图像匹配算法分为3类：基于灰度的匹配算法、基于特征的匹配算法、基于关系的匹配算法
（1）基于灰度的模板匹配算法：模板匹配（Blocking Matching）是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于灰度的匹配算法也称作相关匹配算法，用空间二维滑动模板进行匹配，不同匹配算法主要体现在相关准则的选择方面，常见的基于模板的匹配算法可以参考下面的链接：
参考：http://blog.csdn.net/hujingshuang/article/details/47759579
（2）基于特征的匹配算法：首先提取图像的特征，再生成特征描述子，最后根据描述子的相似程度对两幅图像的特征之间进行匹配。图像的特征主要可以分为点、线（边缘）、区域（面）等特征，也可以分为局部特征和全局特征。
区域（面）特征提取比较麻烦，耗时，因此主要用点特征和边缘特征。
点特征包括：Harris 、Moravec、KLT、SIFT、SURF 、BRIEF、SUSAN、FAST、CENSUS、FREAK（点击打开链接）、BRISK（点击打开链接）、ORB、光流法（点击打开链接）、A-KAZE等。
边缘特征包括：LoG算子、Robert算子、Sobel算子、Prewitt算子、Canny算子等。
光流法：
（3）基于关系的匹配算法：建立语义的网络，是人工智能领域在图像处理中的应用，但还没有突破性的进展。
立体匹配：左右相机的匹配，用基于灰度的模板匹配方法，对所有的像素点匹配。
跟踪匹配：前后帧的匹配，用基于特征的匹配算法，对特征点进行匹配，然后根据几个匹配的特征点计算出相机的位姿。
