轮廓检测
#先转化为二值图
img = cv2.imread(name)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv2.findContours(img,mode,method)
mode取值：
CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
CV_RETR_LIST ：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓
CV_RETR_CCOMP ：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
CV_RETR_TREE ：检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。
method取值：
CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量
CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留
模板匹配
与卷积原理相似，模板在原图上从原点开始滑动，计算模板与原图的差异程度，计算方法有6种，将每次计算结果放入一个矩阵，作为结果，若原图大小AB，模板ab，输出结果矩阵大小为（A-a+1）*(B-b+1)
res = cv2.matchTemplate(img,template,method)
| cv2.TM_SQDIFF | 平方差匹配，值越小匹配度越高。 |
|---|---|
| cv2.TM_SQDIFF_NORMED | 归一化平方差匹配，值越小匹配度越高。 |
| cv2.TM_CCORR | 相关匹配，值越大匹配度越高。 |
| cv2.TM_CCORR_NORMED | 归一化相关匹配，值越大匹配度越高。 |
| cv2.TM_CCOEFF | 相关系数匹配，值越大匹配度越高。 |
| cv2.TM_CCOEFF_NORMED | 归一化相关系数匹配，值越大匹配度越高。 |