opencv学习（十五）：模板匹配

引言

        模板匹配是在一幅图像中寻找一个特定目标的方法之一。这种方法的原理非常简单，遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。

匹配方法

         在 OpenCV 中，提供了相应的匹配函数完成这个操作：matchTemplate、 minMaxLoc

         matchTemplate 函数：在模板和输入图像之间寻找匹配,获得匹配结果图像 
         minMaxLoc 函数：在给定的矩阵中寻找最大和最小值，并给出它们的位置

         在具体介绍这两个函数之前呢，我们还要介绍一个概念，就是如何来评价两幅图像是否“相似”。 
OpenCV 提供了 6 种计算两幅图像相似度的方法：

• 差值平方和匹配 CV_TM_SQDIFF
• 标准化差值平方和匹配 CV_TM_SQDIFF_NORMED
• 相关匹配 CV_TM_CCORR
• 标准相关匹配 CV_TM_CCORR_NORMED
• 相关匹配 CV_TM_CCOEFF
• 标准相关匹配 CV_TM_CCOEFF_NORMED

 方法介绍

         下面就分别来介绍。首先，先给出几个符号： 
T(x,y)  用来表示我们的模板。I(x,y) 是我们的目标图像。 R(x,y) 是用来描述相似度的函数。

差值平方和匹配 CV_TM_SQDIFF

这类方法利用图像与模板各个像素差值的平方和来进行匹配，最好匹配为 0。 匹配越差，匹配值越大。