TL; DR

何时以及为什么互相关有利于方差（当使用模板匹配时）？

详细

根据OpenCV的documentation模板匹配（你需要向下滚动一下），方差被定义为：

和互相关：

（其中 T 是模板，我是图片）

如果我没有弄错的话，方差是唯一的方法（也与互相关系数相比），保证在每张图像中找到最佳匹配（在数字意义上）。

如果我们看一下互相关，我们会注意到乘法会为图像中较亮的部分产生更高的结果（因为明亮像素的数值高于暗像素）。这意味着，如果我们在明亮的图像上使用暗模板进行模板匹配，那么在使用互相关时，我们很可能会得到一个糟糕的结果。

例如，如果我们拍摄此图片：

和perfrom模板匹配此模板：

我们得到这些结果（红色是互相关，绿色是方差）：

显然，square diff是更好的选择，因为互相关会产生非常糟糕的结果。我在使用正方差的互相关时可以看到的唯一优势是计算复杂度，因为互相关应该快一点，因为它只需要计算乘积（而不是和和方）。

我的问题是：我没有看到任何好处吗？我什么时候应该选择一种方法而不是另一种？

答案 0 :(得分：1)

Rosa Gronchi是对的，你应该使用归一化的互相关。归一化互相关测量是归一化矢量的互相关，使得所有矢量具有长度1和平均值0 这种方式更明亮的补丁不会比较暗的补丁有“优势”。

关于复杂性，square diff还必须计算产品，因为它扩展到：

使用快速傅里叶变换算法计算产品。

答案 1 :(得分：0)

方形距离和相关性都是用于确定相似性的统计系数。

它们之间的主要区别在于它们用于描述的数据类型。这两个系数之间的关系在这里有很好的描述：

简而言之：两个因素之间的差异依赖于探针的标准偏差。

如果您提供，相关匹配的结果让我想知道您是否使用范围（0,255）或（0,1）中的像素值。处理范围（0,255）中的值时，经典相关可以使您的对象与图像的或多或少最亮的区域匹配。

如果您有任何其他问题，请发表评论。

玩得开心！