引言

        模板匹配是在一幅影象中尋找一個特定目標的方法之一。這種方法的原理非常簡單，遍歷影象中的每一個可能的位置，比較各處與模板是否“相似”，當相似度足夠高時，就認為找到了我們的目標。

匹配方法

         在 OpenCV 中，提供了相應的匹配函式完成這個操作：matchTemplate、 minMaxLoc

         matchTemplate 函式：在模板和輸入影象之間尋找匹配,獲得匹配結果影象 
         minMaxLoc 函式：在給定的矩陣中尋找最大和最小值，並給出它們的位置

         在具體介紹這兩個函式之前呢，我們還要介紹一個概念，就是如何來評價兩幅影象是否“相似”。 
OpenCV 提供了 6 種計算兩幅影象相似度的方法：

• 差值平方和匹配 CV_TM_SQDIFF
• 標準化差值平方和匹配 CV_TM_SQDIFF_NORMED
• 相關匹配 CV_TM_CCORR
• 標準相關匹配 CV_TM_CCORR_NORMED
• 相關匹配 CV_TM_CCOEFF
• 標準相關匹配 CV_TM_CCOEFF_NORMED

 方法介紹

         下面就分別來介紹。首先，先給出幾個符號： 
T(x,y)  用來表示我們的模板。I(x,y) 是我們的目標影象。 R(x,y) 是用來描述相似度的函式。

差值平方和匹配 CV_TM_SQDIFF

這類方法利用影象與模板各個畫素差值的平方和來進行匹配，最好匹配為 0。 匹配越差，匹配值越大。

                                       
標準化差值平方和匹配 CV_TM_SQDIFF_NORMED

這個方法其實和差值平方和演算法是類似的。只不過對影象和模板進行了標準化操作。

也就是說當 I(x,y)和T(x,y) 變為k×I(x,y)和k×T(x,y) 時，R(x,y)不發生變化。

相關匹配 CV_TM_CCORR

這類方法採用模板和影象的互相關計算作為相似度的度量方法，所以較大的數表示匹配程度較高，0標識最壞的匹配效果。

                                           
標準化相關匹配 CV_TM_CCORR_NORMED

這個方法和 標準化差值平方和匹配 類似，都是去除了亮度線性變化對相似度計算的影響。可以保證影象和模板同時變亮或變暗k倍時結果不變。

                                           
相關匹配 CV_TM_CCOEFF

這種方法也叫做相關匹配，但是和上面的 CV_TM_CCORR 匹配方法還是有不通過的。簡單的說，這裡是把影象和模板都減去了各自的平均值，使得這兩幅影象都沒有直流分量。

                                                  
標準相關匹配 CV_TM_CCOEFF_NORMED

這是 OpenCV 支援的最複雜的一種相似度演算法。這裡的相關運算就是數理統計學科的相關係數計算方法。具體的說，就是在減去了各自的平均值之外，還要各自除以各自的方差。經過減去平均值和除以方差這麼兩步操作之後，無論是我們的待檢影象還是模板都被標準化了，這樣可以保證影象和模板分別改變光照亮不影響計算結果。計算出的相關係數被限制在了 -1 到 1 之間，1 表示完全相同，-1 表示兩幅影象的亮度正好相反，0 表示兩幅影象之間沒有線性關係。

例項演示：

程式碼如下

#匯入cv模組
import cv2 as cv
import numpy as np
'''
    匹配方法：
    差值平方和匹配 CV_TM_SQDIFF
    標準化差值平方和匹配 CV_TM_SQDIFF_NORMED
    相關匹配 CV_TM_CCORR
    標準相關匹配 CV_TM_CCORR_NORMED
    相關匹配 CV_TM_CCOEFF
    標準相關匹配 CV_TM_CCOEFF_NORMED
'''
def template_demo():
    tpl=cv.imread("F:/Projects/images/tpl.png")
    target=cv.imread("F:/Projects/images/target1.png")
    cv.imshow("template image",tpl)
    cv.imshow("target image",target)
    methods=[cv.TM_SQDIFF_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCOEFF_NORMED]
    th,tw=tpl.shape[:2]
    for md in methods:
        print(md)
        result=cv.matchTemplate(target,tpl,md)
        min_val,max_val,min_loc,max_loc=cv.minMaxLoc(result)
        if md==cv.TM_SQDIFF_NORMED:
            tl=min_loc
        else:
            tl=max_loc
        br=(tl[0]+tw,tl[1]+th)
        cv.rectangle(target,tl,br,(0,0,255),2)
        cv.imshow("match-"+np.str(md),target)

print("------------Hi,Python!-------------")
# 讀取影象，支援 bmp、jpg、png、tiff 等常用格式
src = cv.imread("F:/Projects/images/1.jpg")
#建立視窗並顯示影象
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)   #顯示原圖
template_demo()
cv.waitKey(0)
#釋放視窗
cv.destroyAllWindows()

執行效果：