OpenCV学习 第38集 图像模板匹配 matchTemplate()

1.概述

图像处理过程中，计算机视觉技术的应用通常涉及图像匹配过程。图像匹配本质上是对不同图像进行对比分析，以确定它们之间的相似程度。在机器识别系统中，该过程旨在将来自不同传感器或同一传感器在不同时间、不同成像条件下获取的多幅图像进行空间对准，或者依据已知模式在另一幅图像中定位对应的模式。目前，图像匹配方法主要分为基于灰度和基于特征两大类，其中基于特征的配准方法受到较多关注。

基于灰度的模板匹配方法因其原理简单，在光照条件良好的情况下能够实现较为理想的匹配效果。因此，在本方案中，针对输入的模板图像，在采集到的图像中寻找进一步匹配目标时可采用该方法。

基于特征的匹配方法需要首先从各幅图像中提取特征点，并完成这些特征点之间的匹配操作。通过已匹配的特征点建立两幅图像之间的映射关系，从而实现图像间的配准。一般来说，特征点的提取相对容易，并且具备对分辨率变化、旋转、平移以及光照差异等具有一定的鲁棒性。因此，在利用模板匹配获取目标图像后，可以进一步开展基于特征的配准工作。

当前广泛应用的基于特征匹配的方法包括：FAST、HARRIS、SIFT、SURF、SUSAN等算法。其中SIFT算法由D.G.Lowe于1999年提出，并于2004年进行了系统总结和完善。作为一种具有较强鲁棒性的尺度不变特征描述方法，SIFT算法在实际应用中表现出色；然而其计算数据量较大、时间复杂度高且运