在一个图像找到对应模板图像块的位置python代码，其中模板是原图像的一部分结果显示在jupyter中

你可以使用OpenCV库中的模板匹配函数来实现这个功能。下面是一个简单的例子：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取原图像和模板图像
img = cv2.imread('original_image.jpg')
template = cv2.imread('template_image.jpg')

# 获取模板的宽度和高度
w, h = template.shape[:-1]

# 使用cv2.matchTemplate函数进行模板匹配
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)

# 获取匹配结果中的最大值和最小值以及它们的位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

# 在原图像中标记出匹配的位置
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(img, top_left, bottom_right, (0, 0, 255), 2)

# 显示原图像和标记后的图像
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.show()

在这个例子中，我们首先使用`cv2.imread`函数读取原图像和模板图像，然后使用`cv2.matchTemplate`函数进行模板匹配，得到一个匹配结果的矩阵。接着我们使用`cv2.minMaxLoc`函数获取匹配结果中的最大值和最小值以及它们的位置，然后在原图像中使用`cv2.rectangle`函数标记出匹配的位置。最后我们使用Matplotlib库中的`imshow`函数显示原图像和标记后的图像。

需要注意的是，模板匹配算法对光照、旋转、缩放等变化比较敏感，因此在实际应用中需要考虑到这些因素。