VisionWare中的理论，自己编写的代码。

1.基本术语

   特征：图像中的特定灰度值或边缘模式。特征是实际图像中的一部分。

   模式：特征的抽象表示，包括：灰度值或边缘组，模式尺寸，对比度等。

   定位核：也称为模板图像，其中包含搜索模式。

   实时图像：也称为搜索图像，在其中定位和定位核相同的模式。

   分数：实时图像中，当前模式和定位核的相似性度量。分数量化到0.0和1.0之间；分数越高，匹配更为接近。

   掩模：将定位核中每个像素设定为相关或无关像素。

2.相似性度量（归一化相关系数和分数）

   数学上，定位核和实时图像偏移（u,v）处的相关系数r定义为

http://s10/mw690/4ae37197tx6CbHWWmlrb9&690

其中I为实时图像；M为定位核；m和n分别为定位核的宽度和长度；N=m×n。实时图像和定位核的空间关系如下图所示。

http://s10/mw690/4ae37197tx6CbI9iOr799&690

    r的值域范围在[-1,1]。值为1.0表示实时图像和定位核区域完全匹配。特别的，如果r=1.0，则存在a和b，对所有位置处i，有

http://s9/mw690/4ae37197tx6CbIFc1w438&690

值为-1.0表示完全误匹配，其中a<0，发现的模式和定位核极性相反。

    我们可以直接用相关系数作为相似性度量。但我们倾向于用r^2的形式，其基于以下两点理由：（1）在相关系数计算中，对分子取平方较对分母开平方根运算速度更快；（2）对r取平方，其拓宽高端的动态范围，并压缩低端的动态范围，正好我们关注高端，而不关注低端。

    对r^2形式的相似性度量，我们称为分数，其有以下两种形式

http://s10/mw690/4ae37197tx6CbJ2AWz789&690

3.代码

先把公式中各分量的计算公式写成函数，总共有5个

http://s4/mw690/4ae37197tx6CbK8RlHZd3&690

http://s9/mw690/4ae37197tx6CbNlDjy848&690

http://s5/mw690/4ae37197tx6CbKLzyF654&690
http://s1/mw690/4ae37197tx6CbKQYIXC80&690

http://s6/mw690/4ae37197tx6CbKZATYh25&690
根据上面5个公式，直接写匹配函数，该函数遍历了待匹配图像的所有的可能偏移位置，最后找到一个相似度最高的

http://s1/mw690/4ae37197tx6CbLKpM3Ka0&690

http://s3/mw690/4ae37197tx6CbLKqMIq72&690

http://s1/mw690/4ae37197tx6CbLKrYpaf0&690

直接利用openCV里的函数读取模板和待匹配图像，利用match函数即可，其最佳匹配结果保存在类私有变量temp中，该成员是一个结构，在match中可以看到其内部结构，x,y即为定位位置，val为相似度。
http://s12/mw690/4ae37197tx6CbLTANCP5b&690
以上所有函数均通过本人测试，由于算法遍历了所有情况，故运行速度比较慢，可利用搜索策略进行优化。