模板匹配

模板匹配是指在当前图像A内寻找图像B最相似的部分，一般将图像A称为输入图像，将图像B称为模板图像，模板匹配的操作方法是将模板图像B在图像A上滑动，遍历所有像素点以完成匹配

一：模板匹配基础

dst=cv2.matchTemplate(image,templ,method,mask=None)
image：原始图像，必须为8位或者32位的浮点型图像
templ：模板图像，它的尺寸必须小于或者等于原始图像，并且与原始图像具有相同的类型
method：匹配方法。该参数通过TemplateMatchModes实现，有一下6种可能的值。具体含义自行查表
			1：cv2.TM_SQDIFF ，值越小，匹配越好
			2：cv2.TM_SQDIFF_NORMED，，值越小，匹配越好
			3：cv2.TM_CCORR，值越大，匹配越好
			4：cv2.TM_CCORR_NORMED，值越大，匹配越好
			5：cv2.TM_CCOEFF，值越大，匹配越好
			6：cv2.TM_CCOEFF_NORMED，值越大，匹配越好
mask：图像掩膜，必须与模板图像teml具有相同的类型和大小，通常默认即可。
dst：由模板图像遍历原始图像的过程中，两者相互比较的结果所构成的一个集合，类型是单通道32位浮点数。如原始图像尺寸W*H，模板图像w*h，则dst的大小为(W-w+1)*(H-h+1)。

在查找最佳匹配位置时，要注意匹配方式method的选取，method不同，最终选择最佳匹配位置的方式不同。
在查找最值(极值)与最值所在位置时，可以使用cv2.minMaxLoc()函数实现。同时，可以借助函数cv2.rectangle()将该位置标记出来。

import cv2
import numpy as np
import matplotlib.pyplot as plt

img=cv2.imread("img/5.jpg",0)
template=cv2.imread("img/15.png",0)
h,w=template.shape[::]

#注意method的类型
dst=cv2.matchTemplate(img,templ=template,method=cv2.TM_SQDIFF)
minVal,maxVal,minLoc,maxLoc=cv2.minMaxLoc(dst)

topLeft=minLoc
#注：先横坐标再纵坐标
bottomRight=(topLeft[0]+w,topLeft[1]+h)
cv2.rectangle(img,topLeft,bottomRight,(0,255,0),2)
plt.subplot(131)
plt.imshow(dst,cmap="gray")
plt.axis("off")
plt.title("matching result")
plt.subplot(132)
plt.imshow(template,cmap="gray")
plt.axis("off")
plt.title("Template")
plt.subplot(133)
plt.imshow(img,cmap="gray")
plt.axis("off")
plt.title("detected point")
plt.show()

一：多模板匹配

函数cv2.minMaxLoc()仅仅能够找出最大值(最小值)及其位置，无法给出所有匹配区域的位置信息，若搜索的模板图像在原始图像中出现了多次，想要匹配多个结果，则需要利用阈值进行处理。

import cv2
import numpy as np
import matplotlib.pyplot as plt

img=cv2.imread("img/17.png",0)
template=cv2.imread("img/20.png",0)
w,h=template.shape[::-1]
dst=cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)
#设置阈值，阈值的设置与索引的选取和模板匹配方式method有关
thresh=0.95
#返回两个数组，分别为行列索引
loc=np.where(dst>=thresh)
#cv2.rectangle在指定顶点时，先列后行，需要对loc行列位置进行调换。
for pt in zip(*loc[::-1]):
    cv2.rectangle(img,pt,(pt[0]+w,pt[1]+h),(0,255,255),1)
plt.subplot(1,2,1)
plt.imshow(dst,"gray")
plt.axis("off")
plt.title("matching result")
plt.subplot(1,2,2)
plt.imshow(img,cmap="gray")
plt.axis("off")
plt.title("detected point")
plt.show()