Python用于数字图像处理的库有很多，其中一种调用opencv的(API)接口。
opencv的官网对模板匹配的解释是：
模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV带有一个函数cv2.matchTemplate（）。它只是将模板图像滑动到输入图像上（就像在2D卷积中一样），然后在模板图像下比较模板和输入图像的补丁。OpenCV中实现了几种比较方法。（您可以检查文档以了解更多详细信息）。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配多少。
如果输入图像的大小（WxH）和模板图像的大小（wxh），则输出图像的大小将为（W-w + 1，H-h + 1）。获得结果后，可以使用cv2.minMaxLoc（）函数查找最大/最小值在哪里。将其作为矩形的左上角，并以（w，h）作为矩形的宽度和高度。该矩形是您模板的区域。
也就是：
1、模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域
2、模板匹配首先要有一个模板图像T（给定的子图像）
3、另外需要一个待检测的图像——源图像S
4、工作方法：在检测图像上，从左到右，从上到下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性就越大。
注意：cv2模块是cv模块的升级版本，注意在安装此模块时不能直接pip install cv2，会报错，而是应该pip install opencv-python即可。
import cv2 as cv
import numpy as np
def template_demo():
# tpl是模板图像
tpl = cv.imread('path1/tpl.png')
# target是源图像
target = cv.imread('path2/lena.png')
cv.imshow('template image', tpl)
cv.imshow('target image', target)
# 第一个是平方不同，第二个是相关性，第三个是相关性因子
methods = [cv.TM_SQDIFF_NORMED, cv.TM_CCORR_NORMED, cv.TM_CCOEFF_NORMED]
# 模板图像的宽、高
th, tw = tpl.shape[:2]
for md in methods:
print(md)
result = cv.matchTemplate(target, tpl, md)
# 匹配程度最大的像素值，以及该像素的位置（不同的匹配方法，有不同的衡量标准）
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
if md == cv.TM_SQDIFF_NORMED:
tl = min_loc # tl是矩形左上角坐标
else:
tl = max_loc
br = (tl[0]+tw, tl[1]+th) # 矩形框右下角坐标
cv.rectangle(target, tl, br, (0, 0, 255), 2) # 在target图像上绘制匹配的矩形框
cv.imshow('match-'+np.str(md), target)
# cv.imshow('match-'+np.str(md), result)
src = cv.imread('path3/demo.png')
# cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
# cv.imshow('input image', src)
template_demo()
cv.waitKey(0)
cv.destroyAllWindows()