用c++和opencv，读取"C:\\CR\\实验数据\\084.jpg"和"C:\\CR\\实验数据\\085.jpg"，其中085.jpg是084.jpg中的一个小窗口；以小影像085.jpg为目标窗口，在大影像084.jpg上寻找与该窗口灰度一致的窗口，并以该窗口的中心点为目标窗口中心点的同名点。

下面是一个使用 C++ 和 OpenCV 实现上述功能的示例代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main() {
    // 读取大影像和小窗口
    Mat img_src = imread("C:\\CR\\实验数据\\084.jpg");
    Mat img_template = imread("C:\\CR\\实验数据\\085.jpg");

    // 灰度化
    cvtColor(img_src, img_src, COLOR_BGR2GRAY);
    cvtColor(img_template, img_template, COLOR_BGR2GRAY);

    // 匹配模板
    Mat result;
    matchTemplate(img_src, img_template, result, TM_CCOEFF_NORMED);

    // 查找最佳匹配位置
    double min_val, max_val;
    Point min_loc, max_loc;
    minMaxLoc(result, &min_val, &max_val, &min_loc, &max_loc);

    // 绘制结果
    rectangle(img_src, max_loc, Point(max_loc.x + img_template.cols, max_loc.y + img_template.rows), Scalar(0, 255, 0), 2);
    circle(img_src, Point(max_loc.x + img_template.cols / 2, max_loc.y + img_template.rows / 2), 5, Scalar(0, 0, 255), -1);

    // 显示结果
    imshow("Result", img_src);
    waitKey(0);

    return 0;
}

这个示例代码首先使用 `imread` 函数读取大影像和小窗口，并分别将它们转换为灰度图像。然后使用 `matchTemplate` 函数在大影像中查找与小窗口灰度一致的窗口，并返回匹配结果。接下来，使用 `minMaxLoc` 函数查找匹配结果中的最佳匹配位置，并在大影像上绘制结果。最后，使用 `imshow` 函数显示结果。

需要注意的是，这个示例代码假设小窗口在大影像中只出现一次，并且窗口大小与模板大小相同。如果窗口在大影像中出现多次，或者窗口大小与模板大小不同，需要对代码进行相应的修改。