基于空间相关的图像模板匹配及MATLAB实现

http://blog.csdn.net/yi_tech_blog/article/details/70199021

图像匹配之归一化积相关灰度匹配

归一化互相关匹配算法[6]是一种经典的统计匹配算法，经常写为NC(Normalized Correlation)算法。
归一化积匹配就是根据已知的模板图像到另一幅图像中寻找相应位置的处理方法。简单而言，模板就是事先给定的一幅小图像，归一化积匹配就是在一幅大图像中寻找该模板图像，也即已知该大图像中有要查找的目标，且该目标与模板具有相同的方向或者存在较小角度的旋转，我们可以通过一定的算法在图中找到该目标，并确定其坐标位置。（接近自己想要的方法了）

归一化积相关是一种典型的基于灰度相关的算法，具有不受比例因子误差影响和抗白噪声干扰能力强等优点。
它使用的相似性度量定义如下：
R即为相似性的度量值，该值越大，代表相似性越大。T是模板，S是搜索图。将模板图T放在搜索图S上平移，模板覆盖下的那块搜索图叫做Sij，(i,j)为这块子图左上角像点在S图中 的坐标，称为参考点。式中分子位置的项是子图像和模板的互相关，随（i，j）的改变而改变，分母的第二项表示的是模板的总能量，第一项表示的是子图S的总能量。当T和Sij匹配时，R即为最大值。
归一化互相关法NC NCC
    图像匹配方法综述
图像配准----NCC  
（图像配准---NCC - 网络资源是无限的 - CSDN博客）
归一化互相关(Normalized Cross Correlation method, NCC)匹配算法是一种经典的统计匹配算法，通过计算模板图像和匹配图像的互相关值，来确定匹配的程度。
互相关最大时的搜索窗口位置决定了模板图像在待匹配图像中的位置。
它是一个亮度、对比度线性不变量。
此算法的缺点是参与运算的特征点比较多，运算速度比较慢。
归一化互相关应用在对图像特征点进行初始匹配时执行步骤大体为：
(1)、原图像 - 测试图像经过平均平滑滤波的图像；
(2)、利用(1)中的结果，产生归一化互相关矩阵；
(3)、根据产生的归一化互相关矩阵，得出每行、每列(每幅图像中一点相对于另一幅图像中所有对应点)的最大值及相应索引；
(4)、由(3)结果，如两图像对应点索引一致，则为一对初始匹配点对；
(5)、由(4)循环求出一一匹配的点对。
    初始匹配完成。
图像处理之基于NCC模板匹配识别