0、参考

（1）不错：

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

（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

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

（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1beta：归一化后的最大值，默认为0norm_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0maxVal：返回最大值的指针，若无需返回，则置为0minLoc：返回最小位置的指针，若无需返回，则置为0maxLoc：返回最大位置的指针，若无需返回，则置为0mask：可选的掩码操作5.模版匹配的测试代码

（1）测试代码

import cv2import numpy as npif __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