OpenCV(cv2)学习笔记：从模板匹配入门到常用函数

1️⃣ 什么是 OpenCV (cv2)

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了图像处理、视频分析、机器视觉、特征识别等功能。

在 Python 中，使用 cv2 模块来调用 OpenCV 的各种函数。

特点：

强大：涵盖图像读取、编辑、特征检测、机器学习等。
跨平台：支持 Windows、Linux、macOS。
易用：与 NumPy 紧密结合，图像直接以 numpy.ndarray（数组/矩阵）形式存储。

2️⃣ 模板匹配案例

模板匹配是一种在大图中寻找小图的经典方法。

我们的目标是：给定一张模板图（template），在目标图像（image）中找到它出现的位置，并用绿色矩形标记出来。

完整代码（详细注释版）

python 复制代码

import cv2   # 导入 OpenCV 库，用于图像处理和计算机视觉

# 1. 读取原图像（待搜索的图像）
kele = cv2.imread('image.png')   # 从文件读取图像，返回 NumPy 数组（BGR 格式）
cv2.imshow('kele', kele)         # 显示原图
cv2.waitKey(0)                   # 等待用户按下任意键，按键后窗口才会响应

# 2. 读取模板图像（要找的小图）
template = cv2.imread('template.png')
cv2.imshow('template', template)
cv2.waitKey(0)

# 3. 获取模板的尺寸（高 h，宽 w）
h, w = template.shape[:2]        # shape[0] 是高度，shape[1] 是宽度

# 4. 进行模板匹配
# TM_CCOEFF_NORMED：归一化相关系数匹配法，匹配度越高值越接近 1
res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED)

# 5. 获取匹配结果中的最大值、最小值及对应的位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# min_val：最小匹配值
# max_val：最大匹配值
# min_loc：最小值的位置 (x, y)
# max_loc：最大值的位置 (x, y)

# 6. 确定最佳匹配区域
top_left = max_loc   # TM_CCOEFF_NORMED 是"值越大越相似"，所以取 max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)

# 7. 在原图上绘制绿色矩形框
kele_template = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2)
# 参数：
# - (0, 255, 0)：绿色 (BGR)
# - 2：线条宽度

# 8. 显示结果
cv2.imshow('kele_template', kele_template)
cv2.waitKey(0)

运行效果：

程序会依次弹出三个窗口：

显示原图 kele
显示模板图 template
在原图中绘制绿色矩形框标记匹配区域

3️⃣ 核心函数讲解

图像读写与显示

函数	作用	常用参数
`cv2.imread(path, flags)`	读取图像	flags: cv2.IMREAD_COLOR(默认彩色)、cv2.IMREAD_GRAYSCALE(灰度)
`cv2.imwrite(path, img)`	保存图像	文件路径
`cv2.imshow(winname, img)`	显示图像窗口	winname 为窗口名
`cv2.waitKey(delay)`	等待键盘事件	delay=0 表示无限等待，单位：毫秒
`cv2.destroyAllWindows()`	关闭所有窗口	无

图像属性

python 复制代码

img.shape  # (height, width, channels)
img.size   # 图像像素总数
img.dtype  # 图像数据类型（如 uint8）

绘图函数

函数	作用
`cv2.line(img, pt1, pt2, color, thickness)`	画线
`cv2.rectangle(img, pt1, pt2, color, thickness)`	画矩形
`cv2.circle(img, center, radius, color, thickness)`	画圆
`cv2.putText(img, text, org, font, scale, color, thickness)`	绘制文字

模板匹配

函数	作用
`cv2.matchTemplate(image, templ, method)`	计算模板在图像中每个位置的匹配度
`cv2.minMaxLoc(src)`	返回最小值、最大值及其坐标

常用匹配方法：

cv2.TM_SQDIFF：平方差匹配（越小越相似）
cv2.TM_CCORR_NORMED：归一化相关匹配（越大越相似）
cv2.TM_CCOEFF_NORMED：归一化相关系数匹配（越大越相似）

4️⃣ OpenCV 与 NumPy 的关系

OpenCV 中的图像对象是一个 NumPy 数组：

可以用数组切片直接操作像素：

python 复制代码

pixel = img[100, 200]      # 获取 (y=100, x=200) 像素 [B, G, R]
blue_channel = img[:, :, 0]  # 获取蓝色通道

可以直接使用 NumPy 的数学运算，如平均值、标准差：

python 复制代码

import numpy as np
mean_brightness = np.mean(img)

5️⃣ 经验总结

cv2.imshow() 只是提交图像数据，必须配合 cv2.waitKey() 才能真正显示。
读取彩色图像时，OpenCV 默认是 BGR 而不是 RGB。
模板匹配适合小目标、光照变化不大的场景；更复杂的情况建议使用特征匹配（如 SIFT、ORB）。