第一章：图像模板匹配演示

① 效果展示1

这是我要进行匹配的图片：

匹配后的效果：

② 效果展示2

这是我要进行匹配的图片：

匹配后的效果：

③ 实现源码

实现源码如下：
这里使用了 CV_TM_SQDIFF 算法，调用方法为 cv.TM_SQDIFF

import cv2 as cv

def template_matching(img_match, img, arithmetic_model):
    '''
     【作用】
      进行图片模板匹配
     【参数1】
      模板图片
     【参数2】
      进行匹配的图片
     【参数3】
      算法模型
     【返回】
      无
    '''

    # 进行模板匹配
    result = cv.matchTemplate(img, img_match, arithmetic_model)
    
    # 获取最小最大匹配值，还有对应的坐标
    min_value, max_value, min_coordinate, max_coordinate = cv.minMaxLoc(result)
    
    # 默认最佳最大值，当算法为CV_TM_SQDIFF或CV_TM_SQDIFF_NORMED时改为最小值
    best_coordinate = max_coordinate;
    if(arithmetic_model == cv.TM_SQDIFF or arithmetic_model == cv.TM_SQDIFF_NORMED):
        best_coordinate = min_coordinate;
    
    # 获取匹配图片的高和宽
    m_height, m_width = img_match.shape[:2]
    
    # 矩形的起始点和结束点
    r_start = best_coordinate
    r_end = (best_coordinate[0] + m_width, best_coordinate[1] + m_height);
    
    # 矩形的颜色和线的宽度
    r_color = (0, 0, 0)
    r_line_width = 2
    
    # 绘制矩形并展示
    cv.rectangle(img, r_start, r_end, r_color, r_line_width)
    cv.imshow("Xiao Lanzao", img)

# 传入图片数据
img_match = cv.imread("./image/baidu-ico.png")
img = cv.imread("./image/baidu-sousuo.png")

template_matching(img_match, img, cv.TM_SQDIFF)

cv.waitKey(0)
cv.destroyAllWindows()

第二章：六大模板匹配算法

在一些复杂的场景下，从简单的平方差算法到更复杂的相关系数算法，匹配的准确率会不断提高，但是计算量也同时增加了。

① CV_TM_SQDIFF【平方差匹配】

平方差匹配：CV_TM_SQDIFF
说明：
利用平方差进行匹配。
特点：系数越小匹配程度越好，最小值 0。
公式如下：

② CV_TM_SQDIFF_NORMED【标准平方差匹配】

标准平方差匹配：CV_TM_SQDIFF_NORMED
特点同上①。
公式如下：

③ CV_TM_CCORR【相关匹配】

相关匹配：CV_TM_CCORR
利用模板和图像间的乘法操作。
特点： 系数越高匹配效果越好，最小值 0。
公式如下：

④ CV_TM_CCORR_NORMED【标准相关匹配】

标准相关匹配：CV_TM_CCORR_NORMED
特点同③。
公式如下：

其中：

⑤ CV_TM_CCOEFF【相关系数匹配】

相关系数匹配 CV_TM_CCOEFF
利用模版对其均值的相对值与图像对其均值的相关值进行匹配。
特点： 系数越高匹配系数越好，最大值为 1，最小为 -1。
公式如下：

其中：

⑥ CV_TM_CCOEFF_NORMED【标准相关系数匹配】

标准相关系数匹配：CV_TM_CCOEFF_NORMED
特点同上⑤。
公式如下：

喜欢的点个赞❤吧！