OpenCV C++ 不调用matchTemplate实现TM_CCORR_NORMED问题求助

我尝试自行实现OpenCV模板匹配的归一化互相关算法TM_CCORR_NORMED，当前输出结果与官方matchTemplate接口的CCORR效果近似，未达到预期归一化效果，需要定位实现逻辑错误。
我参考宾夕法尼亚州立大学CSE486课程讲义第30页、PSI站点的归一化互相关说明文档进行开发，实现代码如下：

//Read, template, convert both to gray
cv::cvtColor(inMat, inMat, cv::COLOR_BGR2GRAY);
cv::Mat tempMat = cv::imread(file);
cv::cvtColor(tempMat, tempMat, cv::COLOR_BGR2GRAY);

//Add padding
int width = cv::getOptimalDFTSize(std::max(inMat.cols,tempMat.cols));
int height = cv::getOptimalDFTSize(std::max(inMat.rows,tempMat.rows));

cv::Mat inFFT, tempFFT;
cv::copyMakeBorder(inMat, inFFT, 0, height - inMat.rows, 0, width - inMat.cols, cv::BORDER_CONSTANT, cv::Scalar::all(0));
cv::copyMakeBorder(tempMat, tempFFT, 0, height - tempMat.rows, 0, width - tempMat.cols, cv::BORDER_CONSTANT, cv::Scalar::all(0));

//Convert to CV_32F.
inFFT.convertTo(inFFT, CV_32F);
tempFFT.convertTo(tempFFT, CV_32F);

//Normalize in and temp
cv::Scalar inMatMean, inMatStdDev;
cv::meanStdDev(inFFT,inMatMean,inMatStdDev);
inFFT = (inFFT - inMatMean)/inMatStdDev[0];

cv::Scalar tempMatMean, tempMatStdDev;
cv::meanStdDev(tempFFT,tempMatMean,tempMatStdDev);     
tempFFT = (tempFFT - tempMatMean)/tempMatStdDev[0];


//Apply FFT
cv::dft(inFFT,inFFT,0,inMat.rows);
cv::dft(tempFFT,tempFFT,0,tempMat.rows);

cv::Mat ccorrFFT, ccorr;


//Cross correlate normalized FFTs
cv::mulSpectrums(inFFT,tempFFT,ccorrFFT,0,true);

//IDFT. DFT_SCALE divides result by width*height
cv::dft(ccorrFFT,ccorr, cv::DFT_SCALE + cv::DFT_INVERSE);

cv::normalize(ccorr, ccorr, 0, 255, NORM_MINMAX, -1, Mat());  //mais

//Get max correlation point
double minVal, maxVal;
cv::Point minLoc, maxLoc;
cv::minMaxLoc(ccorr, &minVal, &maxVal, &minLoc, &maxLoc);

//Draw circle, on corr map, around the max point
cv::circle(ccorr, maxLoc, 10, cv::Scalar(0, 0, 255), 3 );

//Convert corr map to 8UC1
cv::Mat ccorr8UC1;
ccorr.convertTo(ccorr8UC1, CV_8UC1);

不同实现的输出效果如下：

• 本次自研实现结果：
• 官方matchTemplate接口TM_CCORR_NORMED输出结果：
• 官方matchTemplate接口TM_CCORR输出结果：

问题定位与修正方案 #

核心错误点 #

1. 归一化逻辑完全错误
   TM_CCORR_NORMED要求的是局部逐窗口归一化：每个匹配位置的互相关结果，需要除以模板的L2范数与当前原图对应子窗口L2范数的乘积。你现在对整张填充后的原图、模板做全局均值标准差归一化，完全不符合算法要求，而且计算全局统计值时把填充的0值也纳入了计算，统计结果本身就有偏差。
2. 后处理逻辑错误
   你最后调用cv::normalize对响应图做全局最值拉伸到0-255，破坏了每个匹配点原本的归一化相对关系，和官方实现逻辑不符。
3. 有效区域未裁剪
   频域填充后计算得到的互相关结果，只有左上角（原图高度-模板高度+1，原图宽度-模板宽度+1）的区域是有效匹配结果，你直接用整张结果图查找最大值，可能会匹配到填充边界带来的错误响应。

修正步骤 #

1. 删除全局均值标准差归一化的代码段，先正常计算未归一化的频域互相关结果。
2. 提前计算模板的像素平方和，再用积分图快速计算原图所有子窗口的像素平方和，为每个匹配点生成对应的归一化系数。
3. 每个匹配点的最终响应值 = 互相关结果值 / sqrt(模板平方和 * 对应子窗口平方和)，此时结果取值范围在0~1之间，和官方TM_CCORR_NORMED输出一致。
4. 裁剪互相关结果的有效区域后，再做后续的最大值查找、可视化操作。

内容的提问来源于stack exchange，提问作者Tigmar