一、opencv灰度匹配cv::MatchTemplate
1）cv::MatchTemplate是灰度匹配，该函数的优点是精度高，因为是一个个像素点的比较；缺点是计算时间长，因为要计算的点比较多，一个个比较花费时间长。如果从图像金字塔的角度，把模板和图像都降低分辨率来匹配，这样时间上可以提高一个数量级。但问题又来了，分辨率要降低到多少是合适的，如果看一个东西，缩小到什么时候辨认不出是什么的时候，就是分辨率的最小极限了。
2）cv::MatchTemplate需要由于是逐个像素点的匹配，需要模板图像的大小与待匹配区域的大小一致方能匹配。如果模板图像的大小过大或过小都会导致匹配紊乱，有一篇关于Multi-scale Template Matching文章可用来解决这个问题：https://www.pyimagesearch.com/2015/01/26/multi-scale-template-matching-using-python-opencv/。文章也提到，如果待匹配图像中如果存在模板旋转或者非仿射变换，opencv的cv::MatchTemplate是行不通的，可接跳转至特征点匹配的方法。
3）如果受光照因素比较大，用cv::MatchTemplate也是行不通的，因为模板的像素与待匹配图像存在一定灰度距离，此时可以考虑计算模板和待匹配图像灰度梯度边缘后再进行匹配。
二、形状匹配：
opencv中使用cv::MatchShapes,这个就是形状匹配，函数本身写的不错，但是熟练使用此函数的人不多，若优化的好，许多工业应用就不需要再买其他软件了。
（借鉴：https://blog.csdn.net/mr_vision/article/details/3999662）
