图像模板匹配源代码，好用，希望大家下载，找了好久才找到的东西啊，

提出了一种基于人脸肤色信息和模板匹配，对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下，利用肤色信息将彩色图像中的肤色区域和非肤色区域分开，计算得到表示肤色相似度的色度图，然后分割由此色度图所生成的灰度图像，从而得到人脸检测的候选区域，同时计算该区域的欧拉数来进一步缩小人脸搜索的范围，结合人脸模板进行匹配，最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸，误检率较低。

在图像中找到适合模板 Itm 的对象。 模板不必适合图像中对象的大小。 该程序扫描模板与图像的各种尺寸比例，以找到最佳匹配的位置和尺寸比例。 该函数可以使用多种方法来跟踪图像中的模板，包括：广义霍夫变换、归一化互相关和其他形式的模板匹配。 程序返回标有模板的图像，图像中模板的边界为二值图像，以及匹配的位置和大小比例。 文档和说明出现在自述文件中。

简单的模板匹配。 在图像 (Is) 的边缘图像中查找模板 (Itm)。 返回模板在图片中的位置以及该点匹配的分数。 将图像上的模板位置标记为图像 (Is)。 输入： 1) 应在其中找到模板的灰度图像 (​​Is)。 2）模板二进制图像（Itm）。 方法： 在模板（Itm）和灰度图像（Is）的canny边缘图像之间使用简单的模板匹配（Cross correlation）。 模板的大小（Itm）和图像中要识别的对象i的大小（Is）必须相同。 对于识别图像中模板的类似功能，即使对象不符合模板大小，请参阅“简单模板匹配与可变图像模板大小比”。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

基于模板匹配的验证码识别，经过灰度化、二值化、去噪、垂直投影分割以及模板匹配几个步骤

OpenCV–模板匹配 模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1) 匹配方法： 公式参考官网：opencv TM_SQDIFF：计算平方不同，计算出来的值越小，越相关 TM_CCORR：计算相关性，计算出来的值越大，越相关 TM_CCOEFF：计算相关系数，计算出来的值越大，越相关 TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接

车牌定位分割，字符识别使用多模板匹配法的MATLAB算法

针对HOG 算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.

该程序主要可实现一下两种功能： 1) 相关计算就成了向量之间的点积运算, 相关运算产⽣最⼤的响应,则表明图像的局部区域类似于⼦图像模式。 2) ⼀种提升计算效率的⽅法是在频域中实现相关；具体思路在频域下实现相关，再变换回空域得到响应图像。 如有疑问，可私信博主。