OpenCV 从零学习 · 第 12 讲：模板匹配
函数：cv2.matchTemplate / cv2.minMaxLoc ｜ 难度：★★☆☆☆
模板匹配是最简单的目标定位方法：给你一张大图、一张小图（模板），它在每个位置滑一遍，算出"这块区域和小图有多像"，最后找到最像的位置并画框。适合目标外观固定、不会大幅缩放旋转的场景。
一、matchTemplate
result = cv2.matchTemplate(image, templ, method)| 参数 | 含义 |
image | 大图（搜索图） |
templ | 小图（模板），必须比 image 小 |
method | 匹配算法（见下表） |
返回的是一张结果图，尺寸为 (W-w+1, H-h+1)（W/H 是大图宽高，w/h 是模板宽高）。每个像素值代表"以该点左上角为起点时，与大图的相似度"。
| method | 含义 | 最佳值 |
TM_SQDIFF / _NORMED | 平方差，越小越像 | 最小值 |
TM_CCORR / _NORMED | 相关性，越大越像 | 最大值 |
TM_CCOEFF / _NORMED | 相关系数（去均值），最稳 | 最大值 |
实际工程几乎都用 TM_CCOEFF_NORMED（归一化相关系数）：不受亮度整体偏移影响，结果落在 -1~1，越接近 1 越像。
二、取出最佳位置 minMaxLoc
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
top_left = max_loc # 不同 method 取 max 还是 min！
if method in (cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED):
top_left = min_loc
w, h = templ.shape[1], templ.shape[0]
cv2.rectangle(image, top_left, (top_left[0]+w, top_left[1]+h), (0,255,0), 2)
场景 A · 在大图里找 logo / 图标
截一张 app 界面图，把要找的按钮小图当模板，
截一张 app 界面图，把要找的按钮小图当模板，
matchTemplate 后框出位置——这正是图色脚本"找图"的 OpenCV 正经做法（比大漠更通用、可跨分辨率做归一化）。
场景 B · 多目标匹配
一张图里有多处相同的图标：不用 minMaxLoc（只给一个点），而是遍历 result，凡是
一张图里有多处相同的图标：不用 minMaxLoc（只给一个点），而是遍历 result，凡是
val > 0.8 的位置都画框，并做非极大值抑制（距离过近的合并）避免重复框。
⚠ 新手必踩坑
- 模板必须比大图小，否则报尺寸错误。
- 用
TM_SQDIFF系列时最佳是最小值/top_left=min_loc；其它 method 是最大值/top_left=max_loc。选错会框到完全不相关的地方。 - 模板匹配的致命弱点：目标旋转、缩放、形变就失效。要解决尺度问题，见下一讲图像金字塔做多尺度匹配。
本讲要点
matchTemplate返回结果图，尺寸比原图小一圈（W-w+1, H-h+1）。- 首选
TM_CCOEFF_NORMED；SQDIFF 取 min，其余取 max。 - 只适合目标外观固定；旋转/缩放场景需配合金字塔或改用特征点（第 14 讲）。
下一讲：第 13 讲 · 图像金字塔（pyrDown / pyrUp）——用"缩放"让模板匹配应对不同大小的目标，也为后续特征提取打基础。
