目標

在本教程中，您將學習如何

使用OpenCV函式 matchTemplate() 搜尋影像塊與輸入影像之間的匹配項
使用OpenCV函式 minMaxLoc() 查詢給定陣列中的最大值和最小值（及其位置）。

理論

什麼是模板匹配？

模板匹配是一種在影像中查詢與模板影像（塊）匹配（相似）區域的技術。

雖然影像塊必須是矩形，但可能並非所有矩形都相關。在這種情況下，可以使用掩膜來隔離影像塊中應用於查詢匹配的部分。

它是如何工作的？

我們需要兩個主要組成部分
1. 源影像 (I)： 我們期望在其中找到模板影像匹配項的影像
2. 模板影像 (T)： 將與源影像進行比較的影像塊
我們的目標是檢測最高的匹配區域

為了識別匹配區域，我們必須透過滑動來將模板影像與源影像進行比較

透過滑動，我們指的是一次移動影像塊一個畫素（從左到右，從上到下）。在每個位置，都會計算一個度量，以表示該位置的匹配程度是“好”還是“壞”（或影像塊與源影像特定區域的相似程度）。
對於 T 在 I 上方的每個位置，您將度量儲存在結果矩陣 R 中。R 中的每個位置 \((x,y)\) 都包含匹配度量

上圖是使用度量 TM_CCORR_NORMED 滑動影像塊的結果 R。最亮的位置表示最高的匹配。如您所見，紅色圓圈標記的位置可能是值最高的位置，因此該位置（由該點作為角點以及寬度和高度等於影像塊影像形成的矩形）被視為匹配。

實際上，我們使用函式 minMaxLoc() 在 R 矩陣中定位最高值（或最低值，取決於匹配方法的型別）

掩膜如何工作？

如果匹配需要掩膜，則需要三個元件
1. 源影像 (I)： 我們期望在其中找到模板影像匹配項的影像
2. 模板影像 (T)： 將與源影像進行比較的影像塊
3. 掩膜影像 (M)： 掩膜，一個掩蓋模板的灰度影像
目前只有兩種匹配方法接受掩膜：TM_SQDIFF 和 TM_CCORR_NORMED（有關OpenCV中所有可用匹配方法的解釋，請參見下文）。
掩膜必須與模板具有相同的尺寸
掩膜應具有CV_8U或CV_32F深度，並且與模板影像具有相同的通道數。在CV_8U情況下，掩膜值被視為二進位制，即零和非零。在CV_32F情況下，值應在[0..1]範圍內，模板畫素將乘以相應的掩膜畫素值。由於樣本中的輸入影像為CV_8UC3型別，因此掩膜也以彩色影像讀取。

OpenCV中有哪些可用的匹配方法？

好問題。OpenCV在函式 matchTemplate() 中實現了模板匹配。可用的方法有6種

方法=TM_SQDIFF

\[R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2\]
方法=TM_SQDIFF_NORMED

\[R(x,y)= \frac{\sum_{x',y'} (T(x',y')-I(x+x',y+y'))^2}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}\]
方法=TM_CCORR

\[R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))\]
方法=TM_CCORR_NORMED

\[R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I(x+x',y+y'))}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}\]
方法=TM_CCOEFF

\[R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I'(x+x',y+y'))\]

其中

\[\begin{array}{l} T'(x',y')=T(x',y') - 1/(w \cdot h) \cdot \sum _{x'',y''} T(x'',y'') \\ I'(x+x',y+y')=I(x+x',y+y') - 1/(w \cdot h) \cdot \sum _{x'',y''} I(x+x'',y+y'') \end{array}\]
方法=TM_CCOEFF_NORMED

\[R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }\]

程式碼

此程式的作用是什麼？
- 載入輸入影像、影像塊（模板）以及可選的掩膜
- 使用OpenCV函式 matchTemplate() 執行模板匹配過程，使用前面描述的6種匹配方法中的任何一種。使用者可以透過在軌跡條中選擇來選擇方法。如果提供了掩膜，它將僅用於支援掩膜的方法
- 標準化匹配過程的輸出
- 定位匹配機率較高的位置
- 在最高匹配區域周圍繪製一個矩形

可下載程式碼：點選此處
程式碼速覽

#include "opencv2/imgcodecs.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

#include <iostream>

using namespace std;

using namespace cv;

bool use_mask;

