使用PIL 模板匹配

PIL（Python Imaging Library）是一个用于处理图像的强大库，它现在已被Pillow项目所取代。模板匹配是PIL（或Pillow）中的一个功能，用于在一个大图片中寻找与一个小图片（模板）相似的部分。它的基本思想是计算目标图像和模板之间的像素差异，找到最匹配的地方。

以下是使用Pillow进行模板匹配的基本步骤：

1. **导入模块**：首先，需要导入`Pillow`中的`Image`和`ImageFilter`模块，以及可能使用的数学函数如`scipy.ndimage.match_template`。

from PIL import Image, ImageFilter
import numpy as np

2. **加载图像**：将待搜索的大图和小模板图像加载到`PIL.Image`对象中。

template = Image.open('template.jpg')
image = Image.open('search_image.jpg')

3. **预处理**：有时需要对模板和图像进行大小调整、灰度化或滤波等操作，以提高匹配效果。

template = template.resize((target_width, target_height))
template = template.convert('L')  # 转换为灰度
template = template.filter(ImageFilter.GaussianBlur(radius))  # 高斯模糊

4. **模板匹配**：使用`match_template()`函数计算模板在大图上的每个位置的匹配得分。

score_map = np.array(template).astype(np.float32) - np.array(image).astype(np.float32)
match = ndimage.match_template(score_map, np.abs(template), mode='constant')

5. **找出最佳匹配区域**：通过查找匹配分数最高的位置确定匹配区域的位置。

maxloc = np.unravel_index(match.argmax(), match.shape)
top_left = (maxloc[1], maxloc[0])
bottom_right = (top_left[0] + template.width, top_left[1] + template.height)

6. **显示结果**：最后，可以将匹配区域从原图中裁剪出来并显示。

result = image.crop((top_left[0], top_left[1], bottom_right[0], bottom_right[1]))
result.show()