卷積具體介紹這篇文章是我看的最好的：https://blog.csdn.net/qq_39521554/article/details/79083864

                    CV_TM_SQDIFF 平方差匹配法：該方法採用平方差來進行匹配；最好的匹配值為0；匹配越差，匹配值越大。
　　　　　　CV_TM_CCORR 相關匹配法：該方法採用乘法操作；數值越大表明匹配程度越好。
　　　　　　CV_TM_CCOEFF 相關係數匹配法：1表示完美的匹配；-1表示最差的匹配。
　　　　　　CV_TM_SQDIFF_NORMED 歸一化平方差匹配法
　　　　　　CV_TM_CCORR_NORMED 歸一化相關匹配法
　　　　　　CV_TM_CCOEFF_NORMED 歸一化相關係數匹配法

import cv2 as cv
import numpy as np

def template_demo():
    tpl = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/pic51.png")
    target = cv.imread("C:/Users/weiqiangwen/Desktop/sest/data/pic5.png")    ##輸入影象
    cv.imshow("template image", tpl)
    cv.imshow("target image", target)
    methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]
    th, tw = tpl.shape[:2]
    for md in methods:
        print(md)
        result = cv.matchTemplate(target, tpl, md)       ##找出相似度的圖片，並將座標定位到左上角位置

##minVal：極小值，可輸入NULL表示不需要。
#maxVal ：極大值，可輸入NULL表示不需要。
#minLoc：極小值的位置，可輸入NULL表示不需要。
#maxLoc：極大值的位置，可輸入NULL表示不需要。
#mask：可有可無的遮罩。
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
        if md == cv.TM_SQDIFF_NORMED:        ##意義通過相似度得到匹配矩陣的一個頂點
            tl = min_loc
        else:
            tl = max_loc
        br = (tl[0]+tw, tl[1]+th)          ##取出矩陣對角的一個頂點
        cv.rectangle(target, tl, br, (0, 0, 255), 2)
        cv.imshow("match-"+np.str(md), target)     ##原匹配結果
        ##cv.imshow("match-" + np.str(md), result)      ##匹配圖灰度結果


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/contours.png")
##cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE)
##cv.imshow("contours", src)
template_demo()
cv.waitKey(0)

cv.destroyAllWindows()