列挙型
enum	cv::TemplateMatchModes { cv::TM_SQDIFF = 0 , cv::TM_SQDIFF_NORMED = 1 , cv::TM_CCORR = 2 , cv::TM_CCORR_NORMED = 3 , cv::TM_CCOEFF = 4 , cv::TM_CCOEFF_NORMED = 5 }
	テンプレートマッチング操作のタイプ[【詳解】（英語］

関数
CV_EXPORTS_W void	cv::matchTemplate (InputArray image, InputArray templ, OutputArray result, int method, InputArray mask=noArray())
	オーバーラップした画像領域に対してテンプレートを比較します。[【詳解】（英語］

詳解

列挙型詳解

◆ TemplateMatchModes

enum cv::TemplateMatchModes

テンプレートマッチング操作のタイプ

列挙値
TM_SQDIFF	$R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2$ マスク付き $R(x,y)= \sum _{x',y'} \left( (T(x',y')-I(x+x',y+y')) \cdot M(x',y') \right)^2$
TM_SQDIFF with mask: TM_SQDIFF_NORMED	$R(x,y)= \frac{\sum_{x',y'} (T(x',y')-I(x+x',y+y'))^2}{\sqrt{\sum_{ x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$ マスク付き $R(x,y)= \frac{\sum _{x',y'} \left( (T(x',y')-I(x+x',y+y')) \cdot M(x',y') \right)^2}{\sqrt{\sum_{x',y'} \left( T(x',y') \cdot M(x',y') \right)^2 \cdot \sum_{x',y'} \left( I(x+x',y+y') \cdot M(x',y') \right)^2}}$
TM_CCORR	$R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))$ マスク付き $R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y') \cdot M(x',y') ^2)$
tm_ccorr_normed	$R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I(x+x',y+y'))}{\sqrt{ \sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}$ マスク付き $R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I(x+x',y+y') \cdot M(x',y')^2)}{\sqrt{\sum_{x',y'} \left( T(x',y') \cdot M(x',y') \right)^2 \cdot \sum_{x',y'} \left( I(x+x',y+y') \cdot M(x',y') \right)^2}}$
TM_CCOEFF	$R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I'(x+x',y+y'))$ ここで $\begin{array}{l} T'(x',y')=T(x',y') - 1/(w \cdot h) \cdot \sum _{ x'',y''} T(x'',y'') \\ I'(x+x',y+y')=I(x+x',y+y') - 1/(w \cdot h) \cdot \sum _{x'',y''} I(x+x'',y+y'') \end{array}$ マスク付き $\begin{array}{l} T'(x',y')=M(x',y') \cdot \left( T(x',y') - \frac{1}{\sum _{x'',y''} M(x'',y'')} \cdot \sum _{x'',y''} (T(x'',y'') \cdot M(x'',y'')) \right) \\ I'(x+x',y+y')=M(x',y') \cdot \left( I(x+x',y+y') - \frac{1}{\sum _{x'',y''} M(x'',y'')} \cdot \sum _{x'',y''} (I(x+x'',y+y'') \cdot M(x'',y'')) \right) \end{array}$
tm_ccoeff_normed	$R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }$

関数詳解

◆ matchTemplate()

CV_EXPORTS_W void cv::matchTemplate	(	InputArray	image,
		InputArray	templ,
		OutputArray	result,
		int	method,
		InputArray	mask = `noArray()`
	)

オーバーラップした画像領域に対してテンプレートを比較します。

この関数は，画像をスライドさせ，サイズの異なるオーバーラップしたパッチを，指定された方法でテンプレートと比較します。 $w \times h$ templ に対して，指定された方法で比較を行い，比較結果を result に格納します．TemplateMatchModesには，利用可能な比較手法の式が記述されています ( $I$ は，画像を表します． $T$ template を表します． $R$ result を表します． $M$ オプションのマスク）。和算は，テンプレートや画像パッチに対して行われます． $x' = 0...w-1, y' = 0...h-1$

この関数が比較を終えた後，ベストマッチは，グローバルな最小値（TM_SQDIFFが利用された場合）または最大値（TM_CCORRまたはTM_CCOEFFが利用された場合）に，関数minMaxLoc関数を使います．カラー画像の場合，テンプレートの分子の和と，分母の各和は，すべてのチャンネルに対して行われ，各チャンネルに対して別々の平均値が用いられます．つまり，この関数は，カラーテンプレートとカラー画像を受け取ることができます．結果は，やはりシングルチャンネルの画像となり，解析が容易になります．

引数

image	検索が行われる画像．8ビットまたは32ビット浮動小数点でなければなりません．
templ	検索されたテンプレート。元画像より大きくてはならず，同じデータ型でなければなりません．
result	比較結果のマップ。シングルチャンネルの32ビット浮動小数点である必要があります。もし，image が $W \times H$ で，templ が $w \times h$ であるならば，result は $(W-w+1) \times (H-h+1)$ .
method	比較手法を指定するパラメータ，参照TemplateMatchModes
mask	オプションのマスク．templ と同じサイズでなければなりません。これは，テンプレートと同じ数のチャンネルを持つか，あるいは1つのチャンネルのみを持つ必要があります．データ型が #CV_8U の場合，マスクはバイナリマスクとして解釈されます．つまり，マスクが0ではない要素のみが利用され，実際のマスク値（重みは1に等しい）とは無関係に変更されません．また，#CV_32F のデータでは，マスクの値が重みとして用いられます。正確な計算式は以下に記載されています。TemplateMatchModes.