一、什么是模板匹配
模板匹配 是指当前图像 A 内寻找与图像 B 最相似的部分，一般将图像 A 称为 输入图像，将图像 B 称为 模板图像。模板匹配的操作方法是将模板图像 B 在输入图像 A 上滑动，遍历所有像素以完成匹配。
我们可以在终端中使用 pip 安装 OpenCV 模块。默认是从国外的主站上下载，因此，我们可能会遇到网络不好的情况导致下载失败。我们可以在 pip 指令后通过 -i 指定国内镜像源下载。
pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple
国内常用的 pip 下载源列表：
- 阿里云 https://mirrors.aliyun.com/pypi/simple
- 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple
- 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple
- 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple
在 OpenCV 中，我们可以使用 cv2.matchTemplate() 函数实现模板匹配。该函数的定义如下：
cv2.matchTemplate(image: cv2.typing.MatLike, templ: cv2.typing.MatLike, method: int, result: cv2.typing.MatLike | None = ..., mask: cv2.typing.MatLike | None = ...) -> cv2.typing.MatLike: ...
其中，参数 image 为 原始图像，该图像必须是 8 位图像或者 32 位图像。参数 templ 是 模板图像。它的尺寸必须小于或等于原始图像，并且与原始图像具有同样的类型。参数 method 为 匹配方法。它必须和模板图像具有相同的大小。参数 reset 是 每个位置的比较结果组合所构成的一个结果集，类型是单通道 32 位浮点型。参数 mask 为 模板图像掩膜。
参数 method 为 匹配方法，它的常用取值如下：
cv2.TM_SQDIFF：以方差为依据进行匹配。若完全匹配，则结果为零。若不匹配，则会得到一个很大的值。cv2.TM_SQDIFF_NORMED：标准（归一化）平方差匹配。cv2.TM_CCORR：相关匹配，这类方法将模板图像与输入图像相乘，如果乘积较大，表示匹配程度较高，如果乘积为 0，则表示匹配效果较差。cv2.TM_CCORR_NORMED：标准（归一化）相关匹配。cv2.TM_CCOEFF：相关系数匹配，这类方法将模板图像与其均值的相对值，和输入图像与其均值的相关值进行匹配，1表示 完美匹配，-1表示 糟糕的匹配，0表示 没有任何相关性（随机序列）。cv2.TM_CCOEFF_NORMED：标准（归一化）相关系数匹配。
在进行模板匹配时，模板在原始图像内遍历。在水平方向上遍历的起始坐标是原始图像左数第 1 个像素值。最后一次比较是模板图像位于原始图像的最右侧时，此时其左上角像素点所在的位置是 W - w + 1。在垂直方向上遍历的起始坐标从原始图像顶端的第 1 个像素开始，最后一次比较是当模板图像位于原始图像的最下端时，此时其左上角像素点所在位置是 H - h + 1。
如果原始图像尺寸是 W X H，模板的尺寸是 w - h，则返回值的大小为 (W - w + 1) * (H - h + 1)。也就是说，模板图像要在输入图像内比较 (W - W + 1) * (H - h + 1) 次。
在查找最佳匹配时，首先要确定使用的是何种 method，然后再确定到底是查找最大值还是最小值。在 OpenCV 中，提供了 cv2.minMaxLoc() 函数用来 查找最值。
cv2.minMaxLoc(src: cv2.typing.MatLike, mask: cv2.typing.MatLike | None = ...) -> tuple[float, float, cv2.typing.Point, cv2.typing.Point]: ...
参数 src 是 单通道数组。参数 mask 是 图像掩码。该函数返回一个元组，元组的第一个值是 最小值，第二个值是 最大值，第三个参数是 最小值的位置，第四个值是 最大值的位置。
import sys
import cv2if __name__ == '__main__':image = cv2.imread("assets/images/lena.png")template = cv2.imread("assets/images/11.png")if image is None or template is None:print("加载图片失败")sys.exit(0)result = cv2.matchTemplate(image, template, cv2.TM_SQDIFF)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)cv2.rectangle(image, min_loc, (min_loc[0] + template.shape[1], min_loc[1] + template.shape[0]), (0, 255, 0), 2)cv2.imshow("Result", image)cv2.waitKey(0)cv2.destroyAllWindows()sys.exit(0)
二、多模板匹配
cv2.minMaxLoc() 函数只能找出最值，无法给出所有匹配区域的位置信息。所以，想要匹配多个结果，我们需要利用阈值进行处理。我们可以使用 cv2.where() 函数 获取模板匹配位置的集合。对于不同的输入，其返回的值是不同的。
- 当输入（参数）是一维数组时，返回值时一维数组，返回的是匹配值的位置（索引）。
- 当输入（参数）是二维数组时，返回的是匹配值的行、列位置索引。此时，有两组索引，分别表示匹配值的行和列。
在获取数组之后，我们需要在循环中获取匹配值的索引。这里，我们使用 zip() 函数将对象中对应的元素打包成一个个元组。
import sys
import cv2
import numpy as npif __name__ == '__main__':image = cv2.imread("assets/images/mario.jpg")template = cv2.imread("assets/images/coin.png")if image is None or template is None:print("加载图片失败")sys.exit(0)h, w = template.shape[:2]result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)# 设置阈值，认为相关系数大于0.8就匹配到了threshold = 0.8# 分别返回y轴和x轴的索引locs = np.where(result >= threshold)for loc in zip(*locs[::-1]):bottom_right = loc[0] + w, loc[1] + hcv2.rectangle(image, loc, bottom_right, (0, 0, 255), 1)cv2.imshow("Result", image)cv2.waitKey(0)cv2.destroyAllWindows()sys.exit(0)