模板匹配原理：（模式识别中最简单的一个识别方法，就是图像处理中最简单的）
模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域；
模板匹配需要一个模板图图像T（给定的子图像）；
需要一个待检测的图像——源图像S；
工作方法：在待检测图像上，从左到右，从上到下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。

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

def template_demo():
    tpl = cv.imread("C:\\pictures\\xiaotaohua.jpg")
    target = cv.imread("C:\\pictures\\dataohua.jpg")
    cv.imshow("template image",tpl)
    cv.imshow("target image",target)
    methods = [cv.TM_SQDIFF_NORMED,cv.TM_CCOEFF_NORMED,cv.TM_CCORR_NORMED]  #各种匹配算法
    th,tw = tpl.shape[:2]   #获取模板图像的高宽
    for md in methods:
        print(md)
        result = cv.matchTemplate(target,tpl,md) 
        # result是我们各种算法下匹配后的图像
        # cv.imshow("%s"%md,result)
        #获取的是每种公式中计算出来的值，每个像素点都对应一个值
        min_val,max_val,min_loc,max_loc = cv.minMaxLoc(result)
        if md == cv.TM_SQDIFF_NORMED:
            tl = min_loc    #tl是左上角点
        else:
            tl = max_loc
        br = (tl[0]+tw,tl[1]+th)    #右下点
        cv.rectangle(target,tl,br,(0,0,255),2)  #画矩形 到原图上去
        # cv.imshow("match-%s"%md,target)
        cv.imshow('math-'+np.str(md),target)
        # cv.imshow("match-%s"%md,result)



if __name__ == "__main__":
	template_demo()
	cv.waitKey(0)
	cv.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

显示的结果