opencv学习与使用：图像匹配

1.差分矩阵求和

numpy使用指南[菜鸟教程]http://www.runoob.com/numpy/numpy-tutorial.html
opencv使用指南[官方文档]http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html
实现差分矩阵的算法
差分矩阵求和算法的核心在于差分矩阵，实质为差异矩阵。
计算公式为：差分矩阵=图像A矩阵数据-图像B矩阵数据
首先，计算两个图像的矩阵数据之间差异分析图像的相似性；然后，设置一个阈值进行比较，如果差分矩阵的所有元素之和在阈值以内，则表示这两张图像是相似的，且描述了同一物体。

def showpiclocation(img,findimg):
    # 定位图像
    w = img.shape[1]
    h = img.shape[0]
    fw = findimg.shape[1]
    fh = findimg.shape[0]
    findpt = None
    for now_h in range(0,h-fh):
        for now_w in range(0, w-fw):
            comp_tz = img[now_h:now_h+fh,now_w:now_w+fw,:]-findimg
            if np.sum(comp_tz) <1:
                findpt = now_w,now_h
        print('.',)
    if findpt != None:
        print('fw is %d' % fw)
        cv2.rectangle(img, findpt, (findpt[0]+fw, findpt[1]+fh),(255,0,0))
    return img

完整代码如下

#-*- coding:utf-8 -*-
#code:1054263694@qq.com
#Imagelocation.py

import cv2
import numpy as np
print('loading')


def showpiclocation(img,findimg):
    # 定位图像
    w = img.shape[1]
    h = img.shape[0]
    fw