c++ opencv模板匹配后是否需要归一化

matchTemplate执行后是否需要归一化处理取决于所使用的匹配方法。‌

OpenCV的matchTemplate函数提供了多种匹配方法，每种方法对结果的处理方式不同：

1. ‌平方差匹配（cv2.TM_SQDIFF）‌：此方法通过计算模板与图像区域之间的平方差来进行匹配。平方差越小，匹配程度越高。最佳匹配是在结果矩阵中的最小值处找到的，通常不需要归一化处理‌12。

2. ‌归一化平方差匹配（cv2.TM_SQDIFF_NORMED）‌：与平方差匹配类似，但结果会被归一化到0（完全不匹配）到1（完美匹配）的范围内。这使得比较不同大小的图像或模板时更为方便。最佳匹配同样是在结果矩阵中的最小值处找到的‌12。

3. ‌相关匹配（cv2.TM_CCORR）‌：此方法通过计算模板与图像区域之间的互相关来进行匹配。互相关值越大，匹配程度越高。最佳匹配是在结果矩阵中的最大值处找到的‌12。

4. ‌归一化相关匹配（cv2.TM_CCORR_NORMED）‌：与相关匹配类似，但结果会被归一化。归一化后的值在-1（完全不相关）到1（完全相关）之间。这使得比较更加灵活，特别是当模板和图像之间的亮度差异很大时‌12。

5. ‌系数匹配（cv2.TM_CCOEFF）‌：此方法通过计算模板与图像区域之间的相关系数来进行匹配。相关系数是归一化的协方差，其值在-1（负相关）到1（正相关）之间。值越接近1，匹配程度越高。最佳匹配是在结果矩阵中的最大值处找到的‌12。

6. ‌归一化系数匹配（cv2.TM_CCOEFF_NORMED）‌：与系数匹配类似，但结果会被归一化。归一化后的值在-1（完全不相关）到1（完全相关）之间‌12。

归一化的作用和效果

归一化处理可以使结果在一定的范围内，便于比较和评估不同图像或模板之间的相似度

 

不做归一化：//normalize(dst2, dst2, 0, 1, NORM_MINMAX, -1, Mat()); //归一化

matchTemplate(src, src_template, dst2, TM_SQDIFF_NORMED);
minMaxLoc(dst2, &min, &max, &minPos, &maxPos, Mat());

归一化平方差匹配效果较好，看min值，越接近0越好，供参考