Mat img; Mat templ; Mat mask; Mat result;

const char* image_window = "Source Image";

const char* result_window = "Result window";

int match_method;

int max_Trackbar = 5;

void MatchingMethod( int, void* );

const char* keys =

"{ help h| | 列印幫助資訊. }"

"{ @input1 | Template_Matching_Original_Image.jpg | image_name }"

"{ @input2 | Template_Matching_Template_Image.jpg | template_name }"

"{ @input3 | | mask_name }";

int main( int argc, char** argv )

{

CommandLineParser parser( argc, argv, keys );

samples::addSamplesDataSearchSubDirectory( "doc/tutorials/imgproc/histograms/template_matching/images" );

img = imread( samples::findFile( parser.get<String>("@input1") ) );

templ = imread( samples::findFile( parser.get<String>("@input2") ), IMREAD_COLOR );

if(argc > 3) {

use_mask = true;

mask = imread(samples::findFile( parser.get<String>("@input3") ), IMREAD_COLOR );

}

if(img.empty() || templ.empty() || (use_mask && mask.empty()))

{

cout << "Can't read one of the images" << endl;

return EXIT_FAILURE;

}

namedWindow( image_window, WINDOW_AUTOSIZE );

namedWindow( result_window, WINDOW_AUTOSIZE );

const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";

createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );

MatchingMethod( 0, 0 );

waitKey(0);

return EXIT_SUCCESS;

}

void MatchingMethod( int, void* )

{

Mat img_display;

img.copyTo( img_display );

int result_cols = img.cols - templ.cols + 1;

int result_rows = img.rows - templ.rows + 1;

result.create( result_rows, result_cols, CV_32FC1 );

bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED);

if (use_mask && method_accepts_mask)

{ matchTemplate( img, templ, result, match_method, mask); }

else

{ matchTemplate( img, templ, result, match_method); }

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

double minVal; double maxVal; Point minLoc; Point maxLoc;

Point matchLoc;

minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );

if( match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED )

{ matchLoc = minLoc; }

else

{ matchLoc = maxLoc; }

rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

imshow( image_window, img_display );

imshow( result_window, result );

return;

}

bool empty() const
如果陣列沒有元素，則返回 true。
int64_t int64

cv::Mat
n 維密集陣列類
定義 mat.hpp:830

cv::Mat::copyTo
void copyTo(OutputArray m) const
將矩陣複製到另一個矩陣。

cv::Mat::create
void create(int rows, int cols, int type)
如果需要，分配新的陣列資料。

cv::Mat::cols
int cols
定義 mat.hpp:2165

定義 interface.h:61
cv::getTickFrequency
double getTickFrequency()

cv::Mat::rows
int rows
行數和列數，如果矩陣維度超過2，則為(-1, -1)
定義 mat.hpp:2165

cv::Point_< int >

cv::Point_::y
_Tp y
點的 y 座標
定義 types.hpp:202

cv::Point_::x
_Tp x
點的 x 座標
定義 types.hpp:201

cv::normalize
void normalize(InputArray src, InputOutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray())
對陣列的範數或值範圍進行歸一化。

cv::minMaxLoc
void minMaxLoc(InputArray src, double *minVal, double *maxVal=0, Point *minLoc=0, Point *maxLoc=0, InputArray mask=noArray())
查詢陣列中的全域性最小值和最大值。

cv::String
std::string String
定義 cvstd.hpp:151

CV_32FC1
#define CV_32FC1
定義 interface.h:118

cv::imshow
void imshow(const String &winname, InputArray mat)
在指定視窗中顯示影像。

cv::rectangle
void rectangle(InputOutputArray img, Point pt1, Point pt2, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
繪製一個簡單、粗或填充的矩形。

cv::matchTemplate
void matchTemplate(InputArray image, InputArray templ, OutputArray result, int method, InputArray mask=noArray())
將模板與重疊影像區域進行比較。

highgui.hpp

main
int main(int argc, char *argv[])
定義 highgui_qt.cpp:3

imgcodecs.hpp

imgproc.hpp

cv
定義 core.hpp:107

std
STL 名稱空間。

可下載程式碼：點選此處
程式碼速覽
import java.awt.GridLayout;

import java.awt.Image;

import java.util.Hashtable;

import javax.swing.ImageIcon;

import javax.swing.JFrame;

import javax.swing.JLabel;

import javax.swing.JSlider;

import javax.swing.event.ChangeEvent;

import javax.swing.event.ChangeListener;

import org.opencv.core.Core;

import org.opencv.core.CvType;

import org.opencv.core.Mat;

import org.opencv.core.Point;

import org.opencv.core.Scalar;

import org.opencv.highgui.HighGui;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

class MatchTemplateDemoRun implements ChangeListener {

Boolean use_mask = false;

