2。1 平均绝对差算法

    平均绝对差算法的整体思想是指在模版图c中，定义（α,β）为左上角，然后以这个坐标为左上角取尺寸大小为m x n的子图，算出子图与模板图的相似度；把整幅图像中能够搜索到的所有子图与模板图相比较，把得到的最相似的子图作为最终匹配结果。先将模版图像与原图对应位置上的子图像求出他们的灰度值之差的绝对值总和，再计算出平均值，这个平均值就是原图中的子图与模板图距离的平均值。

即可以得出的结论是如果平均绝对差越小，则说明原图中的子图与模版图越相似。所以只需要得到平均差最小时的子图就是模版图的位置。

由于该算法的思想不是很复杂，所以人们能够很容易去领会，并且计算过程简单，拥有较高的匹配准确度，被广泛应用于图像匹配当中。但是缺点就是计算量比较大，而且噪声对它影响很大，对噪声十分敏锐。

2。2 绝对误差和算法

该算法与平均绝对差算法的思想差不多是一样的，他们之间的区别是相似度测量公式方面有一些不同，但是它真正上计算的也是原图像中的子图与模板图间的距离。

2。3 误差平方和算法 

平均误差平方和算法的思想与上述两种算法的思想也是一样的，仅仅是其相似度测量公式方面有一些变动，但它一样真正计算的也是子图与模板图的距离。

2。4 归一化积相关算法

该算法与上面几种算法的思想也是相同的，还是采用原图中的子图与模板图的灰度，评价他们之间相似性大小的标准是归一化的相关性度量。

2。5 序贯相似性算法文献综述

绝对误差实际上就是子图与模板图都去掉各自的均值后，对应位置之差的绝对值。自行设定一个定值作为参考值。序贯相似性算法的思想是计算目前选中的子图与模版图中任意提取不相同的像素点的绝对误差，把任意点的的误差加起来后记为相加值，如果计算出来的相加值比自行设定的参考值大的话，则用一个B（x,y）来表示全部子图的相加次数，如果计算出来的相加值比自行设定的参考值小的的继续进行计算，一直计算到超过自行设定的参考值，然后结束目前子图的计算，进行计算接下来的一个子图。计算完全部的子图后，相加次数最大的相对应子图就是模版图最好的匹配图像了。如果相加次数中存在好多个最大知道的话，那就选择相加误差最小相对应的子图作为匹配图像。

序贯相似性算法的优点是计算出来的相加值如果比自行设定的参考值大的话，它就结束了目前子图的计算，开始计算接下来的一个子图，不需要把子图中的所有像素计算出来，所以算法速度比较快的。为了使匹配速度更加的快，可以先进行简单粗糙的配准，简单点讲就是第一步是提取子图时采用隔行、隔离的办法，通过使用序贯相似性算法在原图中进行简单的定位。第二步是对定位得到的子图采用上述方法计算出8个相邻子图的相加次数值，把最大的相加值作为最优的匹配图像。这样的方法就可以使用很少的子图数目、很小的计算量与最快的计算速度来完成图像匹配的计算。

2。6 SATD算法

SATD算法是一种先经过hadamard变换后，然后再对绝对值求和的算法。hadamard变换与先把原图像的矩阵左右分别乘以一个hadamard变换矩阵得到的变换是相同的。其中，1或-1是hardamard变换矩阵的元素，Hardmard变换矩阵是一个正交矩阵，它可以由MATLAB中的hadamard(n)函数生成，n代表n阶方阵。SATD算法就是第一步先将模板图与子图相减后得到了矩阵，第二步对该矩阵求它的hadamard变换，最后对经过变换得到的矩阵求它元素的绝对值之和也就是SATD值，将STAD值作为相似度的判别依据。用上面的方法对全部的子图进行处理后，找到SATD值最小的子图,该子图就是最佳匹配的图像。