我正在研究空间域中模板匹配的标准化互相关。虽然该方法很慢，但它对我的目的来说已经足够好了。但是我在里面看到了一个奇怪的东西。让我解释一下下面的情况：
91 91 91 91 9 9
91 91 91 91 9 9
8 6 7 8
图案图像源图像。
现在，当 NCC 执行此操作时：它发现模板图像的平均值为 91，基础源图像的平均值也为 91，然后它从像素中减去强度值，这基本上将公式中的所有项都归零，从而导致未定义的相关性值，即使完美匹配也找不到匹配项。！如何解决这种情况？我正在使用以下公式：来自JP Lewis的优秀来源
此外，当我修改公式以从每个像素强度中减去 (mean/2) 时，它似乎工作正常，但我担心这个新的相关系数有多容易受到照明的影响。
编辑：当我拍摄 1 X 1 图案图像并在源图像中多次出现时，情况甚至更糟。使用上述修改后的版本，我无法找到合适的匹配项。我很想研究你们中的许多人可能一直在使用的各种解决方法。谢谢。！
归一化互相关的想法是，如果将任意数添加到每个像素或将每个像素乘以任意（非负）数，相似性不会改变。现在在搜索图像中取任意 2x2 像素区域，例如
91 9
6 7
将它乘以 0 并加上 91 - 你就有了完美的匹配。简而言之：您无法使用标准化互相关来匹配“平面”模板。或者搜索图像中的“平坦”区域。
请注意，这不是标准化互相关中的“错误”。您看到的效果非常合理。想象有人递给你一张全黑的照片，问你看到了什么。您的答案不会是“我与蝙蝠车完美匹配，因为它完全是黑色的”，您的答案将是“我不知道，图像对比度太小”。这正是 NCC 试图用除以零来告诉你的。
此外，当我修改公式以从每个像素强度中减去 (mean/2)
您的意思是，您将分子和分母中的均值替换为均值/2？这听起来不是一个好主意。如果模板或搜索图像区域仅包含零，您仍然会得到除以零。更重要的是：您正在计算一个没有真正意义的数量（至少没有我能想到的）。例如，搜索区域区域的平均亮度会影响匹配结果。
我很想研究各种解决方法 [...]
明显的临时解决方法是向分母添加少量，因此搜索图像中的“平坦”区域不会导致除数为零。然后，如果您将任意数字添加到每个像素或将每个像素乘以任意（非负）数字，除非该数字非常接近 0，否则您（或多或少）会得到一个不会改变的相似性度量。
但这将为您提供任何平面搜索区域或平面模板的 0 匹配。哪个（如上所述）非常有意义。如果您在这种情况下想要不同的行为，则不需要归一化的互相关。
另一种相似性度量可能是平方欧几里得距离。您可以选择在计算差异之前减去模板和搜索区域的平均值。然后，如果您将任意数字添加到每个像素，您将得到一个不会改变的相似性度量。但是如果你将每个像素乘以某个值，它会改变。