影象匹配指在已知目標基準圖的子圖結合中，尋找與模板影象最為相似的子圖，最簡單常見的是基於灰度的匹配演算法。
基於灰度的模板匹配演算法有很多種，包括mad（平均絕對差演算法）、sad（絕對誤差和演算法）、ssd（誤差平方和演算法）、msd（平均誤差平方和演算法）、ssda（序貫相似性檢測演算法）、satd（handmard變換演算法），ncc（歸一化互相關演算法）。
例如：在使用hu矩進行模板匹配時，單純使用最小平方距離，得出的結果由於未做歸一化，不好衡量兩者之間的相似程度，可以使用歸一化互相關做為相似度評價函式。
歸一化相關係數
對兩幅影象進行相似度的衡量，除了用眼睛觀察的方法外，我們可以更加精確地用資料來客觀的評估歸一化，歸一化的相關係數 nc 提供了度量工具。其計算公式如下 matlab 如下所示 function dnc nc imagea,imageb if size imagea,1 size imageb,1 s...
特徵歸一化的方法 線性歸一化 零均值歸一化
常用歸一化方法 1 線性歸一化，線性歸一化會把輸入資料都轉換到 0 1 的範圍，公式如下 該方法實現對原始資料的等比例縮放，其中xnorm為歸一化後的資料，x為原始資料，xmax xmin分別為原始資料集的最大值和最小值。優點 通過利用變數取值的最大值和最小值將原始資料轉換為界於某一特定範圍的資料，...
資料歸一化
近來，在網上搜了很多關於資料歸一化的帖子，看了太多，很雜，這裡整理總結一下 歸一化是一種資料預處理方法，就是要把你需要處理的資料經過處理後 通過某種演算法 限制在你需要的一定範圍內，為了後面資料處理的方便，其次是保正程式執行時 收斂加快。比如說，對於奇異樣本資料 所謂奇異樣本資料資料指的是相對於其他...