概念

模板匹配与剪辑原理很像，模板在原图像上从原点开始浮动，计算模板（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有六中，人后将每次计算的结果放入一个矩阵里面，作为输出结果。加入原图形是A*B大小，则输出结果的矩阵是(A-a+1)（B-b+1）
在这里插入图片描述
匹配完之后，告诉你每一个位置的结果，（结果会因为匹配算法不同而不同）
官网

建议用带归一化的，更可靠

步骤

单个目标的模板匹配

代码：

第一步：读入目标图片，读入模板图片，对目标图片和模板图片进行灰度化操作

第二步：使用cv2.matchtemplate(img, template, cv2.TM_CCOEFF_NORMED) 进行模板匹配，获得大量的ret结果
第三步：使用min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret) # 找出最大值数所在的位置

第四步：使用cv2.rectangle(original, max_loc, (max_loc[0] + w, max_loc[1] + h), (0, 0, 255), 2) 进行画图操作

第五步：我们对上述的方法进行循环，尝试各种方法所得到的结果

单个对象匹配

代码实现一

import cv2
import numpy as np
import matplotlib.pyplot as plt#读入图片，模板个原图
original = cv2.imread('girl.png')
img = cv2.imread('girl.png', 0)
template = cv2.imread('girlFace.png', 0)

template.shape

img.shape

methods = ['cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCOEFF', 'cv2.TM_SQDIFF_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED']
ret = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)

ret.shape

在这里插入图片描述

用max_loc = cv2.minMaxLoc(ret) 定位

在这里插入图片描述

for method in methods:draw_img = img.copy()#匹配方法的真值op = eval(method)ret = cv2.matchTemplate(img, template, op)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(ret)#如果是平方差匹配cv2.TM_SQDIFF或归一化平方差匹配'cv2.TM_SQDIFF_NORMED，取最小值if method in ['cv2.TM_SQDIFF_NORMED', 'cv2.TM_SQDIFF']: #指定为实际的方法，不能是字符串loc = min_locelse:loc = max_locrect = cv2.rectangle(draw_img, loc, (loc[0] + w, loc[1] + h), (0, 0, 255), 2)#左上角这个点，弄出这个框框plt.subplot(121)plt.imshow(ret, cmap='gray')plt.title(method)plt.subplot(122)plt.imshow(rect, cmap='gray')plt.title(method)plt.show()

在这里插入图片描述

代码实现二

在这里插入图片描述

多个对象匹配

多目标匹配，多目标匹配使用的是一个阈值，当大于这个阈值时，我们认为已经获得一个目标的匹配值

而使用cv2.matchTemplate匹配出的ret实际是一些上述指标的数值

代码实现

第一步:读入图片，对目标图片和模板进行灰度化
第二步：匹配模板，获得ret
第三步：使用np.where(ret>0.8) 删选合适的位置，这个位置是(0, 2)即0表示竖的，2表示横着的
第四步：使用index[::-1]将位置进行调换，使用*index[::-1]使得矩阵发生拆分，使用zip进行两两组合
第五步：使用cv2.rectangle进行画多个矩阵
第六步：使用cv2.imshow展示图片

original = cv2.imread('maliao.png')
img = cv2.imread('maliao.png', 0)
template = cv2.imread('maliaojinbi.png', 0)
h, w = template.shape[:2]
ret = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)#取匹配程度大于80%的坐标
index = np.where(ret > 0.8)draw_img = original.copy()
for i in zip(*index[::-1]):	#*代表可选参数rect = cv2.rectangle(draw_img, i, (i[0]+w, i[1]+h), (0, 0, 255), 1)cv2.imshow('rect', np.hstack((original, rect)))
cv2.waitKey(0)
cv2.destroyAllWindows()