wp215501547的博客

一、多模板匹配在实际生活中，要搜索的模板图像很有可能在图像中出现多次，这个时候就需要多次匹配结果，上文提到的函数cv2.minMaxLoc（）只能找到最值及位置，无法匹配多个信息，因此设计过程进行多次匹配。二、匹配过程（1）获取匹配位置利用np.where函数可以找出满足条件索引值import numpy as np#给定任意矩阵a=np.array([3,6,8,1,2,88])#选择出矩阵中大于5的数值的索引b=np.where(a>5)print(b)结果(array(

一、模板匹配模板匹配目标在于在A图像中寻找B图像最相似的部分，A为输入图像，B为模板图像。其原理将模板图像B在图像A上滑动，遍历所有像素完成匹配二、单模板匹配在opnencv中利用函数cv2.matchTemplate函数实现：result=cv2.matchTemplate(image,templ,method[,mask])其中：result为匹配返回结果，格式为矩阵image为输入图像templ为模板图像，必须小于或等于输入图像，图像类型必须相同method为匹配方法，现阶段

一、列表list(),int()都属于强制类型转化，将字符串转化为list列表一维数组 a=[1 2 3 4 5 6]a[4]=5二维数组 b=[[1 2][3 4][5 6][7 8]]b[1][1]=4三维数组 c=[[[1 2][3 4]][[5 6][7 8]]]c[1][1][1]=8二、图像转字符画目的：将图像转化按照列表格式输出show_height=40#纵向打印字符数show_width=40#横向打印字符数ascii_char=list("$@B%8&WM