首先，參看上圖。假設褐色的大圖爲待測圖片，紅色小圖爲模板圖片。
1.result中數據的含義。
模板匹配函數cvMatchTemplate依次計算模板與待測圖片的重疊區域的相似度，並將結果存入映射圖像result當中，也就是說result圖像中的每一個點的值代表了一次相似度比較結果。
2.result的尺寸大小。
如圖可知，模板在待測圖像上每次在橫向或是縱向上移動一個像素，並作一次比較計算，由此，橫向比較W-w+1次，縱向比較H-h+1次，從而得到一個（W-w+1）×（H-h+1）維的結果矩陣，result即是用圖像來表示這樣的矩陣,因而圖像result的大小爲（W-w+1）×（H-h+1）。
3.如何result中獲得最佳匹配區域
使用函數cvMinMaxLoc(result,&min_val,&max_val,&min_loc,&max_loc,NULL);從result中提取最大值（相似度最高）以及最大值的位置（即在result中該最大值max_val的座標位置max_loc，即模板滑行時左上角的座標，類似於圖中的座標（x,y）。）
由此得到：rect=cvRect(max_loc.x,max_loc.y,tmp->width,tmp->height);rect表示的矩形區域即是最佳的匹配區域。
來源：http://034080116.blog.163.com/blog/static/334061912009116498997/
通過一個程序進行了測試了下，上面的說明中有個錯誤的地方。最佳匹配區域的矩形應該使用min_loc來決定，即：
rect=cvRect(max_loc.x,max_loc.y,tmp->width,tmp->height)；
效果圖如下：
模板：
要匹配的圖：
匹配結果：
int main() {
IplImage *src, *temp1, *ftmp;
if ((src = cvLoadImage("/home/murphy/Pictures/1.jpg", 1)) == 0) {
return -1;
}
if ((temp1 = cvLoadImage("/home/murphy/Pictures/Screenshot-3.png", 1)) == 0) {
return -1;
}
int iwidth = src->width - temp1->width + 1;
int iheight = src->height - temp1->height + 1;
ftmp = cvCreateImage(cvSize(iwidth, iheight), 32, 1);
double min_val;
double max_val;
CvPoint min_loc;
CvPoint max_loc;
cvMatchTemplate(src, temp1, ftmp, 0);
cvMinMaxLoc(ftmp, &min_val, &max_val, &min_loc, &max_loc, NULL);
cvRectangle(src, cvPoint(min_loc.x, min_loc.y), cvPoint((min_loc.x + temp1->width),(min_loc.y + temp1->height)), CV_RGB(0,255,0), 1);
cvNamedWindow("src",1);
cvShowImage("src",src);
cvWaitKey(0);
return 0;
}
昨天在另一個帖子裏發現了確定矩形位置是使用的是max_loc，今天又查了下資料，原來這個跟匹配時採用的方法參數有關，具體如下：
關於參數 method：
CV_TM_SQDIFF 平方差匹配法：該方法採用平方差來進行匹配；最好的匹配值爲0；匹配越差，匹配值越大。
CV_TM_CCORR 相關匹配法：該方法採用乘法操作；數值越大表明匹配程度越好。
CV_TM_CCOEFF 相關係數匹配法：1表示完美的匹配；-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 歸一化平方差匹配法
CV_TM_CCORR_NORMED 歸一化相關匹配法
CV_TM_CCOEFF_NORMED 歸一化相關係數匹配法
