0、参考

（1）不错：https://blog.csdn.net/cyy1104/article/details/130314183

1、概念

模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配（相似）部分的技术。模板匹配不是基于直方图的，而是通过在输入图像上滑动图像块（模板）同时对比相似度，来对模板和输入图像进行匹配的一种方法。主要应用场合：

• （1）目标查找定位
• （2）运动物体跟踪

2matchTemplate函数

2.1函数定义

（1）函数定义如下

	cv.matchTemplate(	image, templ, method[, result[, mask]]	) ->	result

（2）官方定义如下https://docs.opencv.org/

（3）参数说明

• image：待搜索图像（大图）
• templ：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，而templ的尺寸为w*h，则result的尺寸一定是（W-w+1）*（H-h+1）。

2.2匹配方法

上述函数中（method）的匹配方法有有如下六种：

• 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）

官方的定义如下

https://docs.opencv.org/4.8.0/df/dfb/group__imgproc__object.html#ga3a7850640f1fe1f58fe91a2d7583695d

2.2.1 TM_SQDIFF

平方差匹配 method=TM_SQDIFF：最好匹配为0，匹配越差，匹配值越大。python写法为：cv.TM_SQDIFF

2.2.2 TM_SQDIFF_NORMED

标准平方差匹配 method=TM_SQDIFF_NORMED。Python写法为: cv.TM_SQDIFF_NORMED

2.2.3 TM_CCORR

相关匹配 method=TM_CCORR。Python写法为: cv.TM_CCORR

2.2.4 TM_CCORR_NORMED

标准相关匹配 method=TM_CCORR_NORMED。Python写法为: cv.TM_CCORR_NORMED

2.2.5 TM_CCOEFF

系数匹配 method=TM_CCOEFF。Python写法为: cv.TM_CCOEFF

2.2.6 TM_CCOEFF_NORMED

归一化系数匹配method=TM_CCOEFF_NORMED。Python写法为: cv.TM_CCOEFF_NORMED

3.normalize函数

3.1作用

该函数的作用是进行矩阵归一化。

3.2函数说明

（1）函数

cv.normalize(	src, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]	) ->	dst

（2）官方说明https://opencv.org/

（3）参数说明

• src：输入源图像，Mat类型
• dst：输出结果图像，需要和原图一样的尺寸和类型
• alpha：归一化后的最小值，默认为1
• beta：归一化后的最大值，默认为0
• norm_type：归一化类型，可选：NORM_INF, NORM_L1, NORM_L2（默认）等
• dtype：默认值为-1，此参数为负值时，输出矩阵和src有同样的类型
• mask：可选的掩码操作

4.minMaxLoc()函数

4.1作用

minMaxLoc()函数的作用是在数组中找到全局最小值和最大值

4.2函数说明

（1）定义

cv.minMaxLoc(	src[, mask]	) ->	minVal, maxVal, minLoc, maxLoc

（2）官方定义

（3）参数说明

• src：输入源图像，单通道图像
• minVal：返回最小值的指针，若无需返回，则置为0
• maxVal：返回最大值的指针，若无需返回，则置为0
• minLoc：返回最小位置的指针，若无需返回，则置为0
• maxLoc：返回最大位置的指针，若无需返回，则置为0
• mask：可选的掩码操作

5.模版匹配的测试代码

（1）测试代码

import cv2
import numpy as np


if __name__ == '__main__':
    # 读取图像和模板
    img = cv2.imread('Src2.jpg',0)
    template = cv2.imread('template2.jpg',0)
    # template = cv2.imread('template1_2.jpg',0)
    # template = cv2.imread('template1.jpg',0)
    w, h = template.shape[::-1]

    # 模板匹配
    result = cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)

    #归一化 到0-1范围
    result = cv2.normalize(result, None, 0, 1.0, cv2.NORM_MINMAX, dtype=cv2.CV_32F)

    # 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)

    # 显示结果
    cv2.imshow('Matched image',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

（2）测试结果