看到有人用opencv的模板匹配，其实更多的是相关系数匹配!
从前讲了很多相关系数，就是没去做！其实就是计算复杂度太大，不值得，那是刚好实现了基于形状轮廓的匹配，心思不在opencv上，而且一直从底层写起，故而，只学习opencv，从来很少调用opencv，到目前为止，从2011接触opencv算起，屈指可数用过的opencv调用，1，人脸识别，这个自己实在写不出来，或许不是写不出，只是一门心思在机器视觉上，机器视觉都全部完成了，所以，不是写不出来的问题，是学习舍得之道！
2，自己的机器视觉中用到canny，写了很多版本，接近opencv canny，所以，偶尔做对比时，把玩其精髓为何？
3，就是昨天今天用的这个cvtemplateMatch，即就是ncc相关系数匹配！
opencv像一个老朋友，陪伴15年了！虽然opencv版本已经足够好，足够多，我还是用这个十几兆的opencv1.0！
好，回归正题：
匹配，关键在速度和稳定性以及精确度，这是工业机器视觉的硬指标！
我们的兴趣在于，最初的理想，先使用笨方法（不拐弯的直觉）实现，然后一步一步达成上面的三个硬指标！
好，我们先达成！
第一，虽然我们说的是ncc，但一写起代码，我就惯性思维到轮廓匹配实现，走了弯路，实际opencv很直接，简单！人家是模板匹配，你非要把自己的轮廓再还原成图像模板再匹配，这是退步！
第二，原图不容易旋转，只旋转roi图像（模板）中提炼的轮廓点，这个当量极其小！而ncc是旋转原图像（假定中心旋转），roi图像（模板）不旋转！今天想明白这个道理，roi图像旋转，会出现不必要的补足像素，而这些补足像素不在原图中，所以匹配失败是必然的！
好，纠正了这两步，这就回归了opencv模板匹配正道！
1，我的相机是5472*3648：（如果在这样的图像里取模板匹配，工业现场就得挂机！）
2，我们高斯平滑后，每4行4列取一个像素，图像变成1368*912，这就是他们说的金字塔图像！
3，最关键，我们就在这个1368*912中取模板，并完成匹配！为什么这个可以，他的原理是：
高斯核是构建尺度（缩放）空间变换的唯一线性核（尺度空间 图像G(x,y,σ) 定义为原始图像 I(x,y) 与高斯核 σ 的卷积）筹备和证明整理-CSDN博客
好，opencv代码很简单：
a，把1368*912处理成canny图像：（这里截图出来的模板就是canny图像），道理很简单，我们用二值特征图像，获取模板，然后在回二值特征图像匹配！
b，我们完成的是+-45度的匹配，二值特征图像很方便旋转处理！
注意2436，844这个绿框的起始点，我们用来验证匹配结果：
610，211；你乘以4等于2440，844
他返回最大值：
以上是0度匹配，我们看看1度，2度，3度结果最大值以及对应的坐标：
这幅图像静止，还没动，可以知道，旋转45度，只有0度最好，因为opencv给出最大值为最佳匹配结果！
显然，图像动一动，比如10度，那么，再做一次0-45度旋转，可以预见10最好!
这样，我们就简单粗暴的实现了opencv的ncc相关系数匹配！
opencv 相关系数匹配源代码如下：
IplImage* pTest8byte=cvCreateImage(cvSize(localww1per4,localhh1per4 ),8,1);//使用了8位灰度图像
cvSetData(pTest8byte,temp_buffer256192,localww1per4);//测试成功ok201911101905
IplImage* cannyimg=cvCreateImage(cvSize(pTest8byte->width,pTest8byte->height),8,1);
cvCanny(pTest8byte,cannyimg,50,150,3);
//cvSaveImage("c:\\opencvcannyimg202407251047.bmp",cannyimg);
memcpy(globgaospydoutimgN精细for90,cannyimg->imageDataOrigin,localww1per4*localhh1per4);//canny图像也是255及0二值图像吗？
// //范例opencv
// //读取图像和模板
// IplImage* img = cvLoadImage("input.jpg", CV_LOAD_IMAGE_GRAYSCALE);
//IplImage* templ = cvLoadImage("template.jpg", CV_LOAD_IMAGE_GRAYSCALE);
IplImage* templ;
IplImage* result;
//for(int cv=0;cv<91;cv++)//先完成一个0度匹配，试一试opencv的函数
// {
//IplImage*
templ=cvCreateImage(cvSize(globroiww, globroihh ),8,1);//使用了8位灰度图像,模板图像
cvSetData(templ, globroiImg,globroiww);
////使用 matchTemplate 进行匹配
list<CvPoint> lp ;
list<double> lpValue ;
for(int m_baoguang=0;m_baoguang<=45;m_baoguang++)
{
int 输出w=0;int 输出h=0;
byte * 输出图像;
double 弧度=m_baoguang*3.1415926/180;
//旋转0-45度//请确认是角度弧度？//弧度
RotateNormal((BYTE *)cannyimg->imageDataOrigin,输出图像, localww1per4, localhh1per4,//1368*912图像
输出w,输出h,弧度);
//IplImage*
result = cvCreateImage(cvSize(输出w - templ->width + 1, 输出h - templ->height + 1), IPL_DEPTH_32F, 1);
IplImage* pTest8byteM=cvCreateImage(cvSize(输出w,输出h ),8,1);//使用了8位灰度图像
cvSetData(pTest8byteM,输出图像,输出w);//测试成功ok201911101905
//ncc匹配//这里的cannyimg要旋转，并记录每个角度的成绩和位置
cvMatchTemplate(pTest8byteM, templ, result, CV_TM_CCOEFF);
cvReleaseImage(&pTest8byteM);
CvPoint minLoc, maxLoc;
double minVal, maxVal;
cvMinMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, 0);
lpValue.push_back(maxVal);
lp.push_back(maxLoc);
}
for(int i=315;i<=359;i++)
{}
opencv模板学习代码如下：
IplImage* pTest8byte=cvCreateImage(cvSize(localww1per4,localhh1per4 ),8,1);//使用了8位灰度图像
cvSetData(pTest8byte,temp_buffer256192,localww1per4);//测试成功ok201911101905
IplImage* cannyimg=cvCreateImage(cvSize(pTest8byte->width,pTest8byte->height),8,1);
cvCanny(pTest8byte,cannyimg,50,150,3);
//cvSaveImage("c:\\opencvcannyimg202407251047.bmp",cannyimg);
memcpy(globgaospydoutimgN精细for45,cannyimg->imageDataOrigin,localww1per4*localhh1per4);//cannyimg->imageData好于imageDataOrigin,要做测试，是否要改？
byte* roiImage = new byteroiww \* roihh;
this->globroiImg = new byteroiww \* roihh;globroiww=roiww;globroihh=roihh;
int te= roitop * localww1per4 +roileft;
for (int i = 0; i < roihh; i++)
for (int j = 0; j < roiww; j++)
{
globroiImgi \* roiww + j = roiImagei \* roiww + j = globgaospydoutimgN精细for45i \* localww1per4 + j +te ;
}
图像旋转源码：