如何使用opencv中的NCC算法实现两幅图像的相似性判断？

VC/MFC > 图形处理/算法
收藏 回复
[问题点数：80分，结帖人banshichiqinglangzi]
更多帖子
私信 空间 博客
从来不作
等级
本版专家分：173
结帖率 100%
要求很简单，有两幅图像，用算法判断一下相似度，如果相似度大于某个值，则说明两幅图像为一幅图像，否则为两幅不同图像。用NCC怎么实现呢？我网上找了下NCC，说什么模板匹配。可是这个模板匹配好像是在一幅图像中找一个特征什么的，期待大家回答。
只看楼主 引用 举报 楼主 收起
展开阅读全文
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
Normalized Cross correlation (NCC)

NCC(u,v) =  [(wl - w)/(|wl - w|)]*[(wr - w)/(|wr - w|)] 选择最大值
只看TA 引用 举报 #1得分 40
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
图像相似度计算之哈希值方法OpenCV实现

分类： OpenCV Image Processing 2014-12-25 21:27 180人阅读 评论(0) 收藏 举报
感知哈希算法(perceptual hash algorithm)，它的作用是对每张图像生成一个“指纹”(fingerprint)字符串，然后比较不同图像的指纹。结果越接近，就说明图像越相似。
实现步骤：
1.      缩小尺寸：将图像缩小到8*8的尺寸，总共64个像素。这一步的作用是去除图像的细节，只保留结构/明暗等基本信息，摒弃不同尺寸/比例带来的图像差异；
2.      简化色彩：将缩小后的图像，转为64级灰度，即所有像素点总共只有64种颜色；
3.      计算平均值：计算所有64个像素的灰度平均值；
4.      比较像素的灰度：将每个像素的灰度，与平均值进行比较，大于或等于平均值记为1，小于平均值记为0；
5.      计算哈希值：将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图像的指纹。组合的次序并不重要，只要保证所有图像都采用同样次序就行了；
6.      得到指纹以后，就可以对比不同的图像，看看64位中有多少位是不一样的。在理论上，这等同于”汉明距离”(Hamming distance,在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数)。如果不相同的数据位数不超过5，就说明两张图像很相似；如果大于10，就说明这是两张不同的图像。
以上内容摘自：http://www.ruanyifeng.com/blog/2011/07/principle_of_similar_image_search.html

下面是用OpenCV实现的测试代码：
[cpp] view plaincopyprint?
string strSrcImageName = "src.jpg";  
  
cv::Mat matSrc, matSrc1, matSrc2;  
  
matSrc = cv::imread(strSrcImageName, CV_LOAD_IMAGE_COLOR);  
CV_Assert(matSrc.channels() == 3);  
  
cv::resize(matSrc, matSrc1, cv::Size(357, 419), 0, 0, cv::INTER_NEAREST);  
//cv::flip(matSrc1, matSrc1, 1);  
cv::resize(matSrc, matSrc2, cv::Size(2177, 3233), 0, 0, cv::INTER_LANCZOS4);  
  
cv::Mat matDst1, matDst2;  
  
cv::resize(matSrc1, matDst1, cv::Size(8, 8), 0, 0, cv::INTER_CUBIC);  
cv::resize(matSrc2, matDst2, cv::Size(8, 8), 0, 0, cv::INTER_CUBIC);  
  
cv::cvtColor(matDst1, matDst1, CV_BGR2GRAY);  
cv::cvtColor(matDst2, matDst2, CV_BGR2GRAY);  
  
int iAvg1 = 0, iAvg2 = 0;  
int arr1[64], arr2[64];  
  
for (int i = 0; i < 8; i++) {  
    uchar* data1 = matDst1.ptr<uchar>(i);  
    uchar* data2 = matDst2.ptr<uchar>(i);  
  
    int tmp = i * 8;  
  
    for (int j = 0; j < 8; j++) {  
        int tmp1 = tmp + j;  
  
        arr1[tmp1] = data1[j] / 4 * 4;  
        arr2[tmp1] = data2[j] / 4 * 4;  
  
        iAvg1 += arr1[tmp1];  
        iAvg2 += arr2[tmp1];  
    }  
}  
  
iAvg1 /= 64;  
iAvg2 /= 64;  
  
for (int i = 0; i < 64; i++) {  
    arr1[i] = (arr1[i] >= iAvg1) ? 1 : 0;  
    arr2[i] = (arr2[i] >= iAvg2) ? 1 : 0;  
}  
  
int iDiffNum = 0;  
  
for (int i = 0; i < 64; i++)  
    if (arr1[i] != arr2[i])  
        ++iDiffNum;  
  
cout<<"iDiffNum = "<<iDiffNum<<endl;  
  
