（纯新手教学）计算机视觉（opencv）实战十二——模板匹配（cv2.matchTemplate）

模板匹配详解

一、概念与应用场景

模板匹配（Template Matching）是一种在大图中查找小图（模板）的常见方法。其基本思路是：将一张待搜索图像与一个模板图像进行滑动比对，通过计算相似度来确定模板在大图中的最佳匹配位置。

应用场景包括：

在屏幕截图中查找按钮、图标的位置。
在工业检测中匹配特定零件的轮廓。
在图像识别任务中定位局部目标。

二、核心函数：cv2.matchTemplate

OpenCV 提供了 cv2.matchTemplate 函数来实现模板匹配。

复制代码

cv2.matchTemplate(image, templ, method, result=None, mask=None)

参数说明：

image：待搜索的图像（通常比模板大）。
templ：模板图像，需要在大图中被搜索的目标。
method：匹配方法，用来衡量相似度。
result：存放匹配结果的矩阵，一般不用手动传入，函数会自动生成。
mask：掩膜，可选参数，某些方法不支持。

三、常见匹配方法

模板匹配的效果依赖于所选择的计算方式。OpenCV 提供了六种主要方法：

TM_SQDIFF（平方差匹配法）
- 使用平方差衡量误差。
- 匹配越好，结果值越小。
TM_CCORR（相关匹配法）
- 采用乘法运算，计算图像与模板的相关性。
- 数值越大表示匹配程度越高。
TM_CCOEFF（相关系数匹配法）
- 通过相关系数计算相似度，排除了亮度影响。
- 数值越大说明匹配效果越好。
TM_SQDIFF_NORMED（归一化平方差匹配法）
- 与 TM_SQDIFF 类似，但结果被归一化。
- 匹配越好，值越小。
TM_CCORR_NORMED（归一化相关匹配法）
- 在 TM_CCORR 的基础上进行归一化，结果范围更稳定。
- 数值越大，匹配越好。
TM_CCOEFF_NORMED（归一化相关系数匹配法）
- 在 TM_CCOEFF 的基础上进行归一化，最常用的一种方法。
- 结果范围通常在 -1 到 1 之间，越接近 1 匹配越好。

四、结果的解析与定位

执行 cv2.matchTemplate 后，得到的 res 是一个二维矩阵，矩阵中的每个元素表示模板在该位置下与原图的匹配程度。

要获取最佳匹配位置，可以使用 cv2.minMaxLoc：

复制代码

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

min_val / max_val：匹配值的最小值和最大值。
min_loc / max_loc：最小值和最大值所在的位置坐标。

具体选取 min_loc 还是 max_loc，取决于所使用的匹配方法：

平方差方法 （TM_SQDIFF、TM_SQDIFF_NORMED） → 使用最小值位置 min_loc。
相关与相关系数方法 （其余方法） → 使用最大值位置 max_loc。

五、绘制匹配结果

当找到最佳匹配位置后，可以根据模板的宽度和高度在原图上绘制矩形框，标记匹配区域：

复制代码

top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
kele_template = cv2.rectangle(kele, top_left, bottom_right, color=(0, 255, 0), thickness=2)

其中：

top_left：匹配矩形的左上角坐标。
bottom_right：匹配矩形的右下角坐标。
color ：矩形颜色，这里为绿色 (0,255,0)。
thickness：线条粗细。

六、完整代码解析

所给代码实现了完整的模板匹配流程：

读取图像

复制代码

import cv2

kele = cv2.imread('kele.png')
template = cv2.imread('template.png')
cv2.imshow('kele',kele)
cv2.imshow('template',template)
cv2.waitKey(0)

kele.png 为待搜索的大图，template.png 为模板。

获取模板尺寸
复制代码
```
h, w = template.shape[:2]
```
得到模板的高度和宽度，用于后续绘制矩形。
执行模板匹配
复制代码
```
res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED)
```
使用归一化相关系数法进行匹配。
定位最佳匹配位置
复制代码
```
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
top_left = max_loc
```
由于采用的是相关系数方法，因此取最大值位置。

绘制矩形框

复制代码

bottom_right = (top_left[0] + w, top_left[1] + h)
kele_template = cv2.rectangle(kele, top_left, bottom_right, color=(0, 255, 0), thickness=2)

结果展示
复制代码
```
cv2.imshow('kele_template',kele_template)
cv2.waitKey(0)
```
将匹配结果以绿色矩形框显示出来。

七、注意事项

模板大小影响结果：模板过大或过小都会导致匹配不准。
光照和角度问题：当图像存在光照变化、旋转、缩放时，传统模板匹配可能失效。
多目标匹配：若需要查找多个匹配位置，可以对结果矩阵进行阈值筛选，而不是只取最大值或最小值。
方法选择：
- 对亮度敏感的情况，应使用相关系数法（CCOEFF）。
- 当需要更稳定的匹配结果时，推荐使用归一化方法。

八、总结

模板匹配是一种直观、易用的目标检测方法，适用于固定目标、尺度不变的场景。通过 cv2.matchTemplate 与 cv2.minMaxLoc 的组合，可以快速实现目标的定位与标记。虽然在复杂场景中可能受光照、旋转等因素影响，但在特定应用中依然是高效实用的工具。