Mat img = new Mat(), templ = new Mat();

Mat mask = new Mat();

int match_method;

JLabel imgDisplay = new JLabel(), resultDisplay = new JLabel();

public void run(String[] args) {

if (args.length < 2) {

System.out.println("Not enough parameters");

System.out.println("Program arguments:\n<image_name> <template_name> [<mask_name>]");

System.exit(-1);

}

img = Imgcodecs.imread(args[0], Imgcodecs.IMREAD_COLOR);

templ = Imgcodecs.imread(args[1], Imgcodecs.IMREAD_COLOR);

if (args.length > 2) {

use_mask = true;

mask = Imgcodecs.imread(args[2], Imgcodecs.IMREAD_COLOR);

}

if (img.empty() || templ.empty() || (use_mask && mask.empty())) {

System.out.println("Can't read one of the images");

System.exit(-1);

}

matchingMethod();

createJFrame();

}

private void matchingMethod() {

Mat result = new Mat();

Mat img_display = new Mat();

img.copyTo(img_display);

int result_cols = img.cols() - templ.cols() + 1;

int result_rows = img.rows() - templ.rows() + 1;

result.create(result_rows, result_cols, CvType.CV_32FC1);

Boolean method_accepts_mask = (Imgproc.TM_SQDIFF == match_method || match_method == Imgproc.TM_CCORR_NORMED);

if (use_mask && method_accepts_mask) {

Imgproc.matchTemplate(img, templ, result, match_method, mask);

} else {

Imgproc.matchTemplate(img, templ, result, match_method);

}

Core.normalize(result, result, 0, 1, Core.NORM_MINMAX, -1, new Mat());

Point matchLoc;

Core.MinMaxLocResult mmr = Core.minMaxLoc(result);

if (match_method == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED) {

matchLoc = mmr.minLoc;

} else {

matchLoc = mmr.maxLoc;

}

Imgproc.rectangle(img_display, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Imgproc.rectangle(result, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Image tmpImg = HighGui.toBufferedImage(img_display);

ImageIcon icon = new ImageIcon(tmpImg);

imgDisplay.setIcon(icon);

result.convertTo(result, CvType.CV_8UC1, 255.0);

tmpImg = HighGui.toBufferedImage(result);

icon = new ImageIcon(tmpImg);

resultDisplay.setIcon(icon);

}

@Override

public void stateChanged(ChangeEvent e) {

JSlider source = (JSlider) e.getSource();

if (!source.getValueIsAdjusting()) {

match_method = source.getValue();

matchingMethod();

}

}

private void createJFrame() {

String title = "Source image; Control; Result image";

JFrame frame = new JFrame(title);

frame.setLayout(new GridLayout(2, 2));

frame.add(imgDisplay);

int min = 0, max = 5;

JSlider slider = new JSlider(JSlider.VERTICAL, min, max, match_method);

slider.setPaintTicks(true);

slider.setPaintLabels(true);

// Set the spacing for the minor tick mark

slider.setMinorTickSpacing(1);

// Customizing the labels

Hashtable<Integer, JLabel> labelTable = new Hashtable<>();

labelTable.put(new Integer(0), new JLabel("0 - SQDIFF"));

labelTable.put(new Integer(1), new JLabel("1 - SQDIFF NORMED"));

labelTable.put(new Integer(2), new JLabel("2 - TM CCORR"));

labelTable.put(new Integer(3), new JLabel("3 - TM CCORR NORMED"));

labelTable.put(new Integer(4), new JLabel("4 - TM COEFF"));

labelTable.put(new Integer(5), new JLabel("5 - TM COEFF NORMED : (Method)"));

slider.setLabelTable(labelTable);

slider.addChangeListener(this);

frame.add(slider);

frame.add(resultDisplay);

frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

frame.pack();

frame.setVisible(true);

}

}

public class MatchTemplateDemo {

public static void main(String[] args) {

// load the native OpenCV library

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

// run code

new MatchTemplateDemoRun().run(args);

