使用opencv cvMatchTemplate时，如何选择好的模板进行更精准的匹配？
when using opencv cvMatchTemplate, how to choose a good template for more accurate matching?
我正在使用 opencv cvMatchTemplate 在一堆图像中查找商标图案。
现在我所做的就是看图片，从商标中找到一些独特的补丁，并将其用作我的模板。
我发现使用整个商标图像并不一定比使用其中的一部分更好。我的问题是
这正常吗？或者我做错了。
如果是正常的，如何选择好的模板才能更准确的匹配呢？
或者说select好的模板背后有什么数学理论可以帮助我select最好的模板
我没有使用特征检测，因为我发现它作为模板匹配并不准确。
为什么模板匹配与特征检测一样有效（当每个人似乎都喜欢特征检测时）
模板匹配不同于特征检测，因为它假定您要查找的内容与模板位于同一平面（图像平面）。 “变形”模板将不起作用（与变形模板匹配的模板称为数字图像相关）。
因此，如果您要在与相机对齐的 sheet 纸张图像中寻找徽标，那么模板匹配就是您的事，但如果您要在随机文件中寻找徽标街道图像，然后进行特征检测。
模板匹配是如何工作的？
好吧，openCV 有一个很好的例子：
http://docs.opencv.org/doc/tutorials/imgproc/histograms/template_matching/template_matching.html
为什么一个模板的效果和整个模板一样好？
但是您想知道为什么只是模板的一部分就和整个模板一样好（并非总是如此，但可能会发生）。
这很容易理解：模板的“部分”有足够的信息可以识别。
示例*：
如果我让你找下图，你能找准吗？
我希望答案是肯定的。为什么不需要整张图片才能找到它？
->因为图像的那部分信息足够多，可以准确识别！你不需要整张图片！
但是，如果我给你下面的图片：
您将无法识别该徽标，因为至少还有 3 或 4 个其他徽标带有黄色。
我怎么知道我的模板是否足够好？
没有办法“肯定”知道一个模板是否足以被唯一识别，但有办法知道图像中是否有信息。
由于模板匹配依赖于相关系数和平方和系数，这意味着模板具有的“不同”信息量越多越好。这可以用图像梯度的总和来近似。
计算模板在X和Y方向的梯度并求和，然后求和。这个数字越大，模板越好！**
*徽标是一个很好的例子，我与这些公司没有任何关系。
中得到了数学证明
我正在使用 opencv cvMatchTemplate 在一堆图像中查找商标图案。
现在我所做的就是看图片，从商标中找到一些独特的补丁，并将其用作我的模板。 我发现使用整个商标图像并不一定比使用其中的一部分更好。我的问题是
这正常吗？或者我做错了。
如果是正常的，如何选择好的模板才能更准确的匹配呢？
或者说select好的模板背后有什么数学理论可以帮助我select最好的模板
我没有使用特征检测，因为我发现它作为模板匹配并不准确。
为什么模板匹配与特征检测一样有效（当每个人似乎都喜欢特征检测时）
模板匹配不同于特征检测，因为它假定您要查找的内容与模板位于同一平面（图像平面）。 “变形”模板将不起作用（与变形模板匹配的模板称为数字图像相关）。
因此，如果您要在与相机对齐的 sheet 纸张图像中寻找徽标，那么模板匹配就是您的事，但如果您要在随机文件中寻找徽标街道图像，然后进行特征检测。
模板匹配是如何工作的？
好吧，openCV 有一个很好的例子： http://docs.opencv.org/doc/tutorials/imgproc/histograms/template_matching/template_matching.html
为什么一个模板的效果和整个模板一样好？
但是您想知道为什么只是模板的一部分就和整个模板一样好（并非总是如此，但可能会发生）。
这很容易理解：模板的“部分”有足够的信息可以识别。
示例*：
如果我让你找下图，你能找准吗？
我希望答案是肯定的。为什么不需要整张图片才能找到它？
->因为图像的那部分信息足够多，可以准确识别！你不需要整张图片！
但是，如果我给你下面的图片：
您将无法识别该徽标，因为至少还有 3 或 4 个其他徽标带有黄色。
我怎么知道我的模板是否足够好？
没有办法“肯定”知道一个模板是否足以被唯一识别，但有办法知道图像中是否有信息。
由于模板匹配依赖于相关系数和平方和系数，这意味着模板具有的“不同”信息量越多越好。这可以用图像梯度的总和来近似。
计算模板在X和Y方向的梯度并求和，然后求和。这个数字越大，模板越好！**
*徽标是一个很好的例子，我与这些公司没有任何关系。
中得到了数学证明