我们ncc最原始的匹配方法是：学习模板w*h个像素都要带入ncc公式计算
第一种提速，学习模板是w*h，而我们支取其中的w/2*h/2,匹配窗口同理，计算量只有1/4。
另外一种因为ncc是线性匹配，我们在这上面也做了文章，即我们匹配时，可以缩小原图像，从而加快匹配，即使用了ncc的缩放性匹配。
第二种提速，这个计算量比第一种还少。
第三种：就是直方图方式匹配，归一化到256次计算。
第四中：如果你用二值化图像，那么直方图只有2中灰度，即0和255，那么这个ncc直方图匹配归一化到2次计算。这个在初选中，应该非常快
第五种：轮廓梯度角度直方图ncc匹配，就是找学习得到的轮廓和匹配轮廓的梯度角度，归一化到360度次计算，0和180合并，实质只有180度次计算，20度合并，最后做九次计算，这是我最先实现的ncc匹配，这种可以完成旋转也可以ncc匹配。
第六种，轮廓ncc匹配，我们第五种，归一化到360度，其实这个我们可以归一化到点到中心的距离，即幅值的统计，另一个，就是轮廓的凸多边形归一化。
第七种：就是斑点的ncc匹配，即使用学习和匹配斑点的个数及位置进行ncc匹配，个数ok后，位置匹配，只用x或只用y进行ncc即可，我们前头也做了尝试。
我看到的大概就这几种，一个是轮廓ncc，一个是找斑ncc，一个是直方图想方法，最后就是最原始的融通理解之后，实现的两种ncc变换。
