归一化互相关的基础知识

我正在尝试使用范数校正2 (归一化互相关 http://en.wikipedia.org/wiki/Cross-correlation#Normalized_cross-correlation）来自 MATLAB，用于计算发育中胚胎中移动形状的速度。我有 3 个问题：

1）我的图像尺寸是260x360像素。我给出了 10x10 像素的模板大小，并要求命令在 50x50 像素的搜索窗口中的后续帧中搜索该模板。我得到一个大小为 59x59 的相关矩阵。因此，这意味着该命令会在搜索窗口内逐像素移动模板，以寻找最佳相关性。正确的？

2）相关矩阵中的每个值代表搜索窗口中的一个模板矩阵。正确的？

3) 假设我在相关矩阵的第 10 行和第 16 列处得到最大值。这意味着最佳相关模板位于图像中 y 方向的第 10 个矩阵和 x 方向的第 16 个矩阵。正确的？

为了说明使用范数校正2，考虑以下示例（改编自)

%# Make light gray plus on dark gray background
template = 0.2*ones(11);
template(6,3:9) = 0.6;
template(3:9,6) = 0.6;
BW = single(template > 0.5);         %# Make white plus on black background
imtool(template, 'InitialMagnification','fit')

%# Make new image that offsets the template
offsetTemplate = 0.2*ones(81);
offset = [30 50];                    %# Shift by 30 rows, 50 columns
offsetTemplate( (1:size(template,1))+offset(1), ...
                (1:size(template,2))+offset(2) ) = template;
imtool(offsetTemplate, 'InitialMagnification',400)

%# Cross-correlate BW and offsetTemplate to recover offset
cc_norm = normxcorr2(BW, offsetTemplate);
imtool(cc_norm, 'InitialMagnification',400)
[max_cc_norm, imax] = max( abs(cc_norm(:)) );
[ypeak, xpeak] = ind2sub(size(cc_norm), imax(1));
corr_offset = [ (ypeak-size(template,1)) (xpeak-size(template,2)) ];

fprintf('Input offset: %d,%d\nRecovered offset: %d,%d\n', offset, corr_offset)