Python OpenCV 模板匹配识别：使用 `cv2.matchTemplate` 定位图像

def template_matching(img_big, img_small, threshold=0.8):
    # 读取大图和小图
    image = img_big
    template = img_small
    # 获取小图的宽度和高度
    template_width, template_height = template.shape[:2]

    # 使用模板匹配方法
    result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)

    # 使用np.where()函数找到匹配结果
    locations = np.where(result >= threshold)
    res_loc=[]
    # 在大图中标记匹配的小图
    for loc in zip(*locations[::-1]):#列表进行反转，然后通过解包的方式传递给 zip() 函数
        cv2.rectangle(image, loc, (loc[0] + template_width, loc[1] + template_height), (0, 255, 0), 2)
        print('识别区域',loc[0],loc[1], loc[0] + template_width, loc[1] + template_height)
        res_loc.append({'x':loc[0],'y':loc[1],'width':template_width,'height':template_height})

    return res_loc

该代码使用 cv2.matchTemplate 函数进行模板匹配，通过设置阈值 threshold 来过滤匹配结果，并返回所有匹配到的区域坐标信息。代码中使用了 np.where 函数来获取匹配结果的位置，并使用 zip 函数将坐标信息解包。

代码中使用了 cv2.rectangle 函数在原图上标记匹配区域。res_loc 列表存储了每个匹配区域的坐标信息，包括 x、y、width 和 height。

注意：

• 确保输入的 img_big 和 img_small 是 OpenCV 支持的图像格式，例如 numpy 数组。
• threshold 值可以根据实际情况进行调整，值越高，匹配结果越严格。

示例：

import cv2
import numpy as np

# 读取大图和小图
img_big = cv2.imread('big.jpg')
img_small = cv2.imread('small.jpg')

# 进行模板匹配
res_loc = template_matching(img_big, img_small)

# 打印匹配结果
for loc in res_loc:
    print(f'匹配区域坐标：x={loc['x']}, y={loc['y']}, width={loc['width']}, height={loc['height']}')