if (iDiffNum <= 5)  
    cout<<"two images are very similar!"<<endl;  
else if (iDiffNum > 10)  
    cout<<"they are two different images!"<<endl;  
else  
    cout<<"two image are somewhat similar!"<<endl;  
string strSrcImageName = "src.jpg";

cv::Mat matSrc, matSrc1, matSrc2;

matSrc = cv::imread(strSrcImageName, CV_LOAD_IMAGE_COLOR);
CV_Assert(matSrc.channels() == 3);

cv::resize(matSrc, matSrc1, cv::Size(357, 419), 0, 0, cv::INTER_NEAREST);
//cv::flip(matSrc1, matSrc1, 1);
cv::resize(matSrc, matSrc2, cv::Size(2177, 3233), 0, 0, cv::INTER_LANCZOS4);

cv::Mat matDst1, matDst2;

cv::resize(matSrc1, matDst1, cv::Size(8, 8), 0, 0, cv::INTER_CUBIC);
cv::resize(matSrc2, matDst2, cv::Size(8, 8), 0, 0, cv::INTER_CUBIC);

cv::cvtColor(matDst1, matDst1, CV_BGR2GRAY);
cv::cvtColor(matDst2, matDst2, CV_BGR2GRAY);

int iAvg1 = 0, iAvg2 = 0;
int arr1[64], arr2[64];

for (int i = 0; i < 8; i++) {
uchar* data1 = matDst1.ptr<uchar>(i);
uchar* data2 = matDst2.ptr<uchar>(i);

int tmp = i * 8;

for (int j = 0; j < 8; j++) {
int tmp1 = tmp + j;

arr1[tmp1] = data1[j] / 4 * 4;
arr2[tmp1] = data2[j] / 4 * 4;

iAvg1 += arr1[tmp1];
iAvg2 += arr2[tmp1];
}
}

iAvg1 /= 64;
iAvg2 /= 64;

for (int i = 0; i < 64; i++) {
arr1[i] = (arr1[i] >= iAvg1) ? 1 : 0;
arr2[i] = (arr2[i] >= iAvg2) ? 1 : 0;
}

int iDiffNum = 0;

for (int i = 0; i < 64; i++)
if (arr1[i] != arr2[i])
++iDiffNum;

cout<<"iDiffNum = "<<iDiffNum<<endl;

if (iDiffNum <= 5)
cout<<"two images are very similar!"<<endl;
else if (iDiffNum > 10)
cout<<"they are two different images!"<<endl;
else
cout<<"two image are somewhat similar!"<<endl;

只看TA 引用 举报 #2得分 40
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
ncc是用来做立体匹配的吧，图像相似检验我看一般都是其他算法，不过具体没有涉及过，我猜测的
只看TA 引用 举报 #3得分 0
更多帖子
私信 空间 博客
从来不作
等级
本版专家分：173
引用 3 楼 wangyaninglm 的回复:
ncc是用来做立体匹配的吧，图像相似检验我看一般都是其他算法，不过具体没有涉及过，我猜测的

准备用直方图匹配来做
只看TA 引用 举报 #4得分 0
更多帖子
私信 空间 博客
从来不作
等级
本版专家分：173
重新解释一下我的需求：
        我现在有两幅图像，想使用NCC匹配算法判断两者的相似度。网上搜索NCC，反馈给我的是模板匹配。我看了下模板匹配的定义，模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。这应该是在一幅图像中寻找感兴趣的部分，怎么用来判断两幅图像的相似度呢？NCC究竟该如何使用，期待大家的回答。最近几天一直在找资料，心好累
只看TA 引用 举报 #5得分 0
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
我看过的文献中，ncc没有用到这块的好像，图片相似度我见过比较多的是PSNR
只看TA 引用 举报 #6得分 0
更多帖子
私信 空间 博客
从来不作
等级
本版专家分：173
引用 6 楼 wangyaninglm 的回复:
我看过的文献中，ncc没有用到这块的好像，图片相似度我见过比较多的是PSNR

再详细些，我这里的两幅图像可以看做一台摄像机从不同角度对同一物体拍摄的两幅图像。我在网上搜索NCC，发现是可以进行图像匹配的，你看看他说的对不对http://blog.csdn.net/fengbingchun/article/details/5857810
只看TA 引用 举报 #7得分 0
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
我想了想，ncc匹配其实也能做

不过现有的：
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/gpu/gpu-basics-similarity/gpu-basics-similarity.html?highlight=psnr

你看psnr用的比较多
只看TA 引用 举报 #8得分 0
更多帖子
私信 空间 博客
从来不作
等级
本版专家分：173
引用 8 楼 wangyaninglm 的回复:
我想了想，ncc匹配其实也能做

不过现有的：
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/gpu/gpu-basics-similarity/gpu-basics-similarity.html?highlight=psnr

