记录模板匹配cv.matchTemplate的实现

参考文献：

81.28-1讲解-模板匹配._哔哩哔哩_bilibili
模板匹配原理：

所谓的模板匹配，就是在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和图片，整个任务的思路就是按照滑窗的思路不断的移动模板图片，计算其与图像中对应区域的匹配度，最终将匹配度最高的区域选择为最终的结果。

代码实现：

import cv2 as cv
from matplotlib import pyplot as plt# 1 图像馫模板读取
img = cv.imread('D:/1/identification_photo.jpg')    # img：[h,w,c]
template=cv.imread('D:/1/identify.jpg')
h,w,c = template.shape

# 模板匹配
#TM_SQDIFF:平方差匹配；TM_CCORR：相关匹配；TM_CCOEFF：相关系数匹配;tm_sqdiff_normed:标准（归一化）平方差匹配。tm_ccorr_normed:标准（归一化）相关匹配。cv2.tm_ccoeff_normed：标准（归一化）相关系数匹配。
res =cv.matchTemplate(img,template, cv.TM_SQDIFF)   #res维度为[img[0]-h, img[1]-w]

#2.2 返回图像中最匹配的位置，确定左上角的坐标，并将匹配位置绘制在图像上
# cv.minMaxLoc函数是 OpenCV 库中的一个函数，用于在一个矩阵（图像或数组）中找出全局的最大值和最小值，以及它们的位置。
min_val,max_val,min_loc,max_loc=cv.minMaxLoc(res)   #todo:值得注意的是，这里输出的坐标是转换之后的，即(w,h)
# 使用平方差时最小值为最佳匹配位置
top_left = min_loc
# top_left = max_loc
bottom_right=(top_left[0]+w,top_left[1]+ h) #获取模板矩形的右下角坐标
cv.rectangle(img,top_left,bottom_right,(0,255,0),2)     # 绘制矩形框
plt.imshow(img[:,:,::-1])       #将BGR转为RGB维度。
plt.title('result'),plt.xticks([]),plt.yticks([])   #设置标题
plt.show()

值得注意的两个点：
①cv.read直接读取的图像不用进行通道变换即可直接输入到cv.matchTemplate；

②cv.minMaxLoc函数返回的坐标是w,h与cv.read直接读取的hwc是不一样的，这里小心犯错。