综合图像处理和自动化控制等领域的技术,将软硬件处理相结合,成功的解决了标志点自动识别和匹配的难题。使计算机辅助测量工作更加快速、精确、可靠。研究成果能极大地扩大计算机辅助测量应用领域。

实现模板匹配算法，在待测图像中寻找模板区域，计算中心点，角度。模板和待检测图像中的ROI区域大小不一致，光照不一致。识别率100%。抗干扰能力强。是个非常好的例子。

基于目标轮廓的图像匹配，首先需要能够较为准确提取目标的轮廓。能够抗一定的光照影响，遮挡影响，耗时比传统图像的模板匹配快。如果需要旋转角度的话，可以使用二分法或者每隔一定角度重复调用。 该代码是基于opencv2的，可以很方便的修改成opencv3

用SURF算法检测特征点，再用ORB算法去匹配

我图像处理课程设计做的金字塔模板匹配，极具商业价值，希望对整个中国的同行们有所帮助

科技的快速发展使汽车成为现代社会的重要代步工具,促生了新一代的智能交通系统,车牌识别技术作为智能交通的基石,为交通管理提供了技术支撑,使人们的驾车出行更为方便快捷。将车牌识别与计算机软件相结合,在MATLAB平台下,运用数字图像处理技术,对采集到的车辆图像进行相关操作,完成了对汽车牌照的定位和字符的分割。同时,将改进后的模板匹配识别方法运用到字符识别中,使系统正确识别出车牌字符,实现了自动识别汽车牌照的目的。

老外写的图像模板匹配算法，目标被遮挡也能匹配，可惜不能旋转匹配。

基于局部特征提取方法是图像处理、分析及模式识别领域的热点研究问题之一。由于该技术有着广泛的应用前景，已经吸引了很多学者的关注，并涌现出了大量的研究成果。利用 SIFT 算法提取出的特征点进行图像匹配，对于图像的模糊、旋转、平移和尺度变换具有很强的鲁棒性，甚至对图像光照和视点变化具有一定的鲁棒性。本文主要研究了基于 SIFT 局部图像特征点提取算法。首先对特征点提取的原理进行了详细研究，针对SIFT算法原理分模块进行了研究；然后本文对SIFT特征点在图像匹配和图像拼接领域的应用进行了讨论；最后，为了验证本文算法的有效性和优越性，本文进行了仿真实验实验。实验结果表明，SIFT特征点在图像匹配和图像拼接领域具有极强的适应性。当图像之间存在一定的图像旋转、光照变化和视点变化时，仍然具有满意的匹配效果。

SIFT特征匹配实现图像拼接（opencv ） ，代码直接能运行。

CVPR的一篇文章，里面有代码，论文和PPT，PPT比较简单PatchMatch A Randomized Correspondence Algorithm for Structural Image Editing