OpenCv给出的MatchTemplate函数，是在一幅图像中寻找与另一幅模板图像最匹配(相似)部分。
一.参数详解
MatchTemplate(InputArray image, InputArray templ, OutputArray result, int method);
image：输入一个待匹配的图像，支持8U或者32F。
templ：输入一个模板图像，与image相同类型。
result：输出保存结果的矩阵，32F类型。
method：要使用的数据比较方法。
1.result
result是一个结果矩阵，假设待匹配图像为 I，宽高为(W,H)，模板图像为 T，宽高为(w,h)。那么result的大小就为(W-w+1,H-h+1) 。
原因是因为，在匹配时，以模板大小的搜索框依次遍历整张图片时，每行需要遍历(W-w+1)次，每列需要遍历(H-h+1)。
以下列矩阵为例：
待匹配图像 I.Size(5,5)，模板图像 T.Size(3,3)。以Size(3,3)的搜索框遍历图像I时，x方向需要遍历3次，y方向遍历3次。
多观察发现，归纳出result.Size(W-w+1,H-h+1)。
2.method
T 代表模板图像，I 代表待匹配图像。
x ,y 代表当前搜索框在 I 矩阵中左上角元素的坐标。
x' ,y' 代表T和搜索框框出来的 I 的矩阵的元素坐标。
如下图：以归一化相关系数匹配方法为例。
此时搜索框左上角坐标(x,y)=(0,0)。
对此搜索框内的矩阵和模板矩阵进行数据比较。
第一步：去均值。
第二步：求俩矩阵内积，以及两个矩阵内元素平方和的平方的乘积。
对公式研究发现：
方差匹配方法：完全匹配会得到1， 完全不匹配会得到0。
归一化方差匹配方法：完全匹配结果为0。
相关性匹配方法：完全匹配会得到很大值，不匹配会得到一个很小值或0。
归一化的互相关匹配方法：完全匹配会得到1， 完全不匹配会得到0。
相关系数匹配方法：完全匹配会得到一个很大值，完全不匹配会得到0，完全负相关会得到很大的负数。
（此处与书籍以及大部分分享的资料所认为不同，研究公式发现，只有归一化的相关系数才会有[-1,1]的值域）
归一化的相关系数匹配方法：完全匹配会得到1，完全负相关匹配会得到-1，完全不匹配会得到0。
如有错误，敬请指正，谢谢！