你看psnr用的比较多
如果可以，还是想使用NCC，谢谢你的回答，给我提供了备选方案
只看TA 引用 举报 #9得分 0
更多帖子
私信 空间 博客
版主
shiter
等级
本版专家分：7726
勋章
Blank
技术圈认证（专家版） 博客专家完成年度认证，即可获得
Blank
签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
Blank
GitHub 绑定GitHub第三方账户获取
Blank
领英 绑定领英第三方账户获取
http://blog.csdn.net/wangyaninglm/article/details/43853435
只看TA 引用 举报 #10得分 0
1 2
收起
收藏 回复
从来不作

等级：

关注 私信 TA的帖子
OpenCV进行图像相似度比对的几种办法

方法描述：有两幅图像patch(当然也可是整幅图像)，分别计算两幅图像的直方图，并将直方图进行归一化，然后按照某种距离度量的标准进行相似度的测量。 方法的思想：基于简单的向量相似度来对图像相似度进行度量。 ...

图像配准中的归一化互相关匹配算法

在用Harris算子对图像进行角点提取后，两幅图像得到的角点个数不一定相等，这时就要先对它们进行处理，得出一一对应的角点对。   归一化互相关(Normalized Cross Correlation method, NCC)匹配算法是一种经典的...

NCC(Normalized Cross Correlation)归一化互相关原理和C++代码实现

图像匹配指在已知目标基准图的子图集合中，寻找与实时图像最相似的子图，以达到目标识别与定位目的的图像技术。主要方法有：基于图像灰度相关方法、基于图像特征方法、基于神经网络相关的人工智能方法(还在完善中)。...

【图像配准】基于互信息的图像配准算法：MI、EMI、ECC算法

基于互信息的图像配准算法以其较高的配准精度和广泛的适用性而成为图像配准领域研究的热点之一，而基于互信息的医学图像配准方法被认为是最好的配准方法之一。

使用OpenCV实现Halcon算法（2）形状匹配，shape_based_matching

用opencv编写的形状匹配算法，但不具旋转和缩放功能。 https://www.codeproject.com/KB/graphics/Edge_Based_template_match/GeoMatch_src.zip https://www.codeproject.com/Articles/99457/E...

图像匹配算法 MAD、SAD、SSD、MSD、NCC、SSDA、SATD,LBD算法

（1）基于灰度的模板匹配算法：模板匹配（Blocking Matching）是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于灰度的匹配算法也称作相关匹配算法，用空间二维滑动模板进行匹配，不同匹配算法主要...

OpenCV学习笔记（18）双目测距与三维重建的OpenCV实现问题集锦（三）立体匹配与视差计算

四、双目匹配与视差计算立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是...

【图像处理算法】--1.SAD算放的理解

SAD算法与SSD算法常用在图像的块匹配（BM algorithm）中，大体流程为： （1）创建一个卷积核窗口，大小自定； （2）以左图像为中心，选定匹配点，使用该窗口覆盖像素点，计算窗口内的灰度值和；根据极线约束覆盖右...

【计算机视觉】 opencv双目视觉 立体视觉 三维重建

双目 MATLAB标定 ，查阅博主的【计算机视觉】摄像机标定 matlab toolbox_calib工具箱...具体的方法可以参照Learning OpenCV第11章的例子，上面就是用cvSave保存标定结果，然后再用cvLoad把之前的标定结果读入矩阵的 ...

一种基于边缘的模版匹配算法

引用资料 ... 著名机器视觉软件Halcon 的开发人员出版的一本书 Machine Vision Algorithms and Applications [Carsten Steger, Markus Ulrich, Christian Wiedemann...

双目匹配与视差计算

立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最...

双目测距（五）--匹配算法对比

参考：... 三种匹配算法比较 BM算法： 该算法代码： view plaincopy to clipboardprint? CvStereoBMState *BMState = cvCreateStereoBMState();  int SADWindowSize=15;  BMState-...

双目测距（三）--立体匹配

原文： ... 立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；...立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：   （1） 光学失真和噪声（亮度、

【计算机视觉】双目测距（五）--匹配算法对比

原文： ... 三种匹配算法比较 BM算法： 该算法代码： view plaincopy to clipboardprint? CvStereoBMState *BMState = cvCreateStereoBMState(); int SADWindowSize=15; 

【图像配准】基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法

 本文主要介绍几种基于灰度的图像匹配算法：平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平方和算法（SSD）、平均误差平方和算法（MSD）、归一化积相关算法（NCC）、序贯相似性检测算法（SSDA）、hadamard...

基于Halcon的印刷图像质量检测系统

基于Halcon的印刷图像质量检测系统 Abstract: Modern products, external packing and printing are all large-scale production by pipelining.,it is printed on a batch of industrial presses. In the ...

