opencv 模板匹配

import cv2
import numpy as np


def cv_show(neme, img):
    # cv2.namedWindow(neme, cv2.WINDOW_NORMAL)
    cv2.imshow(neme, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


# 大图
img_rgb = cv2.imread('0.jpg')
# 灰度图
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
# 小图
template = cv2.imread('0_1.jpg', 0)

h, w = template.shape[:2]

# h,w=template.shape[:2]
# 模板匹配 参数：(图片，，图片，方法6种选--尽量用归一化的） 左上角定位
# 小图片匹配大图片的位置，拼图一样，将小图片作为类似卷积核一样，去由左至右，上至下进行扫描
# 小图片的每个像素点 0~255，去减大图片的像素点，看结果，越小的越匹配概率越高
# 原理 图片1=A*B  图片2=a*b  (A-a+1)*(B-b)  大小=shape值 长*宽=A*B
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
#  #最小值，最大值，最小值位置，最大值位置=cv2.minMaxLoc
# #是将所有的匹配，找出最小或者最大的点，因为是上至下，左至右的扫描方法，所以左上角的是最小值的最新被发现的
# min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res)  #给自己看的，程序中不需要
# 取匹配程度大于%80的坐标
threshold = 0.8

loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):  # *号便是可选参数
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
cv2.imshow('sd', img_rgb)
cv2.waitKey(0)