1、介绍
基于灰度的图像匹配算法包括：平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平方和算法（SSD）、平均误差平方和算法（MSD）、归一化积相关算法（NCC）、序贯相似性算法（SSDA）。
下面介绍其中一种绝对误差和算法（SAD）。
2、绝对误差和算法
绝对误差和算法（Sum of Absolute Differences，简称SAD算法）。
设S(x,y)是大小为mxn的搜索图像，T(x,y)时MxN的模板图像，分别下图(a)、(b)所示，我们的目的是：在(a)中找到与(b)匹配的区域（红框所示）。
3、算法思路
在搜索图S中，取以(i,j)为左上角，MxN大小的子图，计算其与模板图相似度；在所有能够取到的子图中，找到与模板图最相似的子图作为最终结果。SAD算法的相似性测度公式如下。显然，绝对差D(i,j)越小，表明越相似，故只需找到最小的D(i,j)即可确定子图位置。
1<=i<=m-M+1,1<=j<=n-N+1
4、算法评价
优点：
①思路简单，容易理解（子图与模板图对应位置上，灰度值之差的绝对值总和，实质：是计算的是子图与模板图的L1距离）。
②运算过程简单，匹配精度高。
缺点：
①运算量偏大。
②对噪声非常敏感。
5、matlab 代码
%%%绝对误差和算法（SAD）
clear all;
close all;
%%
src=imread('lena.bmp');
[a b d]=size(src);
if d==3
src=rgb2gray(src);
end
mask=imread('lena_mask.png');
[m n d]=size(mask);
if d==3
mask=rgb2gray(mask);
end
%%
N=n;%模板尺寸，默认模板为正方形
M=a;%待搜索图像尺寸，默认搜索图像为正方形
%%
dst=zeros(M-N,M-N);
for i=1:M-N %行
for j=1:M-N
temp=src(i:i+N-1,j:j+N-1);
dst(i,j)=dst(i,j)+sum(sum(abs(temp-mask)));
end
end
abs_min=min(min(dst));
[x,y]=find(dst==abs_min);
figure;
imshow(mask);title('模板');
figure;
imshow(src);
hold on;
rectangle('position',[x,y,N-1,N-1],'edgecolor','r');
hold off;title('搜索图');