函数原型

void matchTemplate( InputArray image, InputArray templ,OutputArray result, int method, InputArray mask = noArray());

参数说明

InputArray类型的image，输入图像。
InputArray类型的templ，待匹配图像。
OutputArray类型的result，输出匹配结果。
int类型的method，匹配方法，具体介绍见下方。
InputArray类型的mask，掩膜。

匹配方法介绍

模板匹配函数中自带了6种匹配方法，其原理是以原图某点为起始点，选择模板同大小的区域进行计算，根据得到的结果选择最优的解，所以当你使用该函数时会发现，假如原图1000*1000，模板100*100，那结果图尺寸为900*900，各方法对应的公式和原理如下所示。

1.CV_TM_SQDIFF，平方差匹配法。得到的数值越小，说明越匹配。

$R(x, y)=\sum(I(x+m, y+n)-T(m, n))^{2}$

2.CV_TM_SQDIFF_NORMED，归一化平方差匹配法。得到的数值越小，说明越匹配。

$R(x, y)=\frac{\sum(I(x+m, y+n)-T(m, n))^{2}}{\sqrt{\sum T(m, n)^{2} \sum I(x+m, y+n)^{2}}}$

3.CV_TM_CCORR，相关匹配法。得到的数值越大，说明越匹配。该方法容易受背景干扰。

$R(x, y)=\sum(I(x+m, y+n) \cdot T(m, n))$

4.CV_TM_CCORR_NORMED，归一化相关匹配法。得到的数值越大，说明越匹配。该方法容易受背景干扰。

$R(x, y)=\frac{\sum(I(x+m, y+n) \cdot T(m, n))}{\sqrt{\sum T(m, n)^{2} \sum I(x+m, y+n)^{2}}}$

5.CV_TM_CCOEFF，相关系数法，也是零均值互相关法，将均值减去后，再计算相关性。得到的数值越大，说明越匹配。该方法应用性较优。

$R(x, y)=\sum((I(x+m, y+n)-\bar{I}) \cdot(T(m, n)-\bar{T}))$

6.CV_TM_CCOEFF_NORMED，归一化相关系数法。得到的数值越大，说明越匹配。该方法应用性较优。

$R(x, y)=\frac{\sum((I(x+m, y+n)-\bar{I}) \cdot(T(m, n)-\bar{T}))}{\sqrt{\sum(T(m, n)-T)^{2} \sum(I(x+m, y+n)-I)^{2}}}$

测试代码

#include <iostream>  
#include <opencv2\opencv.hpp>
#include <opencv2/highgui/highgui.hpp> using namespace cv;
using namespace std;int main()
{cv::Mat src = imread("test1.jpg");cv::Mat sample = imread("t.png");// 匹配cv::Mat result;matchTemplate(src, sample, result, CV_TM_CCOEFF);// 归一化normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());// 获取最小值double minValue; double maxValue; Point minLocation; Point maxLocation;Point matchLocation;minMaxLoc(result, &minValue, &maxValue, &minLocation, &maxLocation, Mat());matchLocation = maxLocation;// 框选结果cv::Mat draw = src.clone();rectangle(draw, matchLocation, Point(matchLocation.x + sample.cols, matchLocation.y + sample.rows), Scalar(255, 0, 0), 2, 8, 0);imshow("src", src);imshow("sample", sample);imshow("draw", draw);waitKey(0);return 0;
}