ncRubert..

14

如果您正在尋找一維或二維的快速,標準化的互相關,我會推薦openCV庫(參見 http://opencv.org/).由該組維護的互相關代碼是您將找到的最快,它將被標準化(結果在-1和1之間).

雖然這是一個C++庫,但代碼是使用CMake維護的,并且具有python綁定,因此可以方便地訪問互相關函數.OpenCV也很適合numpy.如果我想從numpy數組開始計算二維互相關,我可以按如下方式進行.

import numpy

import cv

#Create a random template and place it in a larger image

templateNp = numpy.random.random( (100,100) )

image = numpy.random.random( (400,400) )

image[:100, :100] = templateNp

#create a numpy array for storing result

resultNp = numpy.zeros( (301, 301) )

#convert from numpy format to openCV format

templateCv = cv.fromarray(numpy.float32(template))

imageCv = cv.fromarray(numpy.float32(image))

resultCv = cv.fromarray(numpy.float32(resultNp))

#perform cross correlation

cv.MatchTemplate(templateCv, imageCv, resultCv, cv.CV_TM_CCORR_NORMED)

#convert result back to numpy array

resultNp = np.asarray(resultCv)

對于僅1-D互相關,創建形狀等于(N,1)的2-D陣列.雖然轉換為openCV格式需要一些額外的代碼,但scipy的加速速度令人印象深刻.

僅供參考,如果您不想使用OpenCV,也可以使用scikit-image執行此操作.參見[本例](http://scikit-image.org/docs/0.9.x/auto_examples/plot_template.html). (2認同)

總結

以上是生活随笔為你收集整理的python互相关函数_计算互相关函数？的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。