opencv关于ncc说，，完全匹配p=1，完全不匹配p=-1，p=0表示无关联。
数学书概率论中说，|p|=1，是线性相关，p=0，不相关。
我在程序中验证后，发现，数学书更准确。
第一，线性相关就是匹配相关。
第二，p=-1，也是完全匹配。怎么得到值是-1，或逼近-1的值呢？
学习模板不变，匹配到的图像，计算p=1；
然后，灰度翻转匹配到的图像（黑白相反），
即 roiImage备用ncc3[i * roiwforncc + j] =(byte)(255-
globgaospydoutimgN精细for90[i * localww1per4 + j + tihuan]);
公式不变，ncc的结果p=-1出现，
也就是说，0，40，80，255，0这一串数和255-0，255-40，255-80，255-255，255-0
匹配结果是p=-1，也就是说，黑白颠倒，而形状一样，0，40，80，255，0这一串数和0，40，80，255，0自然p=1.
第三，线性相关比匹配表达的意思更准确，线性相关表达了比例缩放(尺度变化)并不影响结果，而匹配，我们首先直观的理解是，不带比例缩放的。
不信你看，相关的两幅图，模板和匹配结果图像，都是长m，宽n。
实际缩放1/4,仍然可以用这个公式匹配，怎么做呢？
a，变换到0-255的直方图
b，w*h的模板，和缩放图像1/2*w*1/2*h(比如我们用模板隔行隔列取图），他们的直方图是一致的。
c，在直方图基础上，样本数是256，均值各算各，公式仍可以保证正确匹配。
下面是测试代码：
//roiImage直方图ncc4, roiImage直方图ncc都使用原图
double[] 百分比直方图=new double[256];
double junzhi = 0;
double junzhiM = 0;
for (int i = 0; i < roiwforncc * roihforncc; i++)
{
百分比直方图[roiImage直方图ncc[i]]++;
}
for (int h = 0; h < 256; h++)
{
junzhi += 百分比直方图[h] * 百分比直方图[h] / (roiwforncc * roihforncc);
}
double[] 百分比直方图m = new double[256];
//应该做插值或高斯平滑,否则竖线或横线刚好在隔行隔列上，就干掉了，先试一试，再试一试202402031211
for (int i = 0; i < roiwforncc; i+=2)
for (int j = 0; j < roihforncc; j+=2)
{
int temp = j * roiwforncc + i;
百分比直方图m[roiImage直方图ncc4[temp]]++;
}
for (int h = 0; h < 256; h++)
{
junzhiM += 百分比直方图m[h] * 4 * 百分比直方图m[h] / (roiwforncc * roihforncc);
}
double aa1 = 0;
double bb1 = 0;
double cc1 = 0;
for (int i = 0; i < 256; i++)
{
aa1 += (百分比直方图[i] - junzhi) * (百分比直方图m[i] - junzhiM);
bb1 += (百分比直方图[i] - junzhi) * (百分比直方图[i] - junzhi);
cc1 += (百分比直方图m[i] - junzhiM) * (百分比直方图m[i] - junzhiM);
}
double p1 = 0;
p1 = aa1 / Math.Sqrt(bb1 * cc1);
最后，要解释一下，线性相关公式中有1/(m*n)在求和西格玛之前，为什么没有了，其实是协方差分子和方差分母都有这个系数，消掉了。
)
