在图像识别的方法中，模版识别是比较简单的一种，《学习opencv》中给出了例子和实现代码，即使是在最新版本中，改变的也并不大。

但是这并不代表模版识别在实际应用中不适合。恰恰相反，每一张方法都需要用在它合适的地方。模版识别相对来说，应用于特征不是非常明显，或者对速度要求不是非常高的情况下。当然，有许多时候，你只能选择模版识别，而不能用特征识别，因为图像没有提供那么足够的特征。

这里，我谈一谈如何提高模版识别的成功率。

《学习opencv》中给出5中模版识别算法，并且附了例子。即使就是在书中，也特别提到了，这5种算法适合不同的场合，需要看情况使用——但是到底看什么情况？就没说了。实际上，原始图片的质量、光照的影响，这些对于最终结果识别都会有影响，往往需要将各种方法结合起来使用。

我建议，在模版识别的初期，可以根据单个研究的情况选择识别的发放，或者多个方法交叉验证。

此外，先验知识的引入也非常重要。什么叫做先验知识，举个例子，在流水线上，各个图片的x值的坐标是变化不大的，物体是前后移动。利用这个知识，就可以缩减识别的区域，在提高图像识别速度的同时提高准确率。

如何提高模版识别的成功率