模板匹配實現的思想也是很簡單很暴力的，就是拿著模板圖片在原圖中從左上至右下依次滑動，直到遇到某個區域的相似度低於我們設定的閾值，那麼我們就認為該區域與模板匹配了，也就是我們找到了姚明的位置，並把它標記出來。

opencv中提出6種模板匹配公式：

示例：

原影象：

匹配模板：

程式碼：

 1 import cv2
 2 import matplotlib.pyplot as plt
 3 
 4 methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED
 
', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']
 5 
 6 
 7 if __name__ == '__main__':
 8     img = cv2.imread('../pics/5.jpg')
 9     template = cv2.imread('../pics/5-part.jpg')
10     (w,h) = (template.shape[1], template.shape[0])
11     count = 1
12 
13     for meths in methods:
14         img2 = img.copy()
 
15         method = eval(meths)
16         print(meths)
17         res = cv2.matchTemplate(img, template, method)
18         min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
19 
20         if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
21             top_left = min_loc
22         else:
23
 
             top_left = max_loc
24         bottom_right = (top_left[0] + w, top_left[1] + h)
25 
26         cv2.rectangle(img2, top_left, bottom_right, 255, 2)
27 
28         plt.subplot(6,2,count), plt.imshow(res, cmap='gray')
29         plt.xticks([]), plt.yticks([])  # hide coordinate
30         plt.subplot(6,2,count+1), plt.imshow(img2, cmap='gray')
31         plt.xticks([]), plt.yticks([])
32         count += 2
33 
34     plt.show()

效果：

（從上到下依次為：'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'）

可以看到效果基本可以找到，但當模板的尺寸發生變形時，cv的模板匹配就很難找到了。