图像融合评价指标：CC（Correlation Coefficient）以及余弦相关度、欧氏距离和皮尔逊相关度的通俗解释

相关系数，在概率论中给出的就是：

这里的cov(X,Y)是X,Y的协方差，也就是X和Y分别减去各自的均值(相当于是将X和Y的均值变为0)，然后做点积（对应元素相乘后求和），再除以长度N或尺寸M*N。回想一下，方差是怎么求的？

协方差就是将变为，不是自己和自己按元素相乘，而是自己和别人。

而相关系数还能从其他方面理解，请看下面的解释。

余弦相关度、欧氏距离和皮尔逊相关度，今天发现一篇把这三者讲的清清楚楚明明白白的文章，关键是仅仅用了高中的知识，惭愧！附链接：

https://www.zhihu.com/question/19734616/answer/349132554

说到底就是最熟悉的余弦夹角问题。

另外，关于融合图像评价指标CC，就是用的皮尔逊相关系数：

按照上面的文章，可以进一步通俗的解释：

输入的是图像，形状是M*N，因此，描述的就是向量的内积，只不过这个比较抽象，此处的向量不是N*1的列向量，而是M行N列的矩阵，不过都是一个道理，对应位置的元素相乘，就是内积。内积除以两者的模长，就是余弦夹角。

皮尔逊相关系数，就可以简单的理解为，将向量标准化(~N(0,1))后求余弦夹角。