همبستگی تصاویر دیجیتال (DIC) یک تکنیک اندازه‌گیری است که تصاویر گرفته شده از دوربین‌ها را برای ردیابی و ثبت حرکت سطحی یک جامد تغییر شکل می‌دهد. در زمینه مهندسی مکانیک، به طور گسترده‌ای برای نظارت و پردازش داده‌های آزمایشی در زمینه‌های تحقیقاتی و صنعتی، برای کاربردهای مختلف از آزمایش مواد معمولی گرفته تا خصوصیات اجزای عظیم و پیچیده (بخشی از هواپیما یا هلی‌کوپتر، پل‌های جاده و سازه‌ها). این روش بسیار متنوع است و می‌توان آن را بی‌تفاوت به سازه‌هایی با هر شکل، اندازه یا ماده‌ای اعمال کرد، تا زمانی که بتوان آن‌ها را توسط دوربین‌ها مشاهده کرد. همچنین یک تکنیک بدون تماس و غیر مخرب است.
الگوریتم‌های همبستگی تصاویر دیجیتال مبتنی بر ردیابی اطلاعات در مجموعه‌ای از تصاویر، از «تصویر مرجع» تا عکس‌هایی هستند که بعداً در آزمون گرفته می‌شوند، که اغلب «تصاویر تغییر شکل‌یافته» نامیده می‌شوند. این مجموعه از تصاویر یک فیلم را تشکیل می‌دهد که اندازه‌گیری جابجایی از آن استخراج خواهد شد.
همبستگی تصاویر دیجیتال را می‌توان به عنوان ردیابی مجموعه‌ای از نقاط (یا نشانگرها) در سراسر سطح مشاهده شده خلاصه کرد: حرکت یک سطح بخشی زمانی مشخص می‌شود که حرکات فردی همه نشانگرها روی این سطح مشخص شده باشد. این بدان معناست که قسمت اندازه‌گیری شده باید قبل از ثبت حرکت آن بافت شود. به عنوان مثال، اگر بافت سطح فقط از یک نقطه سیاه در وسط یک ناحیه سفید تشکیل شده باشد (همان‌طور که در بالا نشان داده شده است)، جابجایی‌ها را نمی‌توان در ناحیه سفید اطراف نقطه سیاه ارزیابی کرد. برعکس، باید از الگوهای بافت “دوره‌ای” اجتناب شود زیرا تعیین مکان نقطه منفرد به طور واضح برای نرم‌افزار همبستگی تصاویر دیجیتال دشوار خواهد بود.
برای حذف این ابهام در مکان‌های نقطه‌ای، یک بافت تصادفی است که اجازه می‌دهد مجاورت یک نقطه معین را از مناطق اطراف تشخیص دهد. برای قطعات با اندازه‌های مختلف از یک سانتی‌متر تا یک متر، الگوهای لکه‌های رنگ اغلب به طور مستقیم روی سطح نمونه اسپری می‌شوند. بافت حاصل از لکه‌های توزیع شده تصادفی با قطر متوسط 1 میلیمتر ساخته شده است. هر نقطه اندازه‌گیری (در عمل، هر زیر مجموعه تصویر) می‌تواند از محیط اطرافش متمایز شود. بافت‌های قابل قبول برای DIC را می‌توان از روش‌های دیگر به دست آورد، برای تکنیک‌های تصویربرداری از میکروسکوپ الکترونی روبشی (SEM) و توموگرافی اشعه ایکس تا مشاهدات ساختارهای بسیار بزرگتر. برخی از مواد به طور طبیعی بافت دارند (بتن، ماسه یا حتی فلزات در مقیاس ریزساختاری) و برای مشخص شدن نیازی به استفاده از بافت مصنوعی ندارند.
دقت اندازه‌گیری همبستگی تصاویر دیجیتال می‌تواند به طرز شگفت‌انگیزی بالا به نظر برسد. این به دلیل درون‌یابی سطح خاکستری زیر پیکسل است: اگر یک نقطه سیاه با قطر 1 پیکسل در یک پس زمینه سفید یکنواخت ترجمه شود، پیکسل‌های مجاور با گرفتن مقدار سطح خاکستری متناسب با سطح نقطه به این جابجایی واکنش نشان می‌دهند. هم‌پوشانی با این پیکسل درون‌یابی زیرپیکسلی امکان اندازه‌گیری دامنه جابجایی کمتر از 0.1 پیکسل و حتی کوچکتر از 0.01 پیکسل را در شرایط آزمایشی مطلوب ممکن می‌سازد. برای دستیابی به این دقت، باید دقت زیادی در ارائه نور ثابت و یکنواخت به نمونه مشاهده شده انجام شود و گرفتن تصویر باید با لنزها و دوربین‌های باکیفیت انجام شود.
با طراحی، رویکردهای همبستگی تصاویر دیجیتال کلاسیک به خوبی برای محاسبه داده‌های جابجایی ابر نقطه، با تکرار عملیات قبلی بر روی چندین زیر مجموعه تصویر که جابه‌جایی در آن جستجو می‌شود، سازگار می‌شوند. از منظر دفتر طراحی، این فرمت داده ایده‌آل نیست، زیرا داده‌های تجربی باید با نتایج شبیه‌سازی عددی (معمولاً توسط نرم افزارهای المان محدود مانند Abaqus یا Ansys تولید می‌شوند) مقایسه شوند که بر روی گره‌ها و المان‌های یک شبکه المان محدود بیان می‌شوند. . برای مهندسان مکانیک، یک راه‌حل بهتر برای مقایسه بین داده‌های تجربی و عددی استفاده از شبکه شبیه‌سازی به عنوان مبنایی برای اندازه‌گیری جابجایی، به جای زیر مجموعه‌های مستقل تصویر است.
برای اجزای سه بعدی واقعی، به دست آوردن اطلاعات جابجایی جامع با استفاده از یک دوربین امکان‌پذیر نیست، زیرا یک دوربین تنها می‌تواند جابجایی‌ها را در صفحه موازی با سنسور خود تعیین کند (اندازه‌گیری دوبعدی). برای اندازه‌گیری جابجایی‌های سه بعدی، یک سیستم چند دوربینی (2 یا بیشتر) مورد نیاز است
