opencv常用算法--模板匹配

opencv中模板匹配算法核心：它将模板与原图像中的每个部分进行比较，逐像素滑动。结果是一个相似度的图，该相似度图中每个像素值反映了模板与原图像中该位置的相似程度。

从本质上讲，它将模板在图像上进行卷积，类似于卷积神经网络中使用卷积核的方式。通过这个过程，创建了一个新的图像或矩阵，其中每个像素值表示模板与源图像中相应区域之间的相似性。通过分析该结果图像，我们可以识别峰值，这些峰值表示源图像中存在模板图像的精确位置。值得注意的是，模板匹配的实现可能会有所不同，主要是基于相似性的度量因方法各异而不同，这里不做扩展展开。

模板匹配--matchTemplate

CV_EXPORTS_W void matchTemplate(InputArray image, InputArray temp1, OutputArray result, int method);

image：待搜索图像（大图）

temp1：搜索模板，需和原图一样数据类型且尺寸大小不能大于源图像

reuslt：比较结果的映射图像，其必须为单通道的，32位浮点型图像，如果原图（待搜索图像）尺寸为W*H，二temp1的尺寸为w*h，则result的尺寸一定是（W-w+1）*（H-h+1）

method：指定的匹配方法，有如下六种：

1     TM_SQDIFF --- 平方差匹配法（最好匹配0）
2     TM_SQDIFF_NORMED --- 归一化平方差匹配法（最好匹配0）
3     TM_CCORR --- 相关匹配法（最坏匹配0）
4     TM_CCORR_NORMED ---归一化相关匹配法（最坏匹配0）
5     TM_CCOEFF --- 系数匹配法（最好匹配1）
6     TM_CCOEFF_NORMED --- 归一化系数匹配法（最好匹配1）

找到最佳匹配

在完成模板匹配后，我们需要找到输入图像中与模板最匹配的位置。为了实现这一点，我们可以使用cv2.minMaxLoc()函数，该函数会从给定图像中找到最大值和最小值的位置。

# 找到最佳匹配
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

# 在原图中绘制矩形框
cv2.rectangle(img,top_left, bottom_right, 255, 2)