目標
在本節我們要學習：
1. 使用模板匹配在一幅圖像中查找目標
2. 函數： cv2.matchTemplate()， cv2.minMaxLoc()

原理
模板匹配是用來在一副大圖中搜尋查找模版圖像位置的方法。 OpenCV 為我們提供了函數： cv2.matchTemplate() 。和 2D 卷積一樣，它也是用模板圖像在輸入圖像（大圖）上滑動，并在每一個位置對模板圖像和與其對應的輸入圖像的子區域進行比較OpenCV提供了幾種不同的比較方法（細節請看文檔）。返回的結果是一個灰度圖像，每一個像素值表示了此區域與模板的匹配程度。如果輸入圖像的大小是（WxH），模板的大小是（wxh），輸出的結果的大小就是（W-w+1， H-h+1）。當你得到這幅圖之后，就可以使用 函數 cv2.minMaxLoc() 來找到其中的最小值和最大值的位置了。第一個值為矩形左上角的點（位置），（w， h）為 moban 模板矩形的寬和高。這個矩形就是找到的模板區域了。

注意： 如果你使用的比較方法是 cv2.TM_SQDIFF，最小值對應的位置才是匹配的區域。?

1. OpenCV 中的模板匹配

這里有一個例子：我們在梅西的照片中搜索梅西的面部。所以我們要制作下面這樣一個模板：

我們會嘗試使用不同的比較方法，這樣我們就可以比較一下它們的效果了。

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

img = cv2.imread('messi5.jpg', 0)
img2 = img.copy()
template = cv2.imread('messi_face.jpg', 0)
w, h = template.shape[::-1]

# All the 6 methods for comparison in a list
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:
    img = img2.copy()
    
    # exec 語句用來執行儲存在字符串或文件中的 Python 語句。
    # 例如，我們可以在運行時生成一個包含 Python 代碼的字符串，然后使用 exec 語句執行這些語句。
    # eval 語句用來計算存儲在字符串中的有效 Python 表達式
    method = eval(meth)
    # Apply template Matching
    res = cv2.matchTemplate(img, template, method)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    # 使用不同的比較方法，對結果的解釋不同
    # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
    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.rectangle(img, top_left, bottom_right, 255, 2)
    
    plt.subplot(121), plt.imshow(res, cmap='gray')
    plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
    plt.subplot(122), plt.imshow(img, cmap='gray')
    plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
    plt.suptitle(meth)
    
    plt.show()
            
          

結果如下：
cv2.TM_CCOEFF

cv2.TM_CCOEFF_NORMED

cv2.TM_CCORR

cv2.TM_CCORR_NORMED

?cv2.TM_SQDIFF

cv2.TM_SQDIFF_NORMED

可以看到 cv2.TM_CCORR 的效果不像我們想的那么好

2 多對象的模板匹配

在前面的部分，我們在圖片中搜素梅西的臉，而且梅西只在圖片中出現了一次。假如你的目標對象只在圖像中出現了很多次怎么辦呢？ 函數 cv.imMaxLoc() 只會給出最大值和最小值。 此時，我們就要使用閾值了 。
在下面的例子中我們要經典游戲 Mario 的一張截屏圖片中找到其中的硬幣。?

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

img_rgb = cv2.imread('mario.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.png', 0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8

# umpy.where(condition[, x, y])
# Return elements, either from x or y, depending on condition.
# If only condition is given, return condition.nonzero().
loc = np.where(res >= threshold)

for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)
    
cv2.imwrite('res.png', img_rgb)
            
          

結果：

?

參考資料：

1.?OpenCV-Python官方文檔

2.《OpenCV-Python 中文教程》（段力輝 譯）

?

?