1. 模板匹配
1.1 原理：在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和图片，以滑窗的思路不断的移动模板图片
1.2 OpenCV方法
语法：res=cv.matchTemplate(img,template,method)
参数：
（1）img：要进行模板匹配的图像
（2）template：模板
（3）method：实现模板匹配的算法，主要包含：
（3.1）平方差匹配（CV_TM_SQDIFF）：利用模板与图像之间的平方差进行匹配，最好匹配是0，匹配越差，匹配的值越大
（3.2）相关匹配（CV_TM_CCORR）：利用模板与图像之间的乘法进行匹配，数值越大表示匹配程度越高，越小表示匹配效果差
（3.3）利用相关系数匹配（CV_TM_CCOEFF）：利用模板与图像之间的相关系数进行匹配，1表示完美的匹配，-1表示最差的匹配
注意：完成匹配后，使用cv.minMaxLoc()方法查找最大值所在位置即可，如果使用平方差作为比较方法，则最小值位置是最佳匹配位置。
给定的图片：
模板图片：
模板匹配算法：
2. 霍夫变换
作用：常用来提取图像中的直线和圆等几何形状
2.1 霍夫线检测
语法：cv.HoughLines(img,rho,theta,threshold)
参数：
（1）img：待检测的图像，在霍夫变换之前首先要进行二值化或者Canny边缘检测
（2）rho，theta：
ρ
rho
ρ和
θ
theta
θ的精确度
（3）threshold：阈值，只有累加器中的值高于该阈值时才被认为是直线
2.1 霍夫圆检测
语法：cv.HoughCircles(img,method,dp,minDist,param1=100,param2=100,minRadius=0,maxRadius=0)
参数：
（1）img：待检测的图像，应输入灰度图
（2）method：使用霍夫变换圆检测的算法，它的参数是CV_HOUGH_GRADIENT
（3）dp：霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间大小一致，dp=2时表示霍夫空间是输入图像空间大小的一半
（4）minDist：圆心之间的最小距离
（5）param1：边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半
（6）param2：检测圆心和确定半径时所共有的阈值
（7）minRadius,maxRadius为所检测到的圆半径的最小值和最大值
