Важной является процедура выбора похожей подобласти. Изображение sub_onion является тем эталоном, на основании которого производится поиск sub_peppers. Методы выбора этой подобласти делятся на итеративные и неитеративные.
% неитеративныйrect_onion=[111 33 65 58];rect_peppers=[163 47 143 151];sub_onion=imcrop(onion,rect_onion);sub_peppers=imcrop(peppers,rect_peppers);% или % итеративный[sub_onion,rect_onion]=imcrop(onion);[sub_peppers,rect_peppers]=imcrop(peppers);% отображение подизображенийfigure, imshow(sub_onion)figure, imshow(sub_peppers)
Шаг 3: Нормированная кросс-корреляция и поиск координат пиков
Вычисление нормированной кросс-корреляции и отображение ее поверхности. Пики матрицы кросс-корреляции, которые попали на подизображение (sub_images) свидетельствуют о наивысшей корреляции. Функция normxcorr2 работает только с полутоновыми изображениями, однако попробуем применить ее для обработки подизображений.
c=normxcorr2(sub_onion(:,:, 1), sub_peppers(:,:, 1));
figure, surf(c), shading flat
