OpenCV图像处理—— 模板匹配

      模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。

      工作原理：在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。

       局限性：它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。

 

常见的模板匹配算法：

①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是标准（归一化）平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。

②TM_CCORR是相关性匹配；TM_CCORR_NORMED是标准相关性匹配。采用模板和图像间的乘法操作（卷积结果）,数值越大表示匹配程度较高, 0表示最坏的匹配效果。

③TM_CCOEFF是相关性系数匹配；TM_CCOEFF_NORMED是标准相关性系数匹配。用源图像与其均值的差、模板与其均值的差二者之间的相关性进行匹配，也是值越大，匹配效果也好。1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。

 

#模板匹配
import cv2 as cv
import numpy as np
def template_demo():
    tpl =cv.imread('F:/Desktop/image/target.JPG')
    image = cv.imread("F:/D