OpenCV模版匹配中有6种方法，我们今天就来分别看下不同方法的效果。

核心函数

cv2.matchTemplate()

result = cv2.matchTemplate(image, templ, method, mask=None)

image：源图像（8位灰度或彩色）。

templ：模板图像，大小不能超过源图像。

method：匹配方法，决定了相似度如何计算。常用以下6种：

归一化方法（后缀 _NORMED）对光照变化更鲁棒，推荐优先使用。
对于 _SQDIFF 系列，完全匹配时理论值为 0，因此要找最小值；其余方法找最大值。

我们就用实例代码来看看效果。

#6种匹配方式的对比
import cv2
import matplotlib.pyplot as plt

img = cv2.imread('./images/lina.png', 0) #0表示灰度图
template = cv2.imread('./images/linat.png', 0)

#定义6种方法列表
methods = ['cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED', 
          'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 
          'cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED']
# w,h = template.shape[:2]
w,h = template.shape[1], template.shape[0]
print(w,h)
for method in methods:
   img2 = img.copy()
   #匹配
   res =cv2.matchTemplate(img, template, eval(method))
   min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
   if method in ['cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']:
       # 选择最小值
       top_left = min_loc
   else:
       # 选择最大值
       top_left = max_loc
   bottom_right = (top_left[0] + w, top_left[1] + h)
   cv2.rectangle(img2, top_left, bottom_right, (255, 0, 0), 2)
   #画子图，画在一起
   plt.subplot(121)
   plt.imshow(res, cmap='gray')
   plt.axis('off')
   plt.subplot(122)
   plt.imshow(img2, cmap='gray')
   plt.axis('off')
   plt.suptitle(f'{method} - Result')
   plt.show()

实例效果图如下：

上面这些图中，img的图片如下：

模版图片如下：

6种方法中，有5种方法基本都可以正确匹配找到模版图片，只有cv2.TM_CCORR方法产生了偏差。