【OpenCV Python】核心操作--模板匹配
2.多物件匹配
有時候，如果你要匹配的模板，在圖形中多次出現，那麼就需要多物件匹配。
多物件匹配的原理很簡單，因為opencv裡的模板匹配，是將圖形裡的每一處和模板進行對比，所以同一個模板下，多物件匹配情況下，結果矩陣裡會有好幾個值，和最大（小）值接近，如果我們設定一個閾值，在這個閾值以上（以下）的值都提取出來，再分別得到他們的座標，理論上只要這個閾值設定的恰當，就可以將多物件都匹配出來。
在使用多物件匹配時，先介紹幾個方便處理這個過程的函式：
np.nonzero()
這個函式的輸入是一個多維陣列，其作用是將所有非0值的索引放入一個多維數組裡作為結果輸出，如果輸入是1維，結果應該也是1維，2維的結果應該也是
例如：
A=[[0,1,1],[0,0,0],[1,0,0]]
result = np.nonzero(A)
print result
我們可以看出A這個數組裡，非0的數值分別是第0個小陣列的第1個，第0個小陣列第2個，第2個小陣列第0個。所以結果放在兩個數組裡[0.0.2],[1.2.0]
np.where[condition， x, y]
對於這個函式，conditon,x,y都是同維度的陣列，其結果也是個同維度的陣列，它的作用是這樣的，condition裡的第（i，j）裡的數看作一個bool型別的數，如果是true，將x裡對應的（i，j）數值放入結果的（i，j)位置，如果是false就將y裡對應的(i，j
這個函式還有一種情況，如果輸入只有conditon一個引數，則是輸出np.nonzero(condition)
如果將一個numpy的array與一個數做比較，則是將array裡每一個數值分別與這個數做對比，將結果放入每一個數對應的位置
例如：
A=np.array([[0,1,1],[0,0,0],[1,0,0]])
result=A>=1
print result
螢幕剪輯的捕獲時間: 2018/4/17 22:39
Zip()
zip函式的輸入是不定量個list或者tuple，如A，B，C，這個函式將輸入的list或者tuple的第i位
(0<i<len(list))位取出，組成（A
例如：
A = [0,1,2]
B = [1,4,5]
C = [7,0,0]
print zip(A,B,C)
螢幕剪輯的捕獲時間: 2018/4/17 22:56
值得注意的是，zip的輸入是不定函式，其數量是不定的，所以使用zip（*arg）,將所有引數放入一個list裡，作為輸入，也是可以的，所以上面的程式碼也可以這樣寫：
D = [[0,1,2], [1,4,5],[7,0,0]]
print zip(*D)
其輸出和上面一樣。
講了這麼多，我們來看看多物件匹配具體怎麼完成，程式碼如下：
img = cv2.imread("Mine.png", 1)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
template = cv2.imread("temp.png", 0)
w, h = template.shape[::-1]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
locs = np.where(res >=0.985)
for loc in zip(*locs[::-1]):
img =cv2.rectangle(img, loc, (loc[0] + w, loc[1] + h), (0, 0, 255), 3)
螢幕剪輯的捕獲時間: 2018/4/17 23:01
以上程式碼中，黑色部分和之前單個匹配一樣，對於紅色部分。
0.985是我們設定的閾值，res>=0.958的作用是將結果array裡符合條件的數值換成True，反之換成False。
np.where的作用是將true的索引輸出到loc變數
loc[::-1]將輸出的索引變換成x,y座標，因為索引和x,y座標是正好相反的，所以要對換下位置。
然後再迴圈座標，分別畫出紅色邊界。