形状识别，模板匹配，C++/C#

在图像处理的世界里，形状识别就像给机器装上了眼睛。想象一下让程序自动识别流水线上的零件方向，或是从监控画面中快速定位特定标志——模板匹配就是这类场景里的"黄金右手"。

咱们先来点实在的。用C#配合EmguCV（OpenCV的.NET封装）搞模板匹配，代码比你想的简单：

using Emgu.CV;
using Emgu.CV.Structure;

// 读取图像时记得强制转灰度
Image<Gray, byte> source = new Image<Gray, byte>("车间图.jpg").Convert<Gray, byte>();
Image<Gray, byte> template = new Image<Gray, byte>("螺母模板.jpg").Convert<Gray, byte>();

// 这里藏着玄机的匹配方法
Image<Gray, float> result = source.MatchTemplate(template, TemplateMatchingType.CcoeffNormed);

double minVal = 0, maxVal = 0;
Point minLoc = new Point(), maxLoc = new Point();
CvInvoke.MinMaxLoc(result, ref minVal, ref maxVal, ref minLoc, ref maxLoc);

// 画框时给点颜色瞧瞧
CvInvoke.Rectangle(source, new Rectangle(maxLoc, template.Size), new MCvScalar(0, 255, 0), 3);

看到MatchTemplate方法没？它生成的二维响应矩阵就像一张热度图，每个像素值表示该位置与模板的相似度。CcoeffNormed方法用归一化相关系数，对付光照变化特管用，但遇到旋转或缩放就抓瞎——这时候得祭出多尺度匹配。

加个循环实现多尺度检测：

for (double scale = 0.8; scale <= 1.2; scale += 0.05)
{
    var resized = source.Resize(scale, Inter.Linear);
    // 匹配逻辑...
    // 记录每个尺度下的最佳匹配位置
}

别以为这就万事大吉了。实战中遇到过这种情况：明明肉眼可见的匹配，程序死活找不到。八成是通道数不对——模板和原图必须同为灰度或RGB。还有次发现用TM_SQDIFF方法时，minVal才是正解，这坑踩过的人才懂。

说到性能，模板尺寸直接影响速度。有个项目需要检测20x20像素的logo，在4K图像上直接匹配要2秒。后来改用图像金字塔，先缩放到1/4大小粗匹配，再在局部原图精匹配，直接提速到200ms。

不过模板匹配终究是刚性匹配，遇到变形就歇菜。后来转战特征点匹配时反而怀念它的纯粹——至少不需要跟RANSAC和单应矩阵较劲。各有各的适用场景，就像螺丝刀和扳手，关键看你要拧什么螺丝。