Normalized Cross Correlation (NCC)

http://blog.cyworld.com/myWorkLog/3269620

비교되어야 하는 두장의 이미지가 있다고 할 때

이 경우 두 이미지들이 조명등과 같은 주위 환경에 의해 영향을 받을 수 있다면

해당 영상들은 비교되기 이전에 정규화 과정을 거쳐야만 하는데

이를 가능하게 해주는 것이 바로 NCC이다.

http://spaurh.egloos.com/viewer/4573793

Normalized Cross Correlation(NCC)는 영상과 모델의 밝기의 선형적인 차이와 독립적으로 영상과 model간의 기하학적인 유사도를 측정하는 방법이다. correlation값은 다음과 같은 경우에도 불변하다.

 

1. 영상/모델의 모든 화소밝기가 어떤 상수만큼 곱해진 경우

2. 영상/모델의 모든 화소밝기에 어떤 상수값이 더해진 경우

 

이와 같은 선형적인 밝기 변화에 대한 correlation 값의 독립성의 NCC의 가장 중요한 성질 중의 하나이다.

//아래 코드

 

/- process normalized cross correlation *-

doubleiNCC(image_ptr buf, const int *rows, const int *cols, image_ptr temp, const int *tRows, const int *tCols, int *retX, int *retY)

{

int i, j, u, v;

double meanBuf = 0.0, meanTemp = 0.0;

double numer = 0.0;

double denom = 0.0;

double meanSub = 0.0;

double NCC = 0.0;

double maxNCC = 0.0;

double numTempPixel = (*tRows)*(*tCols);

for(u = 0; u < *tRows; ++u)

for(v = 0; v < *tCols; ++v)

meanTemp += ((double)*(temp + u*(*tCols) + v))/numTempPixel;

for(u = 0; u < *tRows; ++u)

for(v = 0; v < *tCols; ++v)

meanSub += (((double)*(temp + u*(*tCols) + v)) - meanTemp)*(((double)*(temp + u*(*tCols) + v)) - meanTemp);

for(i = 0; i < (*rows - *tRows); ++i)

{

for(j = 0; j < (*cols - *tCols); ++j)

{

// get mean of the image which is underneath the template

meanBuf = 0.0;

for(u = 0; u < *tRows; ++u)

for(v = 0; v < *tCols; ++v)

meanBuf += ((double)*(buf + (i+u)*(*cols) + (j+v)))/numTempPixel;

// get correlation

NCC = 0.0;

numer = 0.0;

denom = 0.0;

for(u = 0; u < *tRows; ++u)

{

for(v = 0; v < *tCols; ++v)

{

numer += (((double)*(buf + (i+u)*(*cols) + (j+v))) - meanBuf)*(((double)*(temp + u*(*tCols) + v)) - meanTemp);

denom += (((double)*(buf + (i+u)*(*cols) + (j+v))) - meanBuf)*(((double)*(buf + (i+u)*(*cols) + (j+v))) - meanBuf);

}

}

NCC = numer/sqrt(denom*meanSub);

if(maxNCC < NCC)

{

maxNCC = NCC;

*retX = j;

*retY = i;

}

}

}

return maxNCC;

}

//평균과 분산은 opencv에서는 좀더 빠르게 구할 수 있다. 마찬가지 픽셀합과 픽셀 제곱 합도 opencv함수를 이용하면 빠르게 구할 수 있다.