MatchTemplate method based on cvMatchTemplate()

OpenCV里的cvMatchTemplate函数不能处理旋转变化，只能在模板和目标图像没有相对旋转的情况下才能正确匹配。而基于特征点的方法，如SIFT等，精度效果不是很理想。通过研究cognex，ckvision他们的匹配方法，应该是使用模板进行逐像素匹配的(?)。

通过使用cvGetQuadrangleSubPix()函数对Source Image进行亚像素精度的旋转，Template Image保持不变，将旋转后的Source Image和Template Image使用OpenCV的cvMatchTemplate()进行匹配，将所有的匹配结果中最优的一个作为匹配的结果。对于比较大的图像，首先使用cvPyrDown()函数对Source Image和Template Image进行金字塔处理，然后进行带旋转的初步定位，之后再将Source Image和Template Image恢复到原始尺寸进行精确定位，这样可以减少匹配的时间。

目前这个MatchTemplate方法不能解决仿射变化。速度还有提升的空间。看到大量论文中都是使用LSM进行精确的亚像素级匹配，目前还没有实现。不过简单的使用已经满足了。

源代码放到了github上面，获得源代码：

git clone git://github.com/BeanYoung/MatchTemplate.git

Face detection with OpenCV

在 facebook 上，你可以上傳一張照片，照片上如果有人像的話，facebook 會自動判斷，並且將人名標註上面。怎麼判斷人像屬於誰我還沒有研究，但是今天稍微研究了一下如何從照片或者 camera 影像中找到「人臉」的部份，然後發現作法 — 超簡單！其實就只是使用了 OpenCV 這個 library。

OpenCV 是一個將圖學各種應用集大成的 library，支援 Windows / Linux / Mac 等平台，是開放源碼，所以有無數的人貢獻了許多演算法於其中，所以當你裝好 OpenCV 之後，基本上就已經有了一些演算法的支援，其中人臉判斷經常會被用到的演算法 Haar Feature 也在其中，你只要在網路上找到一組 training set，便可以輕易的實作出來了。

我實作的平台是 Mac，使用的是 OpenCV 的 Python binding。

首先，用 brew 安裝 OpenCV library：