好的，这是Python中说明的简单方法：

# Correlation is convolution with one input reversed
corr = fftconvolve(img1, img2[::-1, ::-1])

# Get coordinates of peak in x, y pixels
peak = unravel_index(corr.argmax(), corr.shape)
# peak = (199, 189)
# Calculate offset from center point
print array(peak) - 199 # Offset is [  0 -10]

因此，它会找到垂直偏移（10 像素），但不是水平偏移，如您所示（左下角输出）。这是因为当更多的输入图像重叠时，中心的互相关输出更强（即使输入相同，边缘也会变暗）。（找到的峰用红叉表示。）

这是我在评论中描述的方法。我不知道这是否有严格的数学基础，或者它是否有名字，但它产生了正确的结果。它可能与标准化互相关可能相同，也可能不同（我没有费心去解读维基百科的意思）：

weighting = fftconvolve(ones(shape(img1)), ones(shape(img2)))
corr = corr / weighting # Normalize
peak = unravel_index(corr.argmax(), corr.shape)[::-1]
# peak = (224, 189)
print array(peak)-199 # Offset of [ 25 -10]

所以这个方法有效。它通过用于计算该元素的重叠像素的数量对输出数组的每个元素进行归一化，因此当只有图像的薄边缘重叠时，它仍然会产生强输出。现在，从暗方块的偏移量不会被白条（图像右下角）淹没。

请注意，虽然这适用于您的示例图像，但此方法不适用于真实图像，因为输出的边缘与中间相比往往变化很大，并且可能产生虚假峰值，但如果您知道偏移量被限制为小于图像宽度，您只能在中心附近的实际位置寻找峰值，忽略边缘，它可以工作。

维基百科建议一种使用窗口图像的方法，我认为这可能会有所改进，但除非我做错了，否则它不会：

h = hamming(shape(img1)[0]) # 1D Hamming window
ham2d = outer(h, h) # 2D Hamming window

h1 = img1 * ham2d
h2 = img2 * ham2d

corr = fftconvolve(h1, h2[::-1,::-1])
peak = unravel_index(corr.argmax(), corr.shape)[::-1]
# peak = (216, 189)
print array(peak) - 199 # Offset is [ 17 -10]

加窗做得太多，并导致它在前两个结果之间找到一个错误的峰值。