void cv::matchTemplate( cv::InputArray image, // 待匹配图像W*H
cv::InputArray templ, // 模板图像，和image类型相同， 大小 w*h
cv::OutputArray result, // 匹配结果图像, 类型 32F, 大小 (W-w+1)*(H-h+1)
int method // 用于比较的方法
);
1.result数据的含义
模板匹配函数cvMatchTemplate依次计算模板与待测图片的重叠区域的相似度，并将结果存入映射图像result当中，也就是说result图像中的每一个点的值代表了一次相似度比较结果。
2.result的尺寸大小
如图可知，模板在待测图像上每次在横向或是纵向上移动一个像素，并作一次比较计算，由此，横向比较W-w+1次，纵向比较H-h+1次，从而得到一个（W-w+1）×（H-h+1）维的结果矩阵，result即是用图像来表示这样的矩阵,因而图像result的大小为（W-w+1）×（H-h+1）。匹配结果图像与原图像之间的大小关系，他们之间差了一个模板大小。
3.如何从result中获得最佳匹配区域
使用函数cvMinMaxLoc(result,&min_val,&max_val,&min_loc,&max_loc,NULL);从result中提取最大值（相似度最高）以及最大值的位置（即在result中该最大值max_val的坐标位置max_loc，即模板滑行时左上角的坐标，类似于图中的坐标（x,y）。
由此得到：rect=cvRect(max_loc.x,max_loc.y,tmp->width,tmp->height); rect表示最佳的匹配的矩形区域。
1 #include "opencv2/highgui/highgui.hpp"
2 #include "opencv2/imgproc/imgproc.hpp"
3 #include <iostream>
4 using namespace cv; 5
6
7 //-----------------------------------【宏定义部分】-------------------------------------------- 8 // 描述：定义一些辅助宏 9 //------------------------------------------------------------------------------------------------
10 #define WINDOW_NAME1 "【原始图片】" //为窗口标题定义的宏
11 #define WINDOW_NAME2 "【匹配窗口】" //为窗口标题定义的宏
12
13 //-----------------------------------【全局变量声明部分】------------------------------------ 14 // 描述：全局变量的声明 15 //-----------------------------------------------------------------------------------------------
16 Mat g_srcImage; 17 Mat g_templateImage; 18 Mat g_resultImage; 19 int g_nMatchMethod; 20 int g_nMaxTrackbarNum = 5; 21
22 //-----------------------------------【全局函数声明部分】-------------------------------------- 23 // 描述：全局函数的声明 24 //-----------------------------------------------------------------------------------------------
25 void on_Matching(int, void*); 26 static void ShowHelpText(); 27
28
29 //-----------------------------------【main( )函数】-------------------------------------------- 30 // 描述：控制台应用程序的入口函数，我们的程序从这里开始执行 31 //-----------------------------------------------------------------------------------------------
32 int main() 33 { 34
35
36
37 //【1】载入原图像和模板块
38 g_srcImage = imread("1.jpg", 1); 39 g_templateImage = imread("2.jpg", 1); 40
41 //【2】创建窗口
42 namedWindow(WINDOW_NAME1, CV_WINDOW_AUTOSIZE); 43 namedWindow(WINDOW_NAME2, CV_WINDOW_AUTOSIZE); 44
45 //【3】创建滑动条并进行一次初始化
46 createTrackbar("方法", WINDOW_NAME1, &g_nMatchMethod, g_nMaxTrackbarNum, on_Matching); 47 on_Matching(0, 0); 48
49 waitKey(0); 50 return 0; 51
52 } 53
54 //-----------------------------------【on_Matching( )函数】-------------------------------- 55 // 描述：回调函数 56 //-------------------------------------------------------------------------------------------
57 void on_Matching(int, void*) 58 { 59 //【1】给局部变量初始化
60 Mat srcImage; 61 g_srcImage.copyTo(srcImage); 62
63 //【2】初始化用于结果输出的矩阵
64 int resultImage_cols = g_srcImage.cols - g_templateImage.cols+1 ; 65 int resultImage_rows = g_srcImage.rows - g_templateImage.rows +1; 66 g_resultImage.create(resultImage_cols, resultImage_rows, CV_8UC3); 67
68 //【3】进行匹配和标准化→g_srcImage待匹配的源图像，g_templateImage模板图像 69 //g_resultImage保存结果的矩阵，我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置. 70 //g_nMatchMethod模板匹配的算法
71 matchTemplate(g_srcImage, g_templateImage, g_resultImage, g_nMatchMethod); 72 //normalize查找全局最小和最大稀疏数组元素并返回其值及其位置
73 normalize(g_resultImage, g_resultImage, 0, 1, NORM_MINMAX, -1); 74
75 //【4】通过函数 minMaxLoc 定位最匹配的位置
76 double minValue; 77 double maxValue; 78 Point minLocation; 79 Point maxLocation; 80 Point matchLocation; 81 minMaxLoc(g_resultImage, &minValue, &maxValue, &minLocation, &maxLocation, Mat()); 82
83 //【5】对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值有着更高的匹配结果. 而其余的方法, 数值越大匹配效果越好
84 if (g_nMatchMethod == CV_TM_SQDIFF || g_nMatchMethod == CV_TM_SQDIFF_NORMED) 85 { 86 matchLocation = minLocation; 87 } 88 else
89 { 90 matchLocation = maxLocation; 91 } 92
93 //【6】绘制出矩形，并显示最终结果
94 rectangle(srcImage, matchLocation, Point(matchLocation.x + g_templateImage.cols, matchLocation.y + g_templateImage.rows), Scalar(0, 0, 255), 2, 8, 0); 95 rectangle(g_resultImage, matchLocation, Point(matchLocation.x + g_templateImage.cols, matchLocation.y + g_templateImage.rows), Scalar(0, 0, 255), 2, 8, 0); 96
97 imshow(WINDOW_NAME1, srcImage); 98 imshow(WINDOW_NAME2, g_resultImage); 99
100 }
void minMaxLoc(const SparseMat& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0);
参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。