使用Signal.correlate2D与Signal.convolve2D进行模板匹配时得到异常/错误结果

我最近在做模板匹配任务——用目标大图里截取的第一条条纹作为模板，在整张图里找匹配位置，但用correlate2D和convolve2D时遇到了不少麻烦：

• 一开始没做归一化，返回结果全是噪声；
• 查资料加上均值减法归一化后结果有所改善，但完全不符合预期：我本来以为0-100坐标轴区间会有大量绿色（高匹配值），其他区域几乎没有，但实际输出根本不是这样；
• 换用卷积算法也得到类似的糟糕结果；
• 我用Stack Overflow上的测试图和模板试过，correlation2D是能正常工作的，所以现在搞不懂为啥自己的图像就不行，会不会是图像质量的问题？

下面是我目前的代码：

import cv2
from scipy import signal
from matplotlib import pyplot as plt

# Load images. The flag "0" means that the images should be loaded in grayscale.
image = cv2.imread(r"/home/user/Data/image.png", 0)
template = cv2.imread(r"/home/user/Data/template.png", 0)

# Normalize
image = image - image.mean()
template = template - template.mean()

# Apply correlation and convolution to images
correlation = signal.correlate2d(image, template)
convolution = signal.convolve2d(image, template)

# Show image
plt.imshow(correlation)
plt.imshow(convolution)
plt.show()

可能的问题原因及解决思路 #

1. 归一化方式不完整

你现在只做了均值减法（零中心化），但模板匹配里常用的归一化需要同时消除亮度差异的影响，应该用归一化互相关，可以手动实现或者用scipy的参数优化：

# 手动实现归一化互相关，消除亮度对比度干扰
image_norm = (image - image.mean()) / image.std()
template_norm = (template - template.mean()) / template.std()
# 使用same模式让输出尺寸与原图一致，方便对应坐标
correlation = signal.correlate2d(image_norm, template_norm, mode='same')

2. 图像显示的问题

连续调用plt.imshow()会覆盖前一个图像，而且默认色图可能无法清晰展示匹配差异。建议分开显示并添加色标：

plt.figure(figsize=(12,6))

plt.subplot(121)
plt.imshow(correlation, cmap='viridis')
plt.title('Normalized Cross-Correlation')
plt.colorbar()

plt.subplot(122)
plt.imshow(convolution, cmap='viridis')
plt.title('Convolution')
plt.colorbar()

plt.show()

另外要注意：卷积会先翻转模板，如果你要找和模板完全一致的区域，相关算法更直接；卷积适合找翻转后的匹配区域。

3. 模板与图像的尺寸匹配

如果模板尺寸和目标区域不一致（比如截取时带了多余边缘），会严重影响匹配精度。要确保模板是从大图里精准截取的目标条纹，没有冗余像素。

4. 图像质量与噪声干扰

如果图像本身噪声多、条纹对比度低，会导致匹配峰值不明显。可以先做滤波预处理：

# 高斯模糊平滑噪声，突出条纹特征
image = cv2.GaussianBlur(image, (3,3), 0)
template = cv2.GaussianBlur(template, (3,3), 0)

5. 验证匹配峰值位置

可以通过定位匹配结果的最大值，确认是否在预期区间：

import numpy as np
y, x = np.unravel_index(np.argmax(correlation), correlation.shape)
print(f"最高匹配位置：x={x}, y={y}")

如果这个坐标不在你预期的0-100区间，可能是模板和目标区域的特征差异太大（比如条纹宽度、灰度分布不一致），需要重新截取模板。

内容的提问来源于stack exchange，提问作者William Owens