這個比較好玩，先來兩張照片

原圖：

模板：

效果：

原理：

假設有100*100畫素的一張原圖，模板大小5*5畫素，從（0，0）開始，根據不同的方法匹配模板大小即(0,0)到(5,5)空間，把用方法得到的值算作(0,0)這個畫素的特徵值，接下來重新從(0,1)，按照這樣從左到右，從上到下。

API:

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

imag：原影象

temp1：模板影象

result：使用method得到的結果，也就是畫素特徵值集合。

method：方法：有以下6種

差值平方和匹配                   CV_TM_SQDIFF標準化差值平方和匹配        CV_TM_SQDIFF_NORMED相關匹配                             CV_TM_CCORR標準相關匹配                      CV_TM_CCORR_NORMED相關匹配                             CV_TM_CCOEFF標準相關匹配                      

其中CV_TM_SQDIFF和 CV_TM_SQDIFF_NORMED值越小說明匹配度越高，取值為0~1

#include <iostream>
#include <opencv.hpp>
using namespace cv;
using namespace std;
char *name="Window";
int current=CV_TM_CCOEFF;//5
int max_value=5;
void cal_back(int ,void *);
Mat src,mould;
int main()
{
    src=imread("E:\\opencv\\yibu.jpg");
    mould=imread("E:\\opencv\\templt.jpg");
    namedWindow(name);

    createTrackbar("method",name,&current,max_value,cal_back);
    cal_back(0,0);
    waitKey(0);
    return 0;
}
void cal_back(int ,void *)
{
    Mat dst;
    int width=src.cols-mould.cols+1;
    int height=src.rows-mould.rows+1;
    Mat result;
    result.create(width,height,CV_32FC1);

    matchTemplate(src,mould,result,current,Mat());

    normalize(result,result,0,1,NORM_MINMAX);

    Point minloc;
    Point maxloc;
    double mymin,mymax;
    minMaxLoc(result,&mymin,&mymax,&minloc,&maxloc,Mat());
    cout<<"mymin"<<mymin;
    cout<<"mymax"<<mymax;
    src.copyTo(dst);
    Point temploc;
    if(current==CV_TM_SQDIFF||current==CV_TM_SQDIFF_NORMED)
    {
        temploc=minloc;
    }else{
        temploc=maxloc;
    }
    rectangle(dst,Rect(temploc.x,temploc.y,mould.cols,mould.rows),
              Scalar(0,0,255),2,LINE_AA);
    rectangle(result,Rect(temploc.x,temploc.y,mould.cols,mould.rows),
              Scalar(0,0,255),2,LINE_AA);
    imshow(name,result);
    imshow("dst",dst);
    imwrite("dst.jpg",dst);

}