本文介绍传统的目标识别方法-模板匹配，模板匹配在一些传统的图像处理案例中，有很大的使用价值，这里我们对opecv中模板匹配的API 和使用方法进行了简单的介绍。

目录

• 模板匹配
• 单对象匹配
• 多对象匹配

模板匹配

?? 模板匹配是用来在一幅大图里搜寻模板图像位置的方法

?? 采用Opencv函数 cv2.matchTemplate()

• 匹配函数返回的是一副灰度图，最白的地方表示最大的匹配。
• 使用cv2.minMaxLoc() 函数可以得到最大匹配值的坐标，以这个点为左上角角点，模板的宽和高画矩形就是匹配的位置

如果使用的比较方法是cv2.TM_SQDIFF 和 cv2.TM_SQDIFF_NORMED时，最小值对应的位置才是匹配位置。

单对象匹配

• 平方差匹配 CV_TM_SQDIFF：用两者的平方差来匹配，最好的匹配值为0
• 归一化平方差匹配 CV_TM_SQDIFF_NORMED
• 相关匹配 CV_TM_CCORR：用两者的乘积匹配，数值越大表明匹配程度越好
• 归一化相关匹配CV_TM_CCORR_NORMED
• 相关系数匹配 CV_TM_CCOEFF：用两者的相关系数匹配，1表示完美的匹配，-1表示最差的匹配
• 归一化相关系数匹配 CV_TM_CCOEFF_NORMED

import cv2
import numpy as np
from matplotlib import pyplot as plt


# 1.模板匹配
img = cv2.imread('dog.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
template = cv2.imread('face_dog.jpg', 0)
h, w = template.shape[:2]  # rows->h, cols->w

# 6种匹配方法
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
           'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

for meth in methods:
    img2 = img.copy()

    # 匹配方法的真值
    method = eval(meth)
    res = cv2.matchTemplate(img_gray, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

    # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED，取最小值
    if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
        top_left = min_loc
    else:
        top_left = max_loc
    bottom_right = (top_left[0] + w, top_left[1] + h)
    cv2.circle(res, top_left, 10, 0, 2)
    # 画矩形|
    cv2.rectangle(img2, top_left, bottom_right, (0, 255, 0), 2)

多对象匹配

?? 单个匹配是找最大匹配的点，所以只能匹配一次。

?? 对于多对象匹配，我们需要设定一个匹配阈值来匹配多次。

img_rgb = cv2.imread('mario.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐标
loc = np.where(res >= threshold)

for pt in zip(*loc[::-1]):  # *号表示可选参数
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)

未完待续~

更多Opencv教程将持续发布！

欢迎关注哟~??????