Matlab 什么'；负NCC系数w.r.t.图像模板匹配的意义是什么？

我一直在使用Matlab的normxcorr2函数，通过执行归一化互相关，对图像进行模板匹配。要查找模板和图像之间的最大对应关系，只需运行normxcorr2，然后查找normxcorr2返回的所有值的最大绝对值（该函数返回的值介于-1.0和1.0之间）

---

通过快速的谷歌搜索，我发现负相关系数意味着两个变量之间的反向关系（例如，随着x的增加，y的减少），而正相关系数意味着相反的关系（例如，随着x的增加，y的增加）这如何应用于图像模板匹配？也就是说，normxcorr2的负值在模板匹配的概念上意味着什么？

将标准化互相关视为标准化向量点积。如果两个向量之间的角度为零，则它们的点积为1；如果它们朝向相反的方向，则它们的点积为负1。如果您使用数组并将列端到端地堆叠，那么这个想法实际上是直接的。结果基本上是两个向量之间的点积

---

还有一件个人轶事：最初让我困惑的是模板匹配，直觉上我认为两幅图像的元素相减是一个很好的图像相似性度量。当我第一次看到互相关时，我想知道为什么它使用元素级乘法。然后我意识到后面的操作与向量点积是一样的。如前所述，向量点积表示两个向量指向同一方向的时间。在您的例子中，两个向量首先被规格化；因此，范围从-1到1。如果您想了解更多有关实现的信息，J.P.Lewis的“快速归一化互相关”是一篇关于该主题的经典论文。

将归一化互相关视为归一化向量点积。如果两个向量之间的角度为零，则它们的点积为1；如果它们朝向相反的方向，则它们的点积为负1。如果您使用数组并将列端到端地堆叠，那么这个想法实际上是直接的。结果基本上是两个向量之间的点积

还有一件个人轶事：最初让我困惑的是模板匹配，直觉上我认为两幅图像的元素相减是一个很好的图像相似性度量。当我第一次看到互相关时，我想知道为什么它使用元素级乘法。然后我意识到后面的操作与向量点积是一样的。如前所述，向量点积表示两个向量指向同一方向的时间。在您的例子中，两个向量首先被规格化；因此，范围从-1到1。如果您想了解更多关于实现的信息，J.P.Lewis的“快速归一化互相关”是一篇关于该主题的经典论文。

检查公式

当

f（x，y）-平均值（f）

和

t（x，y）-平均值（t）

具有不同的符号时，附录的结果将为负值（标准始终为正值）。如果有很多这样的（x，y），那么整个总和也将是负数。您可能认为如果

1.0

意味着一个图像等于另一个图像

-1.0

表示一个图像是另一个图像的负片（尝试查找

normxcorr2（x，-x）

）

检查公式

---

当

f（x，y）-平均值（f）

和

t（x，y）-平均值（t）

具有不同的符号时，附录的结果将为负值（标准始终为正值）。如果有很多这样的（x，y），那么整个总和也将是负数。您可能认为如果

1.0

意味着一个图像等于另一个图像

-1.0

表示一个图像是另一个图像的负片（尝试查找

normxcorr2（x，-x）

）

normxcorr2（x，-x）在x是图像时给出了一个满是0的矩阵；但是，当我做了一个样本x矩阵，那么是的，它在返回矩阵的中间给出了一个-1。它可能返回0，因为结果是无符号int，而不是double。不幸的是，我现在无法检查是的，你是对的，这是因为未签名的int。在把它们变成双倍之后，我又在中间得到了-1。当X是图像时，OnnxCurr2（x，-x）给出了一个满0的矩阵；但是，当我做了一个样本x矩阵，那么是的，它在返回矩阵的中间给出了一个-1。它可能返回0，因为结果是无符号int，而不是double。不幸的是，我现在无法检查是的，你是对的，这是因为未签名的int。在把它们变成加倍之后，我又在中间得到了-1。两个向量后面的直觉是相反的，就像把模板和相应的图像贴图看作是彼此的否定一样（正如德米特里在他的回答中提到的）。我觉得这里可能有更多的人可以说，除了只指点产品和图像是彼此的负片。但也许这是我们能从中得出的最深刻的见解…回想一下什么是基本的互相关。它是元素乘法，然后是求和运算。这与两个向量的内积（或点积）的运算完全相同。此外，如果在两个数组上执行此操作，同样的情况仍然成立。这是因为，如果要将数组重塑为单个列，则操作完全是点积。在我看来，这是查看阵列互相关的最好方法——简单地说是向量的点积。最高相关系数表示两个向量指向同一方向。此外，Dmitry减去平均值，这使得相关系数对值的标量偏移保持不变。如果模板已规格化，则会使系数对缩放保持不变