Python 规范化scipy.ndimage.filters.correlate

有没有人知道如何使价格正常化

scipy.ndimage.filters.correlate

要获取的函数：

XCM = 1/N(xc(a-mu_a,b-mu_b)/(sig_a*sig_b))

什么是N的相关性？它通常是图像的数据点/像素数。 我应该为scipy.ndimage.filters.correlate选择哪个值？ 我的图像大小不同。我猜scipy correlate函数将小图像填充为零

最终矩阵的大小 N=XCM.sizeX*XCM.sizeY ?

谢谢，

---

El

在我看来，你似乎在试图计算两幅图像的归一化互相关，我怀疑你可能在尝试进行模板匹配？。这个答案假设归一化互相关是您想要的

当计算两幅图像之间的标准化互相关时，所做的工作相当于减去模板和参考图像重叠区域的平均值并除以标准偏差

这里，N将等于模板中的像素数，这与在参考图像上滑动模板时模板和参考图像之间的局部重叠区域中的像素数相同

您应该阅读，尤其是标准化互相关的定义，以及对每个术语含义的一些解释

有更深入的解释，还描述了一些有效计算归一化互相关的巧妙技巧

我还为模板匹配编写了自己的Python函数，包括基于Lewis和一些MATLAB代码片段的规范化互相关。你可以找到来源

---

如果您还有更多问题，请告诉我，我将尝试解释。

我觉得您正在尝试计算两幅图像的归一化互相关，我怀疑您可能正在尝试进行模板匹配？。这个答案假设归一化互相关是您想要的

当计算两幅图像之间的标准化互相关时，所做的工作相当于减去模板和参考图像重叠区域的平均值并除以标准偏差

这里，N将等于模板中的像素数，这与在参考图像上滑动模板时模板和参考图像之间的局部重叠区域中的像素数相同

您应该阅读，尤其是标准化互相关的定义，以及对每个术语含义的一些解释

有更深入的解释，还描述了一些有效计算归一化互相关的巧妙技巧

我还为模板匹配编写了自己的Python函数，包括基于Lewis和一些MATLAB代码片段的规范化互相关。你可以找到来源

---

如果您还有更多问题，请告诉我，我将尝试解释。

标准化互相关NCC也作为skimage.feature.match_模板包含在scikit图像中。看

---

您也可以使用该方法对OpenCV执行相同的操作。从Python到OpenCV有很多很好的绑定，但是如果只需要模板匹配，就有点过头了。我会选择scikit图像。

标准化互相关NCC也作为skimage.feature.match_模板包含在scikit图像中。看

---

您也可以使用该方法对OpenCV执行相同的操作。从Python到OpenCV有很多很好的绑定，但是如果只需要模板匹配，就有点过头了。我会选择scikit image。

事实上，我正在做TM，你的第二点正是我想要的。这提醒了我。我不确定这个函数将要做什么，但显然这是我以前多次实现的。干杯，我在做TM，你的第二点就是我想要的。这提醒了我。我不确定这个函数将要做什么，但显然这是我以前多次实现的。干杯，艾尔