Opencv 学习笔记：单模板匹配（6 种算法 + 目标精准定位）

模板匹配是在图像中查找与模板最相似区域的核心技术，本文演示 OpenCV 单模板匹配的完整实现，涵盖 6 种匹配算法，并解决匹配结果定位的核心问题，新手可直接复用。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 1. 读取模板和待匹配图像并校验
tpl = cv.imread('.\image\15.bmp')  # 模板图像
target = cv.imread('.\image\16.bmp')  # 待匹配图像
if tpl is None or target is None:
    print('图像读取失败，请检查路径')
    exit()

# 显示模板和待匹配图像
cv.namedWindow('tpl', cv.WINDOW_NORMAL)
cv.resizeWindow('tpl', 600, 600)
cv.imshow('tpl', tpl)
cv.imshow('target', target)

# 2. 定义6种模板匹配算法
TM_SQDIFF = cv.TM_SQDIFF          # 平方差匹配：0最好，1最次
TM_SQDIFF_NORMED = cv.TM_SQDIFF_NORMED  # 归一化平方差匹配
TM_CCORR = cv.TM_CCORR            # 相关性匹配：1最好，0最次
TM_CCORR_NORMED = cv.TM_CCORR_NORMED    # 归一化相关性匹配
TM_CCOEFF = cv.TM_CCOEFF          # 相关系数匹配：1最好，0最次
TM_CCOEFF_NORMED = cv.TM_CCOEFF_NORMED  # 归一化相关系数匹配

# 选择使用的匹配算法（推荐归一化算法，鲁棒性更强）
use_method = TM_CCOEFF_NORMED

# 3. 执行模板匹配（注意参数顺序：待匹配图像在前，模板在后）
result = cv.matchTemplate(target, tpl, use_method)
# 归一化匹配结果（便于统一分析）
cv.normalize(result, result, 0, 1, cv.NORM_MINMAX, -1)

# 4. 获取匹配结果的极值点（定位最佳匹配区域）
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)

# 5. 根据算法类型确定最佳匹配位置
tpl_h, tpl_w = tpl.shape[:2]  # 获取模板的高和宽
if use_method in [TM_SQDIFF, TM_SQDIFF_NORMED]:
    # 平方差类算法：最小值为最佳匹配
    best_loc = min_loc
else:
    # 相关性/相关系数类算法：最大值为最佳匹配
    best_loc = max_loc

# 6. 绘制匹配框（在待匹配图像上标注结果）
bottom_right = (best_loc[0] + tpl_w, best_loc[1] + tpl_h)
cv.rectangle(target, best_loc, bottom_right, (0, 255, 0), 2)

# 7. 显示匹配结果
cv.namedWindow('result', cv.WINDOW_NORMAL)
cv.resizeWindow('result', 600, 600)
cv.imshow('result', target)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 6 种匹配算法分类

算法类型	核心特点	最佳匹配判定	推荐度
平方差类（SQDIFF/SQDIFF_NORMED）	计算像素差值平方和	数值越小匹配度越高	🌟🌟（归一化版更优）
相关性类（CCORR/CCORR_NORMED）	计算像素相关性	数值越大匹配度越高	🌟🌟（易受亮度影响）
相关系数类（CCOEFF/CCOEFF_NORMED）	去除均值后的相关性	数值越大匹配度越高	🌟🌟🌟（鲁棒性最强）

2. 核心避坑点

参数顺序 ：cv.matchTemplate(target, tpl, method) 必须是「待匹配图像在前，模板在后」，原代码顺序颠倒会导致匹配失败；
匹配框尺寸 ：匹配框的宽高应取模板图像 的尺寸（tpl_w/tpl_h），而非待匹配图像；
归一化优势：归一化算法（带_NORMED 后缀）不受图像尺寸、亮度缩放影响，实际项目优先使用。

3. 核心步骤拆解

读取模板 / 待匹配图像，做好空值校验；
选择匹配算法（优先归一化相关系数）；
执行模板匹配并归一化结果；
根据算法类型获取最佳匹配位置（最小 / 最大值）；
绘制矩形框标注匹配区域。

总结

模板匹配核心是选择合适算法：优先使用TM_CCOEFF_NORMED（归一化相关系数），鲁棒性最强；
注意matchTemplate参数顺序（待匹配图在前）和匹配框尺寸（取模板尺寸）；
平方差类算法看最小值，相关性 / 相关系数类看最大值，是定位最佳匹配的关键。