}

}

typedef Point_< double >
Point2i Point
Definition types.hpp:209

cv::Scalar
Scalar_< double > Scalar
定義 types.hpp:709

可下載程式碼：點選此處
程式碼速覽
from __future__ import print_function

import sys

import cv2 as cv

use_mask = False

img = None

templ = None

mask = None

image_window = "Source Image"

result_window = "Result window"

match_method = 0

max_Trackbar = 5

def main(argv)

if (len(sys.argv) < 3)

print('Not enough parameters')

print('Usage:\nmatch_template_demo.py <image_name> <template_name> [<mask_name>]')

return -1

global img

global templ

img = cv.imread(sys.argv[1], cv.IMREAD_COLOR)

templ = cv.imread(sys.argv[2], cv.IMREAD_COLOR)

if (len(sys.argv) > 3)

global use_mask

use_mask = True

global mask

mask = cv.imread( sys.argv[3], cv.IMREAD_COLOR )

if ((img is None) or (templ is None) or (use_mask and (mask is None)))

print('Can\'t read one of the images')

return -1

cv.namedWindow( image_window, cv.WINDOW_AUTOSIZE )

cv.namedWindow( result_window, cv.WINDOW_AUTOSIZE )

trackbar_label = 'Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED'

cv.createTrackbar( trackbar_label, image_window, match_method, max_Trackbar, MatchingMethod )

MatchingMethod(match_method)

cv.waitKey(0)

return 0

def MatchingMethod(param)

global match_method

match_method = param

img_display = img.copy()

method_accepts_mask = (cv.TM_SQDIFF == match_method or match_method == cv.TM_CCORR_NORMED)

if (use_mask and method_accepts_mask)

result = cv.matchTemplate(img, templ, match_method, None, mask)

else:

result = cv.matchTemplate(img, templ, match_method)

cv.normalize( result, result, 0, 1, cv.NORM_MINMAX, -1 )

_minVal, _maxVal, minLoc, maxLoc = cv.minMaxLoc(result, None)

if (match_method == cv.TM_SQDIFF or match_method == cv.TM_SQDIFF_NORMED)

matchLoc = minLoc

else:

matchLoc = maxLoc

cv.rectangle(img_display, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.rectangle(result, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.imshow(image_window, img_display)

cv.imshow(result_window, result)

pass

if __name__ == "__main__"

main(sys.argv[1:])

cv::waitKey
int waitKey(int delay=0)
等待按鍵按下。

cv::namedWindow
void namedWindow(const String &winname, int flags=WINDOW_AUTOSIZE)
建立視窗。

cv::createTrackbar
int createTrackbar(const String &trackbarname, const String &winname, int *value, int count, TrackbarCallback onChange=0, void *userdata=0)
建立滑動條並將其附加到指定視窗。

cv::imread
CV_EXPORTS_W Mat imread(const String &filename, int flags=IMREAD_COLOR_BGR)
從檔案載入影像。

解釋

宣告一些全域性變數，例如影像、模板和結果矩陣，以及匹配方法和視窗名稱

C++

bool use_mask;

Mat img; Mat templ; Mat mask; Mat result;

const char* image_window = "Source Image";

const char* result_window = "Result window";

int match_method;

int max_Trackbar = 5;

Java

Boolean use_mask = false;

Mat img = new Mat(), templ = new Mat();

Mat mask = new Mat();

int match_method;

JLabel imgDisplay = new JLabel(), resultDisplay = new JLabel();

Python

use_mask = False

img = None

templ = None

mask = None

image_window = "Source Image"

result_window = "Result window"

match_method = 0

max_Trackbar = 5
載入源影像、模板，以及可選地，如果匹配方法支援，則載入掩膜

C++

img = imread( samples::findFile( parser.get<String>("@input1") ) );

templ = imread( samples::findFile( parser.get<String>("@input2") ), IMREAD_COLOR );

if(argc > 3) {

use_mask = true;

mask = imread(samples::findFile( parser.get<String>("@input3") ), IMREAD_COLOR );

}

if(img.empty() || templ.empty() || (use_mask && mask.empty()))

{

cout << "Can't read one of the images" << endl;

return EXIT_FAILURE;

}

Java

img = Imgcodecs.imread(args[0], Imgcodecs.IMREAD_COLOR);

templ = Imgcodecs.imread(args[1], Imgcodecs.IMREAD_COLOR);

Python

global img

global templ

img = cv.imread(sys.argv[1], cv.IMREAD_COLOR)

templ = cv.imread(sys.argv[2], cv.IMREAD_COLOR)

if (len(sys.argv) > 3)

global use_mask

use_mask = True

global mask

mask = cv.imread( sys.argv[3], cv.IMREAD_COLOR )

if ((img is None) or (templ is None) or (use_mask and (mask is None)))

print('Can\'t read one of the images')

return -1
建立軌跡條以輸入要使用的匹配方法。檢測到更改時，將呼叫回撥函式。

C++

const char* trackbar_label = "Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED";

createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );

