OPENCV使用任意2张图片作为模板，剩余1张图片与这两张图片进行匹配，打印输出匹配度（输出结果用百分比）。

在OpenCV中，要实现这个功能，你可以使用`matchTemplate()`函数来进行模板匹配。这个函数会比较一张图像（也称作搜索图像）与两个预定义的模板图像之间的相似度。以下是大致步骤：

1. 导入必要的库：

import cv2
import numpy as np

2. 加载三张图片（假设分别是template1.jpg, template2.jpg 和 search_img.jpg）：

template1 = cv2.imread('template1.jpg', 0)
template2 = cv2.imread('template2.jpg', 0)
search_img = cv2.imread('search_img.jpg', 0)

3. 确保所有图片都是灰度图（如果不是，可以使用cv2.cvtColor()转换）。

4. 计算模板匹配得分矩阵：

res1 = cv2.matchTemplate(search_img, template1, cv2.TM_CCOEFF_NORMED)  # 使用归一化相关系数（TM_CCOEFF_NORMED）
res2 = cv2.matchTemplate(search_img, template2, cv2.TM_CCOEFF_NORMED)

# 结合两个模板的结果，取最大值对应的位置即为最佳匹配位置
max_val1, max_loc1 = cv2.minMaxLoc(res1)
max_val2, max_loc2 = cv2.minMaxLoc(res2)

5. 从得分矩阵中提取匹配度最高的区域，然后计算平均匹配度百分比：

best_match_index = max(max_val1, max_val2)
avg_match_percent = (best_match_index + 1) * 100 / 2  # 假设最高分是1，最差分是0

print(f"匹配度1: {max_val1:.2f}%，匹配度2: {max_val2:.2f}%，总匹配度: {avg_match_percent:.2f}%")

请注意，这只是一个基本示例，实际应用中可能需要对匹配度阈值进行调整，并处理可能出现的多重匹配情况。