模板匹配TemplateMatching是在图像中寻找目标的方法之一。原理很简单，就是在一幅图像中寻找和模板图像（patch）最相似的区域。在OpenCV中有对应的函数可以调用：
void matchTemplate( const Mat& image, const Mat& templ, Mat&result, int method );
该函数的功能为，在输入源图像Sourceimage（I）中滑动框，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。然后可以通过函数minMaxLoc定位矩阵R中的最大值（该函数也可以确定最小值）。那通过什么去评价两个图像相似呢？这就存在一个评价准则，也就是参数method，它可以有以下值（匹配的方法）：
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；
前面两种方法为越小的值表示越匹配，后四种方法值越大越匹配。
其中：
CV_TM_SQDIFF为：Sumof Squared Difference (SSD) 差值的平方和：
可以看到，上式的第一项（模板图像T的能量）是一个常数，第三项（图像I局部的能量）也可以近似一个常数，那么可以看到，剩下的第二项就是和cross correlation一样的，也就是互相关项。而SSD是数值越大，相似度越小，cross correlation是数值越大，相似度越大。
