模版匹配

    所谓模板匹配是一种用于在源图像I中寻找并且定位给定的目标图像T（即模板图像）的技术，在输入源图像Source image（I）中滑动目标图像T，寻找各个位置与模板图像Template image（T）的相似度，并将结果保存在结果矩阵result matrix（R）中。该矩阵的每一个点的亮度表示与模板T的匹配程度。 

    两个图像块之间的相似度可以通过一些相似度准则来衡量：

           CV_TM_SQDIFF平方差匹配法，最好的匹配为0，值越大匹配越差

           CV_TM_SQDIFF_NORMED归一化平方差匹配法

           CV_TM_CCORR相关匹配法，采用乘法操作，数值越大表明匹配越好

           CV_TM_CCORR_NORMED归一化相关匹配法

           CV_TM_CCOEFF相关系数匹配法，最好的匹配为1，-1表示最差的匹配

           CV_TM_CCOEFF_NORMED归一化相关系数匹配法

    上面提到的归一化方法很有用，它可以帮助我们减少模版和图像上光照变化所产生的影响。

前面讲了直方图的反向投影，它对比的是直方图，而这里讲的模版匹配比较的是源图像和模版图像的像素，模版匹配的特点是简单且直接，但是他的缺点也是非常明显的，它不具有旋转不变性、缩放不变性以及尺度不变性，其应用受到限制。

    相对于模版匹配，提一下特征点的匹配，使用SIFT提取出的特征点进行匹配，具有旋转、缩放、尺度不变性，可以应用在图像拼接、三维重建中。