Comment trouver la corrélation d'une image?

Comme c'est le cas de traitement d'image pour truecolor images RVB, il ya un couple de questions clés à la première adresse. Je l'ai mentionné dans ma réponse à votre autre question impliquant un autre algorithme de traitement d'image, mais ils portent de répéter ici:

• De déterminer la façon de traiter avec la troisième dimension: Une image RVB est en fait un ensemble de trois 2-D des matrices (un pour le rouge, le vert et le bleu composantes couleur des pixels) concaténé le long d'une troisième dimension. Lors de l'exécution de pixel-sage des opérations, vous devez décider si vous allez effectuer les opérations de trois fois (une fois pour chaque plan de couleur) ou si vous allez en quelque sorte de l'effondrement des valeurs le long de la troisième dimension (c'est à dire la conversion d'un niveaux de gris de l'intensité de l'image avec des fonctions comme RGB2GRAY) pour vous donner un ensemble de 2-D des données d'image à utiliser.
• Être conscient des types de données: les données de l'Image chargée dans MATLAB est généralement sous la forme d'un non signé de 8 bits entier, mais parfois il peut être un entier non signé entier 16 bits ou un double précision type. Lorsque vous traitez avec les types integer, la conversion à double précision est généralement nécessaire avant d'effectuer certaines opérations afin d'éviter certains aspects de l'arithmétique des nombres entiers tels que l'arrondi et de la saturation.

Bien, maintenant, que ces formalités sont hors de la voie, je vois votre problème ci-dessus est composée de deux étapes. Tout d'abord, vous devez sélectionner des sous-ensembles de paires de pixels de l'image, comme tous horizontalement paires de pixels. Deuxièmement, vous devez appliquer les formules statistiques, vous avez ci-dessus. Dans les exemples ci-dessous, je pars du principe que les opérations sont effectuées sur le rouge (c'est à dire en premier) plan de couleur de la matrice A:

1. La sélection de sous-ensembles de paires de pixels: commençons par la unique de l'ensemble des liaisons horizontales de pixels. Si je sélectionne les pixels dans la première colonne de A et les placer dans le sous-ensemble x, puis à l'horizontale pixels adjacents seront ceux de la deuxième colonne de A, et ceux-ci seront placés dans le sous-ensemble y. Je peux aussi ajouter des pixels dans la deuxième colonne pour le sous-ensemble x, et les pixels adjacents horizontalement dans la troisième colonne serait alors placée dans le sous-ensemble y. Répéter ce pour toutes les colonnes dans A, nous pouvons voir que les pixels dans les colonnes 1 à 255 seront dans le sous-ensemble x, et les pixels dans les colonnes 2 à 256 sera dans le sous-ensemble y. Le la matrice d'indexation serait donc ressembler à ceci:

   x = A(:,1:end-1,1);  %# All rows and columns 1 through 255 from red plane
   y = A(:,2:end,1);    %# All rows and columns 2 through 256 from red plane

   Suivant la même logique que ci-dessus, on peut construire l'ensemble de la verticale unique paires de pixels dans ce mode:

   x = A(1:end-1,:,1);  %# Rows 1 through 255 and all columns from red plane
   y = A(2:end,:,1);    %# Rows 2 through 256 and all columns from red plane

   Et de même pour l'ensemble des unique en diagonale les paires de pixels, où "diagonale" s'exécute à partir du haut à gauche au bas à droite de la matrice:

   x = A(1:end-1,1:end-1,1);  %# All but the last row and column
   y = A(2:end,2:end,1);      %# All but the first row and column

   Ou pour les "anti-diagonales", où "diagonale" s'exécute à partir d'en bas à gauche à en haut à droite dans la matrice:

   x = A(2:end,1:end-1,1);  %# All but the first row and last column
   y = A(1:end-1,2:end,1);  %# All but the last row and first column

   Maintenant, vous pouvez choisir l'un de ces ensembles de x et y de données pour effectuer les calculs statistiques que vous souhaitez pour la couleur rouge de l'avion. Vous pouvez répéter la procédure ci-dessus la substitution de 2 ou 3 pour le dernier index de chaque ligne pour obtenir le calcul de la couleur verte et bleue des avions, respectivement.

2. Effectué les tests statistiques: Cette partie est simple. Il y a déjà une fonction intégrée CORRCOEF pour le calcul du coefficient de corrélation dans MATLAB. Vous pourriez avoir à remodeler le sous-ensembles de valeurs de pixel x et y dans la colonne des vecteurs d'abord à l'aide de seul colon indexation:

   r_xy = corrcoef(x(:),y(:));

   Fonctions existent aussi pour les autres formules ainsi: MOYENNE pour E(x), VAR pour D(x), et COV pour cov(x,y).

En ce qui concerne votre deuxième question, vous pouvez d'abord créer x et y comme je l'ai fait ci-dessus pour tous unique de paires de pixels adjacents horizontalement, puis créer un vecteur avec une permutation aléatoire de l'entier indices dans x et y à l'aide de la fonction RANDPERM. La sélection de la première 5000 entrées de ces aléatoirement par permutation des indices vous donnera 5000 aléatoire indices dans x et y:

randIndex = randperm(numel(x));  %# A random permutation of the integers
                                 %#   from 1 to numel(x)
randIndex = randIndex(1:5000);   %# Pick the first 5000 indices
xRand = x(randIndex);            %# 5000 random values from x
yRand = y(randIndex);            %# The corresponding 5000 values from y

Cela vous donnera votre 5000 paires de horizontalement les valeurs des pixels adjacents dans x et y. Cependant, il est difficile de savoir ce que tu veux dire par "le tracé de la distribution". Je devine que vous aurez finissent soit en utilisant la fonction HIST ou peut-être la fonction SCATTER à cette fin.