OpenCV 模板匹配全解析：从单模板到多模板的实战指南

简介：本文深入探讨 OpenCV 中的模板匹配技术。详细介绍构建输入图像与模板图像的步骤，包括读取、截取、滤波与存储等操作。剖析 cv2.matchTemplate 语法及其参数含义，阐述不同匹配方法下结果值的意义。同时讲解 cv2.minMaxLoc 语法，并通过代码示例展示单模板匹配查找最小值与最大值的实现过程，以及多模板匹配的完整步骤，涵盖阈值设定、解的获取与标记绘制等，助您全面掌握 OpenCV 模板匹配要点，提升图像处理能力。
如果你觉得本文对你的OpenCV模板匹配学习有所帮助，请帮我点赞收藏 关注，我会持续创作更多的OpenCV相关的博文帮助你我共同进步。

模板匹配

是指把模板图像与输入进行比对滑动，遍历所有像素找到相似的。
在OpenCV中使用模板匹配分成两种，一种是单模版匹配，一种是多模板匹配。在本次的代码中使用了pig.JPG图像进行实验，大家可以复制图片然后跟自己的代码放在同一个文件夹下运行：

构建输入图像 与模板图像

模板图像构建的思路如下:
（第一步）把这个pig.JPG图像使用cv2.imread读取到项目文件中
（第二步）选择猪猪的眼睛对应的那部分np数组的索引
（第三步）使用高斯滤波对这部分进行平滑处理
（第四步）使用cv2.imwrite函数将做好的模板部分保存到pig_eye.JPG中
（这里使用高斯滤波的目的是为了不让截取的图片和原图一模一样）

import cv2
import numpy as np
img = cv2.imread("pig.JPG")
# print(img.shape)
img = img[300:400,220:370]
img = cv2.GaussianBlur(img,(5,5),0)
r = cv2.imwrite("eye.JPG",img)
cv2.imshow('eye',img)
cv2.waitKey()
cv2.destroyAllWindows()

构建输入图像是为了可以实现验证多模板匹配的效果：
（第一步）读取pig.JPG图片的shape
（第二步）构建一个两倍宽度的全0数组
（第三步）将图片复制到数组中
（第四步）展示复制效果

import cv2
import numpy as np
img = cv2.imread("pig.JPG")
height,width,channels = img.shape
empty = np.zeros((height,2*width,channels),dtype = np.uint8)
empty[0:height,0:width] = img
empty[0:height,width:width*2] = img
r = cv2.imwrite("moudle.JPG",empty)
cv2.imshow('moudle',empty)
cv2.waitKey()
cv2.destroyAllWindows()

cv2.matchTemplate语法

result 返回值是由每个位置比较结果构成的一个结果集 ，他的尺寸是 输入图像 - 模板图像+1 无论是宽还是高都一样 = cv2.matchTemplate（image输入图像，templ模板图像，method匹配方法，mask通常使用默认值 仅支持TM_SQDIFF 和 TM_CCORR_NORMED）

对于参数method而言，分两种情况：

1. 若值为cv2.TM_SQDIFF和cv2.TM_SQDIFF_NORMED时，result值越低匹配效果越好
2. 若值为cv2.TM_CCORR和cv2.TM_CCORR_NORMED和cv2.TM-CCOEFF和cv2.TM-CCOEFF_NORMED时，值越大匹配效果越好

cv2.minMaxLoc语法

minVal 返回的最小值,maxVal 返回的最大值,minLoc最小值的位置,maxLoc最大值的位置 = cv2.minMaxLoc( 数组)

单模板匹配查找最小值

（第一步）cv2.matchTemplate选择method
（第二步）把筛选结果放入cv2.minMaxLoc函数进行找最小值得位置
（第三步）这个位置是模板匹配的左上角，根据宽高还原
（第四步）使用cv2.rectangle画白色标记（没用过没关系，看代码一眼就明白了）

import cv2
import numpy as np
import matplotlib.pyplot as plt
img =cv2.imread('pig.JPG',0)
template = cv2.imread("eye.JPG",0)
# 获取模板图像的宽度和高度
th,tw = template.shape[::]
# 匹配获得结果
result = cv2.matchTemplate(img,template,cv2.TM_SQDIFF)
# 找到最小值就是结果最好的位置
minVal,_,minLoc,_ = cv2.minMaxLoc(result)
# 左上角坐标
topLeft = minLoc
# 右下角坐标
bottomRight = topLeft[0]+tw,topLeft[1]+th
# 画框 需要左上角右下角 灰度值范围 和框的宽度
cv2.rectangle(img,topLeft,bottomRight,255,2)plt.subplot(121)
plt.imshow(template,cmap = 'gray')
plt.title("template_image")
plt.axis("off")plt.subplot(122)
plt.imshow(img,cmap = 'gray')
plt.title("result")
plt.axis("off")

单模板匹配最大值

只要你读懂了上一个例子，这里只需要修改method参数和选最大值就解决了，直接上代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img =cv2.imread('pig.JPG',0)
template = cv2.imread("eye.JPG",0)
# 获取模板图像的宽度和高度
th,tw = template.shape[::]
# 匹配获得结果
result = cv2.matchTemplate(img,template,cv2.TM_CCOEFF)
# 找到最大值就是结果最好的位置
_,maxVal,_,maxLoc = cv2.minMaxLoc(result)
# 左上角坐标
topLeft = maxLoc
# 右下角坐标
bottomRight = topLeft[0]+tw,topLeft[1]+th
# 画框 需要左上角右下角 灰度值范围 和框的宽度
cv2.rectangle(img,topLeft,bottomRight,255,2)plt.subplot(121)
plt.imshow(template,cmap = 'gray')
plt.title("template_image")
plt.axis("off")plt.subplot(122)
plt.imshow(img,cmap = 'gray')
plt.title("result")
plt.axis("off")

多模版匹配

多模板匹配会有多个解，所以需要按照下面这个步骤去解决问题：
（第一步）cv2.matchTemplate选择method
（第二步）把筛选结果放入np.where(阈值)函数进行找所有满足阈值的解
（第三步）使用 for in zip的方式把解中的结果找出来
（第四步）找左上角坐标与 右下角坐标
（第五步）使用使用cv2.rectangle画白色标记

import cv2
import numpy as np
import matplotlib.pyplot as plt
img =cv2.imread('moudle.JPG',0)
template = cv2.imread("eye.JPG",0)
# 获取模板图像的宽度和高度
th,tw = template.shape[::]
# 匹配获得结果
result = cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)# 设置阈值
threshold = 0.9
# 把筛选结果放入np.where(阈值)函数进行找所有满足阈值的解
loc = np.where(result>=threshold)# 使用 for in zip的方式把解中的结果找出来
for pt in zip(*loc[::-1]):# 左上角坐标topLeft = pt# 右下角坐标bottomRight = topLeft[0]+tw,topLeft[1]+th# 画框 需要左上角右下角 灰度值范围 和框的宽度cv2.rectangle(img,topLeft,bottomRight,255,2)plt.subplot(121)
plt.imshow(template,cmap = 'gray')
plt.title("template_image")
plt.axis("off")plt.subplot(122)
plt.imshow(img,cmap = 'gray')
plt.title("result")
plt.axis("off")

致谢

本文参考了一些博主的文章，博取了他们的长处，也结合了我的一些经验，对他们表达诚挚的感谢，使我对 OpenCV模板匹配 有更深入的了解，也推荐大家去阅读一下他们的文章。纸上学来终觉浅，明知此事要躬行：
OpenCV第十章——模板匹配