如何使用OpenCV计算小图像存在于大图像中的匹配概率百分比

完全可以通过OpenCV实现，你当前采用的归一化模板匹配方案本身就支持计算匹配概率百分比。

你选用的cv2.TM_SQDIFF_NORMED是归一化平方差匹配算法，输出的匹配结果取值范围固定在0~1之间：

• 结果值为0时代表两块区域完全一致
• 结果值为1时代表两块区域完全不匹配
  对应的匹配概率百分比计算公式为：(1 - 最小匹配值mn) * 100，数值越高代表小图存在于大图的概率越高。

如果后续你切换为其他归一化匹配方法，可对应调整计算逻辑：

• 若使用cv2.TM_CCOEFF_NORMED、cv2.TM_CCORR_NORMED，值越大匹配度越高，完全匹配时值为1，概率计算可采用max(匹配结果最大值, 0) * 100

import cv2
import numpy as np

large_image = cv2.imread(r'大图本地路径')
# 裁剪大图降低无关区域干扰
height = large_image.shape[0]
width = large_image.shape[1]
large_image = large_image[5:height-173,260:width-25]

small_image = cv2.imread(r'小图本地路径')

method = cv2.TM_SQDIFF_NORMED
# 注意：matchTemplate第一个参数为大图，第二个参数为小图模板，原代码此处顺序错误已修正
result = cv2.matchTemplate(large_image, small_image, method)

# 获取最小匹配值和对应坐标
mn,_,mnLoc,_ = cv2.minMaxLoc(result)
# 计算匹配概率
match_prob = (1 - mn) * 100
print(f"小图在大图中的匹配概率为：{match_prob:.2f}%")

# 可选：绘制匹配框
MPx,MPy = mnLoc
trows,tcols = small_image.shape[:2]
cv2.rectangle(large_image, (MPx,MPy),(MPx+tcols,MPy+trows),(0,0,255),2)
cv2.imshow('匹配结果',large_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 模板匹配仅适用于小图在大图中无缩放、无旋转、无透视变形的场景，如果存在以上变换建议改用SIFT、ORB等特征点匹配方案
• 可根据业务需求设定阈值过滤误匹配，比如匹配概率低于80%时判定为小图不存在于大图中

内容的提问来源于stack exchange，提问作者pythonuser1