Java

int min = 0, max = 5;

JSlider slider = new JSlider(JSlider.VERTICAL, min, max, match_method);

Python

trackbar_label = 'Method: \n 0: SQDIFF \n 1: SQDIFF NORMED \n 2: TM CCORR \n 3: TM CCORR NORMED \n 4: TM COEFF \n 5: TM COEFF NORMED'

cv.createTrackbar( trackbar_label, image_window, match_method, max_Trackbar, MatchingMethod )
讓我們看看回調函式。首先，它複製了源影像

C++

Mat img_display;

img.copyTo( img_display );

Java

Mat img_display = new Mat();

img.copyTo(img_display);

Python

img_display = img.copy()
執行模板匹配操作。引數自然是輸入影像 I、模板 T、結果 R 和匹配方法（由軌跡條給出），以及可選的掩膜影像 M。

C++

bool method_accepts_mask = (TM_SQDIFF == match_method || match_method == TM_CCORR_NORMED);

if (use_mask && method_accepts_mask)

{ matchTemplate( img, templ, result, match_method, mask); }

else

{ matchTemplate( img, templ, result, match_method); }

Java

Boolean method_accepts_mask = (Imgproc.TM_SQDIFF == match_method || match_method == Imgproc.TM_CCORR_NORMED);

if (use_mask && method_accepts_mask) {

Imgproc.matchTemplate(img, templ, result, match_method, mask);

} else {

Imgproc.matchTemplate(img, templ, result, match_method);

}

Python

method_accepts_mask = (cv.TM_SQDIFF == match_method or match_method == cv.TM_CCORR_NORMED)

if (use_mask and method_accepts_mask)

result = cv.matchTemplate(img, templ, match_method, None, mask)

else:

result = cv.matchTemplate(img, templ, match_method)
我們標準化結果

C++

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

Java

Core.normalize(result, result, 0, 1, Core.NORM_MINMAX, -1, new Mat());

Python

cv.normalize( result, result, 0, 1, cv.NORM_MINMAX, -1 )
我們使用 minMaxLoc() 定位結果矩陣 R 中的最小值和最大值。

C++

double minVal; double maxVal; Point minLoc; Point maxLoc;

Point matchLoc;

minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );

Java

Point matchLoc;

Core.MinMaxLocResult mmr = Core.minMaxLoc(result);

Python

_minVal, _maxVal, minLoc, maxLoc = cv.minMaxLoc(result, None)
對於前兩種方法（TM_SQDIFF 和 MT_SQDIFF_NORMED），最佳匹配是最低值。對於所有其他方法，值越高表示匹配越好。因此，我們將相應的值儲存在 matchLoc 變數中

C++

if( match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED )

{ matchLoc = minLoc; }

else

{ matchLoc = maxLoc; }

Java

if (match_method == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED) {

matchLoc = mmr.minLoc;

} else {

matchLoc = mmr.maxLoc;

}

Python

if (match_method == cv.TM_SQDIFF or match_method == cv.TM_SQDIFF_NORMED)

matchLoc = minLoc

else:

matchLoc = maxLoc
顯示源影像和結果矩陣。在可能出現最高匹配的區域周圍繪製一個矩形

C++

rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );

imshow( image_window, img_display );

imshow( result_window, result );

Java

Imgproc.rectangle(img_display, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Imgproc.rectangle(result, matchLoc, new Point(matchLoc.x + templ.cols(), matchLoc.y + templ.rows()),

new Scalar(0, 0, 0), 2, 8, 0);

Image tmpImg = HighGui.toBufferedImage(img_display);

ImageIcon icon = new ImageIcon(tmpImg);

imgDisplay.setIcon(icon);

result.convertTo(result, CvType.CV_8UC1, 255.0);

tmpImg = HighGui.toBufferedImage(result);

icon = new ImageIcon(tmpImg);

resultDisplay.setIcon(icon);

Python

cv.rectangle(img_display, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.rectangle(result, matchLoc, (matchLoc[0] + templ.shape[1], matchLoc[1] + templ.shape[0]), (0,0,0), 2, 8, 0 )

cv.imshow(image_window, img_display)

cv.imshow(result_window, result)