如果要在一幅图像中寻找已知物体，最常用且最简单的方法之一就是匹配。

在目标识别的方法中，匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器，相关匹配。本文code是基于最小距离分类器，基于相关匹配的与此类似。

本文涉及到的知识点如下：

1、目标识别.

2、基于决策理论方法的识别

3、匹配（最小距离分类器、相关匹配）

4、空间相关（相关匹配涉及）

匹配之前，需要先将图像转换为灰度图，函数为rgb2gray，由于matlab对浮点型支持较为完善，我们还需将图像数据类型更改为double，函数为im2double。之后再将原始图像补0，这样才能遍历图像的每一点，函数padarray。

决策函数的计算为djx=x\'*mj-0.5*mj\'*mj;冈萨雷斯的《数字图像处理》Page561中有写。之后寻找最佳匹配。

本文算法主要参考冈萨雷斯的《数字图像处理》。

转载请注明出处。

已知问题：运行较慢，相关匹配要快一点。

代码如下：

%function:
%       基于最小距离分类器的模板匹配
%       寻找图片中与已知模板的匹配区域
%referrence：
%      冈萨雷斯的《数字图像处理》（第三版）第十二章 目标识别
%date:2015-1-8
%author:chenyanan
%转载请注明出处：http://blog.csdn.net/u010278305

%清空变量，读取图像
clear;close all
template_rgb = imread(\'images/eye.jpg\');
src_rgb = imread(\'images/head.jpg\');

%转换为灰度图
template=rgb2gray(template_rgb);    template = im2double(template);
src=rgb2gray(src_rgb);  src = im2double(src);

figure(\'name\',\'模板匹配结果\'),
subplot(1,2,1),imshow(template_rgb),title(\'模板\'),

%球的模板与原始图像的大小
tempSize=size(template);
tempHeight=tempSize(1); tempWidth=tempSize(2);
srcSize=size(src);
srcHeight=srcSize(1); srcWidth=srcSize(2);

%在图片的右侧与下侧补0
%By default, paddarray adds padding before the first element and after the last element along the specified dimension.
srcExpand=padarray(src,[tempHeight-1 tempWidth-1],\'post\');

%初始化一个距离数组 tmp:mj  template:x
%参见《数字图像处理》 Page561
distance=zeros(srcSize);
for height=1:srcHeight
   for width= 1:srcWidth
      tmp=srcExpand(height:(height+tempHeight-1),width:(width+tempWidth-1));
      %diff= template-tmp;
      %distance(height,width)=sum(sum(diff.^2));
      %计算决策函数
      distance(height,width)=sum(sum(template\'*tmp-0.5.*(tmp\'*tmp)));
   end
end

%寻找决策函数最大时的索引
maxDis=max(max(distance));
[x, y]=find(distance==maxDis);

%绘制匹配结果
subplot(1,2,2),imshow(src_rgb);title(\'匹配结果\'),hold on
rectangle(\'Position\',[x y tempWidth tempHeight],\'LineWidth\',2,\'LineStyle\',\'--\',\'EdgeColor\',\'r\'),
hold off

运行结果如下：

模板及图像源文件已上传。