模板匹配
模板匹配和卷积很像，模板在原图像上滑动，并在滑过的区域上计算匹配数值，通过匹配数值衡量模板匹配程度，opencv中有6种计算方法，从原点开始计算，将每次计算的结果放到一个矩阵，最后输出，假设原图像大小为A*B,模板大小为a*b, 则这个输出矩阵大小为(A-a+1)*(B-b+1)
步骤:
1、读入图片和模板图片，灰度图格式
2、计算匹配值，调用 cv2.matchTemplate(img, template, methods)
3、求出最小值/最大值数值和坐标，调用 minMaxLoc(res)
计算匹配值：cv2.matchTemplate(src, template, methods)
src: 源图像
template: 模板图像
methods: 匹配方法，共六种，带归一化的方法效果更好些
- TM_SQDIFF: 计算平方不同，计算出来的值越小，越相关
- TM_CCORR: 计算相关性，计算出来的值越大，越相关
- TM_CCOEFF: 计算相关系数，计算出来的值越大，越相关
- TM_SQDIFF_NORMED: 计算归一化平方不同，计算出来的值越接近1，越相关
- TM_CCORR_NORMED: 计算归一化相关性，计算出来的值越接近0，越相关
- TM_CCOEFF_NORMED: 计算归一化相关系数，计算出来的值越接近0，越相关
公式：https://docs.opencv.org/3.3.1/df/dfb/group__imgproc__object.html#ga3a7850640f1fe1f58fe91a2d7583695d
#输入img图像，template为模板图像，使用TM_SQDIFF方法计算，res为计算数值的矩阵
res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
返回最小值/最大值数值和坐标: minMaxLoc(res)
# 返回最大值，最小值数值和坐标
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
匹配多个对象
设置阈值，当计算的匹配值大于或者小于阈值时，都当做匹配对象
图像金字塔
- 高斯金字塔
- 拉普拉斯金字塔
高斯金字塔：向下采样方法(缩小)
1.像素点与高斯内核卷积; 2.所有偶数行和列去掉
高斯金字塔：向上采样方法（放大）
1. 将图像在每个方向扩大为原来两倍（原来1*1的像素点扩展为2*2），使用0进行填充
2. 使用原来的高斯内核进行卷积，求出近似值
先上采样，再下采样，会造成图像信息的丢失。
拉普拉斯金字塔
img.shape[:2]取图片的长、宽
eval()输入为字符串，输出为字符串的内容
