示例：2D 相关性和原型匹配
利用空间域中的图像介绍 2D 核相关性。
高斯核是一种有趣的核，它可以产生平滑的效果。
2D 相关性
3. 定义核范围与函数。
4. 计算 5 x 5 核矩阵。
此核为对称核，因此与卷积的效果相同 - 等同于反向核相关性。
5. 定义比例因子 mcscale。
6. 计算相关性，然后将结果限定为 8 位灰度 (0 到 255)。
7. 使用 WRITEBMP 函数将结果保存到文件中。
8. 绘制原始图像以及利用核进行相关性处理的图像。
(greyscale_dog.bmp) | (dog_cross.bmp) |
原型匹配
1. 使用 READ_IMAGE 函数读取新图像。
2. 使用 WRITEBMP 函数将结果保存到文件中。
(peas_carrots.bmp)
选择挑出了一个具有代表性的胡萝卜作为模板。
3. 定义模板的高度和宽度。
4. 定义函数
val，并将其用于
matrix 函数以创建模板。
5. 绘制模板和胡萝卜的图像。
(template.bmp) | (carrot.bmp) |
6. 定义相关性阈值。
7. 使用与所选胡萝卜大小相同的均匀模板，或使用所选的具有代表性的胡萝卜图像本身来计算匹配数：
无关联的阈值使大多数豌豆都不可见，而大多数胡萝卜仍然可见。这种匹配是在原始图像与密度均匀的矩形模板之间进行的，这样便可在此冷冻蔬菜封装的随机采样中大致挑出胡萝卜。
8. 计算原始图像中胡萝卜的近似百分比。
该方法对于细菌计数以及其他图像特性百分比估算也十分有用。
