A biológiai molekulapárok közötti korreláció kimutatásának lehetőségét nagyban elősegítette Erik Manders az Amszterdami Egyetemről, aki bevezette a Pearson-féle korrelációs együtthatót a mikroszkópikusok számára, más együtthatókkal együtt, amelyek közül az M1 és M2 “átfedési együtthatók” bizonyultak a legnépszerűbbnek és leghasznosabbnak. Az együtthatók használatának célja a képek közötti átfedés mértékének jellemzése, általában egy többdimenziós mikroszkópiás kép két csatornája között, amelyeket különböző emissziós hullámhosszon rögzítettek. A népszerű megközelítést Sylvain Costes vezette be, aki a Pearson-féle korrelációs együtthatót használta eszközként az M1 és M2 által megkövetelt küszöbértékek objektív módon történő meghatározásához. Costes megközelítése abból indul ki, hogy csak a pozitív korrelációk érdekesek, és nem nyújt hasznos PCC-mérést.
Noha az együtthatók használata jelentősen javíthatja a kolokalizáció kimutatásának megbízhatóságát, ez számos tényezőtől függ, többek között attól, hogy milyen körülmények között készítették elő a fluoreszcens mintákat, és hogyan szerezték és dolgozták fel a kolokalizációs képeket. A vizsgálatokat nagy körültekintéssel és alapos háttérismeret után kell elvégezni. Jelenleg a területet zűrzavar övezi, és a szabványosított megközelítés még nem alakult ki szilárdan. Ennek orvoslására tett kísérletek közé tartozik néhány együttható újbóli vizsgálata és felülvizsgálata, egy zajkorrekciós tényező alkalmazása, “Replicate based noise corrected correlations for accurate measurements of colocalization”. és további protokollok javaslata, amelyeket Bolte és Cordelieres (2006) alaposan áttekintett. Ezenkívül a fluoreszcenciás felvételek hajlamossága miatt, hogy tartalmaznak bizonyos mennyiségű fókuszon kívüli jelet, valamint poisson-lövést és egyéb zajt, a kvantitatív meghatározás előtt általában előfeldolgozást igényelnek. A gondos képrestaurálás dekonvolúcióval eltávolítja a zajt és növeli a képek kontrasztját, javítva ezzel a kolokalizációs elemzés eredményeinek minőségét. A kolokalizáció számszerűsítésére eddig leggyakrabban használt módszerek a két különböző mikroszkópiás csatorna pixelintenzitásainak statisztikai korrelációját számítják ki. Újabb tanulmányok kimutatták, hogy ez magas korrelációs együtthatókat eredményezhet még olyan célpontok esetében is, amelyekről ismert, hogy különböző sejtkompartmentekben helyezkednek el. A kolokalizáció robusztusabb számszerűsítése a digitális objektumfelismerés, a terület átfedésének kiszámítása és a pixel-intenzitás korrelációs értékkel való kombinálásával érhető el. Ez vezetett az objektummal korrigált Pearson-féle korrelációs együttható fogalmához.