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。我正在使用一个归一化的互相关度量，它返回一个介于 -1 和 +1 之间的值。我应该将其绝对值作为我的相似性度量，还是负互相关意味着相似性差？
问问题
9491 次
4 回答
5
负相关和正相关是有意义的，完全取决于您的应用程序。让我说得更清楚。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之间的相关性是正的（0.98），那么意味着通过增加年龄，预期会更高）。但是，我们你计算A和B之间的相关性，你发现它是负的！这是什么意思？这意味着随着年龄的增长，您希望头发更少！因此，正如您所看到的，正相关意味着两个数据集中同时增加/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，您可以期望在孩提时代拥有更多的头发！
于 2014-08-11T00:10:27.340 回答
3
-1 也是相关性的标志。只有 0 左右的值表明没有相关性。接近 +1 表示图像与另一张非常相似。接近 -1 意味着，一张图像很可能是负片并且应该被反转，因此图像相似并且获得接近 +1 的相关性。
于 2013-06-19T14:47:30.727 回答
3
首先，用作相似度函数的归一化互相关（NCC）具有与相关性不同的性质。正大值意味着高相似度，而负大值意味着低相似度。
如果您的输入矩阵只有正值，则不能有负 NCC 值。但是，如果您的 NCC 实现首先删除图像的强度平均值，您的图像将具有正和负 NCC 值。因此，您可以有负 NCC 值，例如normxcorr2
TL;博士
首先，您尝试进行图像配准（模板匹配），即转换图像以适应模板图像的坐标系。为此，您需要使用相似度函数（或相异度函数）来估计所需的转换。
我假设：
- 您只应用线性变换。因此，需要估计两个图像之间的空间正交错位，在 x 轴和 y 轴上的偏移
- 两个图像具有相同的模态， 单一模态，其中模板和图像都是由相同的设备/配置捕获的。
因此，使用归一化互相关似乎是一个不错的选择。如果前面的假设不适用，请使用其他相似度函数
归一化互相关 (NCC) 是一种基于强度的相似度函数。因此，它仅根据像素强度来衡量两个图像的相似程度。基本上，图像在模板上进行空间移动。对于每个移位，它在每个重叠位置添加一个像素一个像素的乘法。
因此，为了最大对齐，需要将图像移动到两幅图像相似度最大的位置，即最大NCC
另请参阅：图像配准
于 2015-11-25T16:37:11.700 回答
0
我不认为您说“用作相似性函数的归一化互相关 (NCC) 具有与相关性不同的属性。正大值意味着高相似性，而负大值意味着低相似性。”
图像中的相关性与其他类型的非图像相关性没有什么不同。
在 NCC 中，+1 的相关值表示两个图像逐像素相同。相关值为 0 表示没有相似性。然而，-1 的相关值并不意味着没有相似性。这也意味着最大的相似性，但在相反的意义上。归一化域中的图像像素可以取 [0 1] 范围内的值。如果您拍摄其中一张图像，从 1 (1-(pixel_value)) 中减去所有像素值，您将创建一个反转图像，其中亮点变暗，暗点变亮。如果与原始图像的相关产生的相关值为 1（100% 相似度），则与反转图像的相关产生的相关值为 -1。
于 2018-06-07T16:18:04.647 回答