改写上一段代码使匹配图像的大小不受限制

要实现匹配图像大小不受限制，可以多尺度模板匹配的方法。这样可以在不同尺度下对模进行匹配，以适应不同大小目标。

下面是改写后的：

import cv2
import numpy np

def match_pattern(frame, pattern):
    载入模式图像
    pattern_img cv2.imread(pattern)

 多尺度模板配
    found = None
    for scale in np.linspace(0.2, 1.0, 20)[::-1]:
        resized = cv2.resize(pattern_img, (int(pattern_img.shape[1] * scale), int(pattern_img.shape[0] * scale)))
        result = cv2.matchTemplate(frame, resized_pattern, cv2.TM_CCOEFF_NORMED)
        threshold = 0.8
        loc = np.where(result >= threshold)
        if len(loc[0]) > 0:
            found = (loc[1][0], loc[0][0], resized_pattern.shape[1], resized_pattern.shape[0])
            break

    # 在原始图像上绘制矩形框标识匹配位置
    if found is not None:
        (x, y, w, h) = found
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 返回绘制了矩形框的图像
    return frame

cap = cv2.VideoCapture(0)

# 设置模式图像的文件名
pattern_file = 'pattern.png'

while True:
    ret, frame = cap.read()

    # 调用函数进行模式匹配
    result_frame = match_pattern(frame, pattern_file)

    # 显示结果图像
    cv2.imshow('Pattern Matching Result', result_frame)

    # 如果按下q键则退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源和关闭窗口
cap.release()
cv2.destroyAllWindows()

在这个改写后的代码中，我们使用了多尺度模板匹配的方法。首先，我们在`match_pattern`函数中使用一个循环来遍历不同的尺度。对于每个尺度，我们将模板图像进行缩放，并使用缩放后的模板进行模板匹配。如果找到了匹配位置，我们会停止循环，并记录匹配位置的坐标和大小。最后，在原始图像上绘制矩形框来标识匹配位置。

这样，无论模板图像的大小如何，都可以适应不同大小的目标进行匹配。

希望这个改写后的代码对你有帮助！如果有任何其他问题，请随时提问。