python opencv 模板匹配

转载
https://blog.csdn.net/jacke121/article/details/95310595
https://zhuanlan.zhihu.com/p/146690373
https://www.cnblogs.com/april0315/p/13741888.html

公式：

①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是标准平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。

②TM_CCORR是相关性匹配；TM_CCORR_NORMED是标准相关性匹配。采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。（即向量相似性）

③TM_CCOEFF是相关性系数匹配；TM_CCOEFF_NORMED是标准相关性系数匹配。将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。

总结：随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。
相关性是越接近1越大越好
平方差是越小越好
所以TM_SQDIFF在使用时和其他的是有所区别的

官方的描述和代码
https://docs.opencv.org/3.4/de/da9/tutorial_template_matching.html和https://docs.opencv.org/3.4/df/dfb/group__imgproc__object.html#ga586ebfb0a7fb604b35a23d85391329be

官方代码：
https://github.com/opencv/opencv/blob/master/modules/imgproc/src/templmatch.cpp#L866

mask的作用：猜测应该起到加权的作用