opencv模板匹配多目标

OpenCV提供了多种模板匹配算法，可以用于匹配多个目标。其中，最常用的算法是基于归一化互相关（Normalized Cross Correlation，NCC）的模板匹配。

下面是一个简单的例子，说明如何使用OpenCV进行多目标模板匹配：

import cv2
import numpy as np

# 加载图像和模板
img = cv2.imread('image.jpg')
template1 = cv2.imread('template1.jpg')
template2 = cv2.imread('template2.jpg')

# 获取模板的宽度和高度
w, h = template1.shape[1], template1.shape[0]

# 使用归一化互相关进行模板匹配
res1 = cv2.matchTemplate(img, template1, cv2.TM_CCOEFF_NORMED)
res2 = cv2.matchTemplate(img, template2, cv2.TM_CCOEFF_NORMED)

# 设置阈值，找到匹配度高于阈值的位置
threshold = 0.8
loc1 = np.where(res1 >= threshold)
loc2 = np.where(res2 >= threshold)

# 使用矩形框标记匹配位置
for pt in zip(*loc1[::-1]):
    cv2.rectangle(img, pt, (pt[0]+w, pt[1]+h), (0, 0, 255), 2)
for pt in zip(*loc2[::-1]):
    cv2.rectangle(img, pt, (pt[0]+w, pt[1]+h), (0, 255, 0), 2)

# 显示结果
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，首先加载了图像和两个模板。然后，使用`cv2.matchTemplate()`函数进行模板匹配，得到一个匹配结果矩阵。接下来，设定一个阈值，找到匹配度高于阈值的位置。最后，使用矩形框标记匹配位置，并显示结果。

需要注意的是，上面的代码只适用于单通道灰度图像。如果要处理多通道彩色图像，需要将图像和模板分别转换为灰度图像。