OpenCV的compareHist()函式進行直方圖比較，可得到直方圖的相似程度，OpenCV提供更高階的matchTemplate()函式，計算想搜尋的影像(小圖)，在原始影像(大圖)各個位置的直方圖比較值。
以下為matchTemplate()函式的介紹：
輸入兩張影像，分別是原始圖(大圖)，和搜尋目標圖(小圖)，我們的目標就是在原始圖，找到目標圖的位置。不斷滑動目標圖，得到原始圖上各個位置的比較值，比較值代表重疊區域的相似程度，並將結果存到這時目標圖左上角的位置。完成後可得到比較值的結果圖，可用minMaxLoc()函式，找出結果圖的最大或最小值，定位出搜尋位置。我們可以用相同的概念，自行用compareHist()函式，得到影像各個位置的直方圖比對值，之後再找出最相近的位置，但搜尋的時間會增加很多，因此如果要用這概念進行搜索時，建議直接用matchTemplate()函式即可。
void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method)
image：輸入圖，必須為 8位元或浮點數圖。 templ：輸入的template，尺寸必須小於輸入圖，形態需相同。result：比較結果圖，必須為單通道32位元浮點數圖，如果image的尺寸為W x H，templ的尺寸為w x h，則result的尺寸為(W-w+1)x(H-h+1)。method：比較方法，有以下六種方法可選擇：method=CV_TM_SQDIFF
method=CV_TM_SQDIFF_NORMED
method=CV_TM_CCORR
method=CV_TM_CCORR_NORMED
method=CV_TM_CCOEFF
method=CV_TM_CCOEFF_NORMED
當我們的參數為CV_TM_SQDIFF時，計算結果較小時相似度較高，當我們參數為CV_TM_CCORR、CV_TM_CCOEF時，計算結果較大時相似度較高。
當我們得到比較圖後，根據由比較方式，選擇比較圖最小或最大值的地方，就是目標影像的位置。
void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())
src：輸入圖。 minVal：極小值，可輸入NULL表示不需要。maxVal ：極大值，可輸入NULL表示不需要。minLoc：極小值的位置，可輸入NULL表示不需要。maxLoc：極大值的位置，可輸入NULL表示不需要。mask：可有可無的遮罩。以下程式碼一開始輸入原始圖(大圖)和搜尋目標圖(小圖)，呼叫matchTemplate()找出小圖在大圖影像上各個位置的比較值，接著呼叫minMaxLoc()找出最相似的位置並畫出：
#include <cstdio> #include <opencv2/opencv.hpp> using namespace cv; int main(){ Mat src = imread("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE); Mat roiImg = imread("temp.jpg", CV_LOAD_IMAGE_GRAYSCALE); Mat displayImg = src.clone(); Mat result; result.create(src.rows-roiImg.rows+1, src.cols-roiImg.cols+1, CV_32FC1); matchTemplate(src, roiImg, result, CV_TM_SQDIFF); double minVal; Point minLoc; minMaxLoc(result, &minVal, 0, &minLoc, 0); rectangle(displayImg, minLoc, Point(minLoc.x+roiImg.cols , minLoc.y+roiImg.rows), Scalar::all(0), 3); imshow("origin", src); imshow("roi", roiImg); imshow("result", displayImg); waitKey(0); return 0; }转自：http://monkeycoding.com/?p=563
