一、理論基礎

• 基於相關的模板匹配技術可直接用於在一幅影象中，尋找某種子影象模式。對於大小為MxN的影象f(x,y)和大小為JxK的子影象模式w(x,y),f與w的相關可表示為：

• 其種，x=0,1,2,…N-K,y=0,1,2,…M-J。此處
  的目的是尋找匹配而不是對f(x,y)進行濾波操作，因此w的原點被設定在子影象的左上角，
  並且式(11-3) 給出的形式也完全適用於J和K 為偶數的情況。

• 計算相關c(x,y)的過程就是在影象f(x,y)中逐點地移動子影象w(x,小),使w 的原點和點
  (x,y)重合，然後計算w與f中被w覆蓋的影象區域對應畫素的乘積之和，以此計算結果作
  為相關影象c(x,)在(x,y)點的響應。

• 相關可用於在影象f(x,y)中找到與子影象w(x,y)匹配的所有位置。實際上，當w 按照上
  段中描述的過程移過整幅影象f之後，最大的響應點(xo,yo)即為最佳匹配的左上角點。我們
  也可以設定一個閾值T,認為響應值大於該閾值的點均是可能的匹配位置。

• 相關的計算是通過將影象元素和子模式影象元素聯絡起來獲得的，將相關元素相乘後累
  加。我們完全可以將子影象w視為一個按行或按列儲存的向量，將計算過程中被w覆蓋的影象區域視為另一個按照同樣的方式儲存的向量.這樣一來,相關計算就- 成了向量之間的點積運算。

兩個向量的點積為:

• 其中，Θ 為向量、之間的夾角。顯然，當
  和具有完全相同的方向(平行) 時，,從而式(11-4) 取得其最大值，這就意味著當影象的區域性區域類似於子影象模式時，相關運算產生最大的響應。然而，式(11-4) 最終的取值還與向量、自身的模有關，這將導致按照式(11-4) 計算的相關響應存在著對f和w 的灰度幅值比較敏感的缺陷。這樣一來，在f的高灰度區域，可能儘管其內容與子影象w的內容並不相近，但由於自身較大而同樣產生一個很高的響應。可通過對向量以其模值來歸一化解決這一問題，即通過來計算。
  

改進的用於匹配的相關計算公式如下:

二、程式碼部分

• 看了腦疼的理論，下面看看讓人愉快的程式碼吧。

TemplateMatch.h

#pragma once
#include<opencv2\opencv.hpp>
using namespace cv;
typedef unsigned char BYTE;
void TemplateMatch(Mat * pTo, Mat * pTemplate,Mat * src);

TemplateMatch.cpp

 #include"TemplateMatch.h"

void TemplateMatch(Mat * pTo, Mat * pTemplate, Mat * src)
{

    //迴圈變數
    int i, j, m, n;

    double dSumT; //模板元素的平方和
    double dSumS; //影象子區域元素的平方和
    double dSumST; //影象子區域和模板的點積    

                   //響應值
    double R;

    //記錄當前的最大響應
    double MaxR;

    //最大響應出現位置
    int nMaxX;
    int nMaxY;

    int nHeight = src->rows;
    int nWidth = src->cols;
    //模板的高、寬
    int nTplHeight = pTemplate->rows;
    int nTplWidth = pTemplate->cols;

    //計算 dSumT
    dSumT = 0;
    for (m = 0; m < nTplHeight; m++)
    {
        for (n = 0; n < nTplWidth; n++)
        {
            // 模板影象第m行，第n個象素的灰度值
            int nGray =*pTemplate->ptr(m, n);

            dSumT += (double)nGray*nGray;
        }
    }

    //找到影象中最大響應的出現位置
    MaxR = 0;
    for (i = 0; i < nHeight - nTplHeight + 1; i++)
    {
        for (j = 0; j < nWidth - nTplWidth + 1; j++)
        {
            dSumST = 0;
            dSumS = 0;

            for (m = 0; m < nTplHeight; m++)
            {
                for (n = 0; n < nTplWidth; n++)
                {
                    // 原影象第i+m行，第j+n列象素的灰度值
                    int nGraySrc = *src->ptr(i + m, j + n);

                    // 模板影象第m行，第n個象素的灰度值
                    int nGrayTpl = *pTemplate->ptr(m, n);

                    dSumS += (double)nGraySrc*nGraySrc;
                    dSumST += (double)nGraySrc*nGrayTpl;
                }
            }

            R = dSumST / (sqrt(dSumS)*sqrt(dSumT));//計算相關響應

            //與最大相似性比較
            if (R > MaxR)
            {
                MaxR = R;
                nMaxX = j;
                nMaxY = i;
            }
        }
    }

    //將找到的最佳匹配區域複製到目標影象
    for (m = 0; m < nTplHeight; m++)
    {
        for (n = 0; n < nTplWidth; n++)
        {
            int nGray = *src->ptr(nMaxY + m, nMaxX + n);
            //pTo->setTo(nMaxX + n, nMaxY + m, RGB(nGray, nGray, nGray));
            pTo->at<BYTE>(nMaxY + m, nMaxX + n) = nGray;
        }
    }

}   

測試程式碼

#include"TemplateMatch.h"
#include<iostream>

using namespace std;
int main()
{
    Mat src = imread("./src.jpg", 0);
    Mat Template = imread("./template.jpg", 0);
    Mat pt=src;
    pt.data = new BYTE[src.cols*src.rows];
    memset(pt.data, 255, src.cols*src.rows);
    TemplateMatch(&pt, &Template, &src);
    imshow("S", src);
    imshow("T", Template);
    imshow("P", pt);

    imwrite("S.jpg", src);
    imwrite("T.jpg", Template);
    imwrite("P.jpg", pt);
    waitKey(0);
    return 0;
}

效果如下：

    下面給出這個工程的百度雲連線：連結：http://pan.baidu.com/s/1jIuuT3w 密碼：veto

寫的不好的地方，還希望指正，O(∩_∩)O謝謝。
在這我要強烈推薦一本書：《數字影象處理與機器視覺 Visual C 與Matlab實現》，這本書寫的很基礎，適合初學者和研究人員