模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。所以模板匹配首先需要一个模板图像T（给定的子图像）另外需要一个待检测的图像-源图像S工作方法，在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。
匹配算法
- 计算平方不同
[{ m{R}}left( {x,y} ight) = sumlimits_{x',y'} {{{left( {T(x',y') - I(x + x',y + y')} ight)}^2}} ]
归一化处理：
[{ m{R}}left( {x,y} ight) = frac{{sum olimits_{{ m{x'}},y'} {{{(T(x',y') - I(x + x',y + y'))}^2}} }}{{sqrt {sum olimits_{{ m{x'}},y'} {T{{(x',y')}^2} ullet sum olimits_{x',y'} {I{{(x + x',y + y')}^2}} } } }}]
- 计算相关性
[{ m{R}}left( {x,y} ight){ m{ = }}sumlimits_{{ m{x'}},y'} {(T(x',y') ullet I(x + x',y + y'))} ]
归一化处理：
[Rleft( {x,y} ight) = frac{{sum olimits_{{ m{x'}},y'} {(T(x',y') ullet I(x + x',y + y'))} }}{{sqrt {sum olimits_{{ m{x'}},y'} {T{{(x',y')}^2} ullet sum olimits_{x',y'} {I{{(x + x',y + y')}^2}} } } }}]
- 计算相关系数
$${ m{R}}left( {x,y} ight) = sumlimits_{x',y'} {left( {T(x',y') - I(x + x',y + y')} ight)} $$
$$T'left( {x',y'} ight) = T(x',y') - frac{1}{{w ullet h}}sum olimits_{x'',y''} {T(x'',y'')} $$
$$I'(x + x',y + y') = I(x + x',y + y') - frac{1}{{w ullet h}}sum olimits_{x'',y''} {I(x + x'',y + y'')} $$
归一化处理：
[{ m{R}}left( {x,y} ight) = frac{{sum olimits_{{ m{x'}},y'} {(T'(x',y') ullet I'(x + x',y + y'))} }}{{sqrt {sum olimits_{{ m{x'}},y'} {T{{(x',y')}^2} ullet sum olimits_{x',y'} {I'{{(x + x',y + y')}^2}} } } }}]
下图左上角为模板，大图为匹配的效果。
matchTemplate(src, muban, result, match_method, Mat()); //src为原图像, muban为模板图像，result为输出结果，必须是单通道32位浮点数， //假设源图像WxH,模板图像wxh,则结果必须为W-w+1, H-h+1的大小。match_method为匹配方法。
match_method匹配方法如下表所示：
