NCC算法和MAD算法的区别

NCC算法和MAD算法的区别在于相似度的计算方式不同。NCC算法是通过计算两个图像的互相关系数来确定它们之间的相似度，而MAD算法则是通过计算两个图像像素值之间的平均绝对差来确定它们之间的相似度。NCC算法对光照、噪声等因素的影响较小，但计算量较大；而MAD算法计算量较小，但对光照、噪声等因素的影响较大。

相关问题

mad匹配算法c语言实现,基于灰度的模板匹配算法（1）：MAD、SAD、SSD、MSD、NCC、SSDA算法...

MAD算法（Mean Absolute Difference）是一种基于灰度的模板匹配算法，它的思想是计算图像中每个像素与模板中对应像素的差值的绝对值，并将所有差值相加求平均值，得到一个匹配度量值。匹配度量值越小，表示匹配程度越高。

下面是基于C语言实现的MAD匹配算法：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define WIDTH 640
#define HEIGHT 480
#define TEMPLATE_WIDTH 50
#define TEMPLATE_HEIGHT 50

unsigned char image[WIDTH * HEIGHT];
unsigned char template[TEMPLATE_WIDTH * TEMPLATE_HEIGHT];

int main()
{
    FILE *fp;
    char *filename = "image.raw";
    int x, y, i, j;
    int min_dist = INT_MAX;
    int min_x = 0, min_y = 0;

    // 读取图像和模板
    fp = fopen(filename, "rb");
    fread(image, WIDTH * HEIGHT, 1, fp);
    fclose(fp);
    fp = fopen("template.raw", "rb");
    fread(template, TEMPLATE_WIDTH * TEMPLATE_HEIGHT, 1, fp);
    fclose(fp);

    // 遍历图像，计算每个像素与模板的匹配度量值
    for (y = 0; y < HEIGHT - TEMPLATE_HEIGHT; y++) {
        for (x = 0; x < WIDTH - TEMPLATE_WIDTH; x++) {
            int dist = 0;
            for (j = 0; j < TEMPLATE_HEIGHT; j++) {
                for (i = 0; i < TEMPLATE_WIDTH; i++) {
                    dist += abs(template[j * TEMPLATE_WIDTH + i] - image[(y + j) * WIDTH + (x + i)]);
                }
            }
            // 更新最小匹配度量值及其对应的位置
            if (dist < min_dist) {
                min_dist = dist;
                min_x = x;
                min_y = y;
            }
        }
    }

    // 输出匹配结果
    printf("最小匹配度量值: %d\n", min_dist);
    printf("匹配位置: (%d, %d)\n", min_x, min_y);

    return 0;
}

上述代码中，我们先读取了图像和模板，然后遍历图像，计算每个像素与模板的匹配度量值。最后输出最小匹配度量值及其对应的位置。

需要注意的是，由于模板的大小比较小，我们需要在遍历图像时限制搜索区域，以避免越界访问。同时，为了避免溢出，我们在计算匹配度量值时使用了int类型。

y, x = np.unravel_index(np.argmax(ncc), ncc.shape)

这段代码是用于在一个二维数组中找到最大值的索引位置。具体来说，它使用了`np.argmax()`函数来找到数组中的最大值，并使用`np.unravel_index()`函数将一维索引转换为二维索引。在这个例子中，`ncc`是一个二维数组，`ncc.shape`返回了该数组的形状。`np.argmax(ncc)`返回了数组中最大值的一维索引，然后`np.unravel_index()`将这个一维索引转换为二维索引`(y, x)`。

引用\[3\]提供了一篇关于图像匹配算法的论文，其中介绍了一些常用的图像匹配算法，如MAD、SAD、SSD、MSD、NCC等。这些算法可以用于在图像中寻找相似的区域或特征。

所以，这段代码的作用是找到二维数组`ncc`中最大值的索引位置`(y, x)`。
#### 引用[.reference_title]
- *1* *2* *3* [基于python实现相关模板匹配跟踪之SSDA算法](https://blog.csdn.net/weixin_43745234/article/details/128405189)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]