。如果它低，那么我把像素涂成黑色，如果它高，那么像素就会变成白色。所以基本上这给我留下了一个二值图像。其中1==白色，0==黑色

我的模板图像二进制值是：101010

然后在大图中，我开始扫描每个像素，看它是否与模板匹配。因此，我从大图像中的x=0，y=0开始，比较x轴上的前三个像素，从y轴上的前两行开始，与模板图像的前两行进行比较。其二进制值为：111010

所以下一步是检查相关性，对吗？现在对我来说有一个棘手的部分，因为我不确定我是否做对了。但这就是我想到的：

101010（模板图像） 总和=3

平均值=0.5

标准偏差=4,2

111010（大图，第一部分） 总和=4

平均值=0,66

标准偏差=2,82

然后我试着这样计算相关性：

这让我得到了以下结果： r=-0,04

因为这个数字根本不接近1，这意味着没有紧密的相关性，对吗？ 或者我必须把它与n-2=临界值进行比较。在这种情况下，6-2=4。因为它也不接近4，这也意味着没有相关性，对吗

当它接近-1时意味着什么，这是否意味着相关性更小

---

最重要的是，我的计算正确吗。。？还是我还遗漏了什么…？

我又看了一眼你的问题。我想你把我和他搞混了

基本上，当你有两个大小相同的图像，并且你想知道你有多相似时，你会使用互相关。例如，您可以在视频中的两个后续帧上使用它。互相关产生一个数字

当你有一个小尺寸的模板图像，并且你想在一个大尺寸的图像中找到它的位置时，你可以使用卷积（因为这个原因，它也被称为卷积）。卷积产生一个新的图像。此新图像中的每个像素（x，y）表示模板与原始图像位置（x，y）的匹配强度。通常，在执行卷积后，在卷积结果中查找最大值，并将其用作模板的检测位置

考虑到你对问题的措辞，听起来卷积确实是你想要的。在您的例子中，图像的大小不同，因此您无法真正有意义地计算互相关

---

最后，在您了解了它是如何工作的之后，您应该安慰自己，大多数图像处理库都包含此功能。每个做过像样的图像处理的人都至少做过一次卷积运算，只是为了好玩：）

你为什么要费心做阈值处理？你让自己的生活更加困难。只需处理灰度图像。最后，发布你的消息来源。“在这里，它值上千言万语。”米莎·阿赫特南克斯。你完全正确，我当然也可以这么做。你知道我在做什么吗？我这样做对吗？公式看起来是对的。不过，你总有可能把实现搞砸：）不看源代码就很难说。@misha我还没有源代码。我想确定我的数学是正确的。不过，我现在就要实施它。现在我对做正确的事情更有信心了：）