一、NCC的基礎概念

??NCC（normalized?cross?correlation）算法，歸一化互相關匹配法，是基于圖像灰度信息的匹配方法。

?

??圖像匹配的方法主要有三種：基于灰度，基于特征，基于變換域。

?

二、公式介紹

??NCC算法的基礎理論來可以講，是將圖像的相似性歸結為2個向量的相似性。假如?a為向量1,b為向量2,根據(jù)點乘的定義得到

若?a與b相似,則它們的方向基本相同,其夾角近似為0,即cosθ≈1,這樣,就可以根據(jù)cosθ的值判斷2個向量的相似性。

??將其推廣到多維的圖像檢測，則假設待搜索圖像S的尺寸為M?*?M，模板r的尺寸為N?*?N（M>>N）。其中M，N代表圖像象素。模板T在圖像S上平移，搜索窗口所覆蓋的子圖記作S（i，j）．(i,j)為子圖的左上角頂點在搜索圖S中的坐標。通過相關函數(shù)計算子圖與實時圖的灰度相關值。對搜索圖自上面下、自左面右遍歷搜索，記錄下每一個子圖位置的互相關值。互相關值最大的子圖位置即為匹配位置。

??在實際匹配應用中，搜索圖和模板的相似性是通過度量函數(shù)來度量的，則歸一化積相關匹配算法可定義為：

?

R(u,v)為點(u,v)處的NCC系數(shù);M×N為匹配模板的大小;xi+u,j+v,yi,j分別為參加匹配的2幅圖像中(i+u,j+v),(i,j)處的灰度值。R(u,v)的值越大,這2幅圖像越相似。因此,可以根據(jù)R(u,v)值的大小判斷2幅圖像的相度。

?

{

每個尺寸點為一個單位向量，因此這個方程為每個點相對位置的兩個點的的余弦值，這個值代表著兩點的相似度。把這個余弦值累乘，就是兩個圖像的相似度了。

}

?

三、舉例說明

??景象匹配實際上是比較?2?幅圖像的相似性。也可以把圖像展開為向量?,?這樣?,?就可以歸結為比較?2?個向量的相似性。根據(jù)向量點乘的定義a?·?b?=?|?a?|?·?|?b?|?·?cos?θ?.?若?2?個向量相似?,?則它們的方向相同?,?其夾角為?0?,?因此?,?可以根據(jù)?cos?θ?的值來判斷?2?個向量的相似性。把其推廣到二維圖像中?,?則下列式中

?

R?(u,?v)?為位置點?(?u,?v)?的歸一化互相關系數(shù)?;?N?1?×N?2?為匹配模板的大小?;?x?（i?+?u,?j?+?v）?,?y（i,?j）?分別為需匹配的?2?幅圖像中(?i+?u,?j?+?v)?,?(?i,?j)?處的灰度值。?R?(?u,?v)?的值越大?,2?幅圖像越相似。

?

?

?

四、NCC算法特點

??這種方法的優(yōu)點是抗白噪聲干擾能力強，且在灰度變化及幾何畸變不大的情

況下精度很高，它的這種優(yōu)點非常突出，但該方法受局部光照變化的影響，且匹

配速度較慢。

?

五、NCC閑談

??在進行圖片采集的時候，應該先進行聚焦。

??聚焦的步驟：首先，把圖片設定為黑白圖，然后通過粗聚焦，得到清晰地大概位置，然后再縮小范圍（在粗聚焦得到的函數(shù)曲線的峰值附近）進行精聚焦，得到細聚焦函數(shù)曲線；

?

?

?

可用卷積積分來使函數(shù)更平滑。

?

??

??當遇到圖像有旋轉的時候如何呢？可以在原本目標中選一個參考區(qū)域，通過實時監(jiān)控該區(qū)域內(nèi)圖像，讓圖像進行一定角度的實時轉變，實現(xiàn)與實際監(jiān)控圖片的實時鎖定。通過這種方法，可以得到整張圖片的旋轉角度，并且，極大的降低了運算量。

【作者】?孫卜郊；?周東華；

【Author】?SUN?Bo-jiao,ZHOU?Dong-hua(Department?of?Automation,Tsinghua?University,Beijing?100084,China)

【機構】?清華大學自動化系；

?

總結

以上是生活随笔為你收集整理的NCC算法简述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。