opencv模板匹配

NORMED的意思就是结果范围在[-1, 1]之间

   cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED: `0 为最优，越大越差`，值越小越好

   cv2.TM_CCORR, cv2.TM_CCORR_NORMED, cv2.TM_CCOEFF, cv2.TM_CCOEFF_NORMED: `越大越好`

如果你使用的是 TM_SQDIFF 方法，那么确实需要使用灰度图像。这是因为 TM_SQDIFF 方法计算的是图像差异的平方和，而不是相关性。在这种情况下，你需要确保模板图像和待匹配图像都是灰度图像，以便正确计算差异。
如果你使用的是其他匹配方法（例如 TM_CCORR 或 TM_CCOEFF），则可以使用彩色图像。这些方法计算的是相关性或相关系数，而不涉及差异的平方和。

cv2.imread 是 OpenCV 中用于从指定文件加载图像的函数。第二个参数 flag 决定了图像的读取方式。在你提供的代码中，参数 0 表示将图像以灰度模式读取。

具体来说，这里的 0 对应以下标志：

• cv2.IMREAD_GRAYSCALE：它指定以灰度模式加载图像。这意味着图像将被转换为单通道的灰度图像，每个像素的值在 0 到 255 之间，表示图像的亮度。这对于处理灰度图像或进行模板匹配等任务非常有用。

如果你想加载彩色图像，可以使用以下标志之一：

• cv2.IMREAD_COLOR：加载彩色图像，忽略图像的透明度。这是默认标志，也可以用整数值 1 表示。
• cv2.IMREAD_UNCHANGED：加载图像，包括透明通道（如果有的话）。这对于处理带有 alpha 通道的图像很有用，也可以用整数值 -1 表示。

# method: TM_SQDIFF, 用minVal
import cv2
import numpy as np
import matplotlib.pyplot as plt
 
cat = cv2.imread('./aaaa.jpg', 0)
template = cv2.imread('./template.png', 0)
 
th, tw = template.shape[::]
 
rv = cv2.matchTemplate(cat, template, cv2.TM_SQDIFF)   
 
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(rv)
 
topLeft = minLoc 
bottomRight = (topLeft[0] + tw, topLeft[1] + th)
cv2.rectangle(cat, topLeft, bottomRight, 255, 2)
 
plt.subplot(121), plt.imshow(rv, cmap='gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(cat, cmap='gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.show()

TM_CCOEFF 方法， 越大越好，用maxVal
import cv2
import numpy as np
import matplotlib.pyplot as plt
 
cat = cv2.imread('./cats.jpg', 0)
template = cv2.imread('./tongue.png', 0)
tw, th = template.shape[::-1]
rv = cv2.matchTemplate(cat, template, cv2.TM_CCOEFF) 
 
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(rv)
topLeft = maxLoc
 
bottomRight = (topLeft[0] + tw, topLeft[1] + th)
cv2.rectangle(cat, topLeft, bottomRight, 255, 2)
 
plt.subplot(121), plt.imshow(rv, cmap='gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(cat, cmap='gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.show()