负相互关系是否显示高或低相似性？

Question

我正在编写一些图像处理技术，这需要比较两个子图像的相似性。我正在使用归一化的互相关指标，它返回介于-1和+1之间的值。我是否应该将此的绝对值作为我的相似性度量，或者负相关是否意味着相似性差？

Answer 1

负相关和正相关是有意义的，全部取决于您的应用。让我说清楚一点。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），所以它意味着通过增加年龄，预计它会更高）。但是，我们计算A和B之间的相关性，你发现它是负的！这是什么意思？这意味着通过增加年龄，你希望减少头发！因此，正如您所看到的，正相关意味着两个数据集中的平行增加/减少，而负相关意味着具有两个相反的趋势，这可能是有意义的，因为基于负相关，您可以期望在您还是孩子时拥有更多头发！

Answer 2

-1也是相关的标志。只有0左右的值表示没有相关性。接近+1表示图像与另一图像非常相似。接近-1意味着，一个图像可能是负片并且应该被反转，因此图像相似并且在+1附近获得相关性。

Answer 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属性。正大值意味着高相似性，而负大值意味着低相似性。

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实现首先删除了图像的强度平均值，那么您的图像将具有正NCC值和负NCC值。因此，您可以拥有负NCC值，例如normxcorr2

<强> TL; DR

首先，您尝试进行图像配准（模板匹配），即转换图像以适合模板图像的坐标系。为此，您需要使用相似度函数（或相异函数）来估计所需的转换。

我认为：

• 您只应用线性转换。因此，需要它 估计两幅图像之间的空间正交错位， x轴和y轴偏移
• 两张图片都有相同的形态， 单一形式，其中模板和图像均由相同的设备/配置捕获。

因此，使用归一化互相关似乎是一个不错的选择。如果之前的假设不适用，请使用其他相似性函数

归一化互相关（NCC）是基于强度的相似度函数。因此，它测量两个图像仅基于像素强度的相似程度。基本上，图像在模板上空间移位。对于每个移位，在每个重叠位置添加逐像素乘法。

因此，为了最大程度地对齐，您需要将图像移动到最大化两个图像之间相似性的位置，即最大NCC

另请参阅：image registering

Answer 4

我不认为你说＃34;用作相似度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。＆＃34;

1. 图像中的相关性与其他类型的非图像相关性没有区别。

2. 在NCC中，相关值+1表示两个图像逐个像素地相同。相关值0表示没有相似性。然而，相关值-1并不意味着没有相似性。它也意味着最大的相似性，但恰恰相反。归一化域中的图像像素可以取范围[0 1]中的值。如果您拍摄其中一个图像，从1（1-（像素值））中减去所有像素值，您将创建一个倒置图像，其中亮点变暗，暗点变亮。如果与原始图像的相关性产生1的相关值（100％相似度），则与反转图像的相关性产生-1的相关值。