【计算机视觉】双目测距（三）--立体匹配

原文： ... 立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；...立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：   （1） 光学失

opencv实现基于边缘的形状匹配算法

1.参考资料... 用opencv编写的形状匹配算法，但不具旋转和缩放功能。 著名机器视觉软件Halcon 的开发人员出版的一本书 2.Machine Vision Algorithms and Applications [Carsten Steger, ...

双目测距与三维重建的OpenCV实现问题集锦（三）立体匹配与视差计算

四、双目匹配与视差计算 ...立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，...立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的

Linemod 代码笔记

最近了解到 Linemod 这个模板匹配算法，印象不错 ...opencv 的contrib 模块有这个算法的实现 我看的代码来自这里 https://github.com/meiqua/shape_based_matching 先大概记录下 代码思路： 分两个阶段， train 和 ...

双目视觉---opencv中立体匹配相关代码

因为怕忘记，所以就转过来了！（原文：... 三种匹配算法比较 BM算法： 该算法代码： view plaincopy to clipboardprint? CvStereoBMState *BMState = cvCreateStereoBMState(); int SADWin

OpenCV學習筆記（18）雙目測距與三維重建的OpenCV實現問題集錦（三）立體匹配與視差計算

四、雙目匹配與視差計算 ...立體匹配主要是通過找出每對圖像間的對應關系，根據三角測量原理，得到視差圖；...立體匹配技術被普遍認為是立體視覺中最困難也是最關鍵的問題，主要是以下因素的影響：

利用摄像机如何获取物体的深度信息

简而言之，其原理就是使用两个平行的相机，对空间中的每个点三角定位。通过匹配左右两个相机中成像点的位置，来计算对应三维点在空间中的距离。学术界对双目匹配恢复深度图研究有很长的历史，在NASA火星车上就开始...

基于轮廓的匹配算法(强,可在重叠堆积物体中识别)

如果能完成旋转匹配更接近于实用性. 当然要完成全角度匹配的难度是要量级数的提升. Download source - 140 KBDownload demo - 138 KB Introduction Template matching is an image processing...

翻译：图像拼接

图像拼接1. 简介1.1 特征点提取1.2 特征点匹配1.3 单应估计1.4 图像合成1.5 结果2.源码2.1 特征点提取2.2 特征点匹配2.3 单应估计2.4 小结3. 例子4. 备注5. 结论6. 引用7.参考 1. 简介 图像拼接在无人机航拍、遥感...

深度学习：图像识别(匹配)方法|室内定位|论文与方法整理

若该文为原创文章，未经允许不得转载 原博主博客地址：...本文章博客地址： 各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究 目录 前言 ...图像匹配 Part1：局部不变...

c语言项目开发实例

十个c语言案例 （1）贪吃蛇 （2）五子棋游戏 （3）电话薄管理系统 （4）计算器 （5）万年历 （6）电子表 （7）客户端和服务器通信 （8）潜艇大战游戏 （9）鼠标器程序 （10）手机通讯录系统

2019年美赛D题一等奖论文

2019年数模美赛D题一等奖论文中文版本与最终版本，这里面卢浮宫的疏散方法可以修改为任意一篇快速疏散论文，搞数模竞赛的同学可以进行下载学习。

2020美赛A题海温数据.zip

2020美赛a题海温数据，1877年至今，趁比赛还没结束上传赚点资源值 全球海洋温度影响某些海洋生物的栖息地质量。当温度变化太大，它们无法继续繁荣时，这些物种就会迁移到其他更适合它们现在和未来生活和繁殖成功的栖息地。其中一个例子就是美国缅因州的龙虾种群，它们正缓慢地向北迁移到加拿大，那里的海洋温度较低，为它们提供了更合适的栖息地。这种地理种群的转移可能会严重影响依赖海洋生物稳定性的公司的生计。 您的团队已被苏格兰北大西洋渔业管理协会聘请为顾问。该协会希望在全球海洋温度升高的情况下，更好地了解与苏格兰鲱鱼和鲭鱼从它们目前的栖息地苏格兰附近迁移有关的问题。这两种鱼类为苏格兰渔业做出了巨大的经济贡献。鲱鱼和鲭鱼种群分布位置的变化，可能会让规模较小的苏格兰渔业公司在经济上变得不切实际。这些公司使用渔船，但船上没有冷藏设备。

Java系列技术之Spring5框架

Spring是一个开放源代码的设计层面框架，他解决的是业务逻辑层和其他各层的松耦合问题，因此它将面向接口的编程思想贯穿整个系统应用。本课讲全面的剖析Spring框架的核心技术，并带大家学会Spring在实际项目的使用方法！ Spring的核心的东西讲明白

相关热词 c# 线程池 自定义 c和c#调用效率 c#某个字符串后面的 c# 只能启动一个实例 c# 删除对象属性值 c#常用命令 c# 定时启动 定时器 c#跳出本次循环 c# rar 解压 c# 单选框 控件