使用TM_SQDIFF匹配图像自身时，min_val为何大于0？

测试代码 #

import numpy as np
import cv2

print(f'cv2_version:{cv2.__version__}')
test_image = cv2.imread('LIDjQLdr.jpg')
test_gray_image = cv2.cvtColor(test_image , cv2.COLOR_BGR2GRAY)

result = cv2.matchTemplate(test_gray_image, test_gray_image, cv2.TM_SQDIFF)
min_val, _, min_loc, _ = cv2.minMaxLoc(result)
print("min_val:", min_val)
print("min_loc:", min_loc)

测试图像 #

运行结果 #

cv2_version:4.5.4

min_val: 160.0

min_loc: (0, 0)

按照预期，匹配图像自身时min_val应为0，但实际结果大于0，请问这是什么原因？

核心原因是图像的有损压缩导致像素精度损失：

• 你使用的测试图是JPG格式，这是一种有损压缩格式，存储时会丢弃部分像素细节，导致读取后的像素值和理想的“原始像素”存在微小偏差。
• cv2.TM_SQDIFF的计算逻辑是求模板与目标区域的像素平方差之和，哪怕每个像素只有1的差值，整张图累加起来也会得到一个不为0的结果（比如你这里的160）。

验证方法很简单：换用PNG这类无损压缩格式的图像，或者用代码生成一张无压缩的纯色图（比如np.zeros((100,100), dtype=np.uint8)），再执行相同的匹配逻辑，此时min_val就会是0。

另外补充一点：cv2.cvtColor转灰度的过程是精确的，问题根源不在格式转换，而在于图像本身因压缩带来的像素误差。

内容的提问来源于stack exchange，提问作者mark