模板匹配

想像你把某個標誌的小照片剪下來，然後像拿放大鏡一樣，把這張剪下的圖在一張大很多的圖片上滑動。每停一次，你只問一個問題：我這張剪圖此刻和底下的像素對得有多好？模板匹配（template matching）正是如此。你手上有一張小的參考影像，稱為模板，你把它放到大目標影像的每一個可能位置上，在每個位置算出一個相似度分數。分數最高的位置，就是模板出現位置的最佳猜測。

兩種經典分數分別是 SSD（平方差總和，sum of squared differences），它把每個像素逐點的亮度差平方後加總，因此在最佳匹配處數值最小；以及 NCC（正規化互相關，normalized cross-correlation），它在各自減去平均值並除以標準差之後，量測模板與底下區塊之間的統計相關性。以符號表示：對寬 w、高 h 的模板 T，以及在位移 (u,v) 處取出的影像區塊，SSD 為對每個模板像素 (x,y) 的 (I(u+x, v+y) − T(x,y))² 之總和，其中 I 為影像。NCC 則先把模板與區塊都平移成平均亮度為零，再縮放成單位變異量，然後取兩者的內積；其值介於 −1 到 +1，+1 代表完美匹配。NCC 的關鍵優勢是對線性亮度與對比變化的不變性：若整個區塊一致地亮 20%，NCC 不受影響，而未正規化的 SSD 或互相關則會被嚴重誤導。

模板匹配在目標出現的尺度、旋轉與光照都和模板相同時，既快速又可靠，這也是它至今仍用於工業任務的原因，例如半導體晶圓對位、印刷電路板檢測、圖形使用者介面測試自動化（在畫面上找出某個圖示）以及轉播圖卡。它的弱點同樣明顯：單一剛性模板無法應付尺度變化、旋轉、透視變形、非剛性形變或部分遮擋。要處理這些，你得為每一種姿態各準備一個模板，數量會組合式爆炸。正是這種脆弱性，成為後來方法要填補的缺口：具不變性的關鍵點描述子（如 SIFT）、以部件為基礎的可變形模型，以及最終能不論物件出現位置與方式都加以辨識的學習式卷積特徵。