matlab图片互相关,两个图像之间的互相关 |
您所在的位置:网站首页 › matlab计算互相关系数 › matlab图片互相关,两个图像之间的互相关 |
那么,xcorr2基本上可以被视为分析正向和负向的所有可能的变化,并给出它们与每个班次的适合程度的度量.因此,对于大小为N×N的图像,结果必须具有大小(2 * N-1)x(2 * N-1),其中如果两个图像相等或不相等,则索引[N,N]处的相关性将是最大的移动.如果将它们移动10个像素,则最大相关性将为[N-10,N],依此类推.因此,您需要减去N以获得绝对移位. 使用您的实际代码可能更容易提供帮助.但让我们看一个例子: (A)我们读取图像并选择具有偏移da和db的两个不同的子图像 Orig = imread('rice.png'); N = 200; range = 1:N; da = [0 20]; db = [30 30]; A=Orig(da(1) + range, da(2) + range); B=Orig(db(1) + range, db(2) + range); (b)计算互相关并找到最大值 X = normxcorr2(A, B); m = max(X(:)); [i,j] = find(X == m); (C)使用恢复的班次将它们拼凑在一起 R = zeros(2*N, 2*N); R(N + range, N + range) = B; R(i + range, j + range) = A; (D)说明事情 figure subplot(2,2,1), imagesc(A) subplot(2,2,2), imagesc(B) subplot(2,2,3), imagesc(X) rectangle('Position', [j-1 i-1 2 2]), line([N j], [N i]) subplot(2,2,4), imagesc(R); (E)将故意转变与恢复的转变进行比较 delta_orig = da - db %--> [30 10] delta_recovered = [i - N, j - N] %--> [30 10] 正如您在(E)中看到的那样,我们得到了我们在(A)中特意引入的转变. 或根据您的情况调整: full=rgb2gray(imread('a.jpg')); template=rgb2gray(imread('b.jpg')); S_full = size(full); S_temp = size(template); X=normxcorr2(template, full); m=max(X(:)); [i,j]=find(X==m); figure, colormap gray subplot(2,2,1), title('full'), imagesc(full) subplot(2,2,2), title('template'), imagesc(template), subplot(2,2,3), imagesc(X), rectangle('Position', [j-20 i-20 40 40]) R = zeros(S_temp); shift_a = [0 0]; shift_b = [i j] - S_temp; R((1:S_full(1))+shift_a(1), (1:S_full(2))+shift_a(2)) = full; R((1:S_temp(1))+shift_b(1), (1:S_temp(2))+shift_b(2)) = template; subplot(2,2,4), imagesc(R); 但是,为了使此方法正常工作,补丁(模板)和完整图像应缩放到相同的分辨率. 更详细的例子也可以在here找到. |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |