OpenCV+python：模板匹配

1，模板匹配的概念及原理
模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.

我们需要2幅图像:
模板 (T): 将和原图像比照的图像块
原图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域

我们的目标是检测最匹配的区域：

为了确定匹配区域, 我们不得不滑动模板图像和原图像进行比较：

通过滑动, 我们的意思是图像块一次移动一个像素 (从左往右,从上往下). 在每一个位置, 都进行一次度量计算来表明它是 “好” 或 “坏” 地与那个位置匹配 (或者说块图像和原图像的特定区域有多么相似)
对于 T 覆盖在 I 上的每个位置,你把度量值 保存 到 结果图像矩阵 R中. 在 R 中的每个位置 (x,y) 都包含匹配度量值:
上图就是 TM_CCORR_NORMED 方法处理后的结果图像 R . 最白的位置代表最高的匹配. 正如您所见, 红色椭圆框住的位置很可能是结果图像矩阵中的最大数值, 所以这个区域 (以这个点为顶点,长宽和模板图像一样大小的矩阵) 被认为是匹配的.
实际上, 我们使用函数 minMaxLoc 来定位在矩阵 R 中的最大值点 (或者最小值, 根据函数输入的匹配参数) .
OpenCV通过函数 matchTemplate 实现了模板匹配算法. 可用的方法有6个:

源代码：

import cv2 as cv
import numpy as np


def template_demo():
    tpl = cv.imread("F:/images/T.png")  #模板图像
    target = cv.imread("F:/images/I.png")#原图像
    cv.imshow("template image", tpl)
    cv.imshow("target image", target)
    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED] #标准平方差匹配 ，标准相关匹配，标准相关系数匹配
    th, tw = tpl.shape[:2]  #模板的高宽
    for md in methods:
       # print(md)
        result = cv.matchTemplate(target, tpl, md)   #像素点的相关度量值
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result) #寻找匹配最值（大小和位置）
        if md == cv.TM_SQDIFF_NORMED:
            tl = min_loc
        else:
            tl = max_loc
        br = (tl[0]+tw, tl[1]+th);  #确定匹配区域
        cv.rectangle(target, tl, br, (0, 0, 255), 2)#将匹配区域绘制到原图上
        cv.imshow("match-"+np.str(md), target)
       # cv.imshow("match-" + np.str(md), result)



src = cv.imread("F:/images/I.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
template_demo()
cv.waitKey(0)

cv.destroyAllWindows()

运行结果：