图像匹配 指在已知目标基准图的子图集合中，寻找与实时图像最相似的子图，以达到目标识别与定位目的的图像技术。
主要方法有：基于图像灰度相关方法、基于图像特征方法、基于神经网络相关的人工智能方法。
基于图像灰度的匹配算法简单，匹配准确度高，主要用空间域的一维或二维滑动模版进行图像匹配，不同的算法区别主要体现在模版及相关准则的选择方面，但计算量大，不利于实时处理，对灰度变化、旋转、形变以及遮挡等比较敏感；
基于图像特征的方法计算量相对较小，对灰度变化、形变及遮挡有较好的适应性，通过在原始图中提取点、线、区域等显著特征作为匹配基元，进而用于特征匹配，但是匹配精度不高。
通常又把基于灰度的匹配算法，称作相关匹配算法。相关匹配算法又分为两类：一类强调景物之间的差别程度如平法差法(SD)和平均绝对差值法(MAD)等;另一类强调景物之间的相似程度,主要算法又分成两类,一是积相关匹配法,二是相关系数法。
NCC是一种基于统计学计算两组样本数据相关性的算法，其取值范围为[-1, 1]之间，而对图像来说，每个像素点都可以看做RGB数值，这样整幅图像就可以看成是一个样本数据的集合，如果它有一个子集与另外一个样本数据相互匹配则它的ncc值为1，表示相关性很高，如果是-1则表示完全不相关。
其中左边是目标图像、右边为模板图像
在医学图像配准任务（不限于医学），衡量两个图片相似的度量有一种叫做NCC。
