本文是对OpenCV2.4.13文档的部分翻译，作个人学习之用，并不完整。
模板匹配是在图像中找到一个类似于模板图像的技巧。
原理：
我们需要两个组件：原图像、模板图像（碎片图像patch）
为了定义匹配区域，我们将模板图像和原图像比较来滑动匹配。
滑动匹配就是将模板图像每次移动一个像素（从左至右，从上到下），在每个位置计算一个表示匹配程度的指标。
对于I上的每一个位置T，将指标值存储到一个矩阵R中，R中的每个位置( x , y)包含了匹配的指标。
上面的图像就是滑动模板存储指标TM_CCORR_NORMED的结果R。最亮的位置表示与模板最为匹配，即图中的红色圆圈处，所以该位置定义的区域（矩形框）就是与模板图像最匹配的地方。
实际使用中，我们用minMaxLoc函数来定位矩阵R中的最大值/最小值。
匹配方法
#include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <iostream> #include <stdio.h> using namespace std; using namespace cv; /// Global Variables // 图像、模板、结果矩阵 Mat img; Mat templ; Mat result; // 窗口名称 const char* image_window = "Source Image"; const char* result_window = "Result window"; int match_method; int max_Trackbar = 5; /// Function Headers void MatchingMethod( int, void* ); /** * @function main */ int main() { /// 载入图像和模板 img = imread("lena.jpg", 1 ); templ = imread("lena_eye.jpg", 1 ); /// 创建窗口 namedWindow( image_window, WINDOW_AUTOSIZE ); namedWindow( result_window, WINDOW_AUTOSIZE ); /// 创建滑动条来输入匹配方法，每次变化都调用MatchingMethod函数 const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED"; createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod ); MatchingMethod( 0, 0 ); // 等待按键 waitKey(0); return 0; } /** * @function MatchingMethod * @brief Trackbar callback */ void MatchingMethod( int, void* ) { /// 将原图像拷贝到显示矩阵中 Mat img_display; img.copyTo( img_display ); /// 创建结果矩阵，存储对每个模板位置的匹配结果，大小将能容纳每个位置的匹配 int result_cols = img.cols - templ.cols + 1; int result_rows = img.rows - templ.rows + 1; result.create( result_rows, result_cols, CV_32FC1 ); /// 执行模板匹配操作（输入图像I，模板T，结果R，匹配方法） matchTemplate( img, templ, result, match_method ); // 标准化 normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() ); /// 定位最大值和最小值 double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; // 指标原数组，存储最小值的变量，存储最大值的变量，最小值的位置，最大值的位置，掩码矩阵（可选）） minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() ); /// 对于方法SQDIFF和SQDIFF_NORMED,最佳匹配是最小值，其他方法的最佳匹配是最大值，将结果保存在matchLoc变量中 if( match_method == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED ) { matchLoc = minLoc; } else { matchLoc = maxLoc; } /// 显示结果，在最可能匹配的位置画一个矩形 rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 ); rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 ); imshow( image_window, img_display ); imshow( result_window, result ); return; }结果：
其中CCORR和CDEFF匹配的结果错误，而他们标准化后的版本却正确，这可能是由于我们只考虑了最大匹配而没有考虑其他可能的情况。
