Este kernel es simétrico, por lo que su efecto es el mismo que el de la convolución, equivalente a la correlación con el kernel invertido.
4. Calcule la correlación y, a continuación, ajuste el resultado a escala de grises de 8 bits de 0 a 255.
5. Trace la imagen original y la correlación de la imagen con el kernel.
(greyscale_dog.bmp)
(dog_cross.bmp)
Correlación de prototipos
1. Lea una imagen nueva.
(peas_carrots.bmp)
La selección elige como plantilla una zanahoria representativa.
2. Defina la altura y el ancho de la plantilla.
3. Defina la función val y utilícela en la función de matriz para crear la plantilla.
4. Trace la plantilla y las imágenes de zanahorias.
(template.bmp)
(carrot.bmp)
5. Defina el umbral de correlación.
6. Utilice la plantilla uniforme del mismo tamaño que la zanahoria seleccionada o la imagen de zanahoria representativa que haya seleccionado para calcular el número de coincidencias:
(carrot_vect.bmp)
Se ha sombreado la mayoría de los guisantes mediante valores no correlativos del umbral, mientras que la mayoría de las zanahorias se encuentran visibles aún. La coincidencia tiene lugar entre la imagen original y la plantilla rectangular de densidad uniforme, que selecciona las zanahorias de una bolsa de verduras congeladas en esta muestra aleatoria.
7. Calcule el porcentaje aproximado de zanahorias que hay en la imagen original.
Esta técnica se emplea también para el recuento de bacterias y otra estimación de porcentajes de funcionalidades de la imagen.