Question

我试图弄清楚两个图像之间的correlation，它们彼此按像素移动，并测量这些图像之间的相关性。我有图像森林和公鸡图像，如rooster image和woods image

然后我在matlab中做了一些像这样的代码

Im_Rooster = imread('rooster.jpg'); //read image file
Im_Woods = imread('woods.png');

Im_DRooster = im2double(rgb2gray(Im_Rooster)); //convert to gray image and double data type
Im_DWoods = im2double(Im_Woods);

for i = 0:1:30
    Img_Rooster_shift = circshift(Im_DRooster,i,2); // shift image by 1 pixel 
    Img_Woods_shift = circshift(Im_DRooster,i,2);
    Rooster_correlation_val(1,i+1) = corr2(Im_DRooster,Img_Rooster_shift ); // calculate correlation coefficient between original image and shifted image
    Woods_correlation_val(1,i+1) = corr2(Im_DWoods,Img_Woods_shift );
end

x = 0:1:30;
figure(1),plot(x,Rooster_correlation_val,x,Woods_correlation_val) // plot the result graph
legend('rooster','woods')

然后我绘制了像plot graph result

这样的图表

有人可以解释这个graph结果的含义吗？自然correlation之间的images系数连接是什么？

Answer 1

结果意味着在自然图像中邻域像素将共享相同颜色信息的概率高于它将共享相同光强度/值的概率。这很自然地解释了这样一个事实：自然界中的颜色是光物质相互作用的结果，物质类型不是随机分布的，但通常我们会在同一个地方找到同一物质的集合，而阴影则取决于周围的空间，所以它可以更加随机。当您对图像进行环绕移动时，您实际上会比较相邻像素，这是自动相关但在空间中。当你忽略颜色信息而不是你可以容易拥有更高频率的值/强度值，因为现在我们进入光影领域，这取决于光角度和物质形状以及邻居的形状和位置。

图像处理中自然图像的冗余

1 个答案: