主要过程：
示例图显示
①匹配图像：
②模板图像
结果表明：
如果您需要更快地完成匹配，则可以尝试使用CV2.FlannBasedMatcher
选择适合的初始样品点，给出公差范围，并连续迭代
每次迭代都完成，在公差范围内都有相应的数据点，并找出最多的数据。这是最终的合适结果
用于图像更改的矩阵H通常为3 * 3。
$ h = left [开始{array} {ccc} h {11}＆h {12}＆h {13} h {21}＆h {22}＆h {22}＆h {23} h {31}＆h {32}＆h {32}}＆＆＆1 end {array} ight] $
以下$（x^{prime}，y^{prime}）$是h $（x，y）$ h $（x，y）之后转换的结果
$ left [begin {array} {c} x^{prime} y^{prime} 1 end {array} ight] = left [开始{array} {ccc} h {11}＆h {12}＆h {13} h {21}＆h {22}＆h {22}＆h {23} h {31}＆h {32}＆h {32}＆1结束{array} ight]左[开始{array} {c} x y 1结束{array} ight] $
$ left [begin {array} {c} x {1}，y {1}，1,0,0,0，-x {1} {1}^{prime} x {1} {1}，-x {1}^prime} y {1} 0,0,0，x {1}，y {1}，1，-y {1}^{prime} x {1} {1}，-y {1}^prime} y {1} y {1}x {2}，y {2}，1,0,0,0，-x {2}^{prime} x {2}，-x {2}^{prime} y {2} 0,0,0,00，x {2}，y {2}，1，-y {2}^{prime} x {2}， - y y {2}^{prime} y {2} x {3}，y {3}，y {3}，1,0,0,0，-x {3}^{prime} x {3}，-x {3}^{prime} y {3} 0,0,0，x {3}，y {3}，y {3}，1，-y {3}^{prime} x {3}， - y y {3}^{prime} y {3} x {4}，y {4}，1,0,0,0,0，-x，-x {4}^{prime} x {4}，-x {4}^{prime} y {4} 0,0,0，x {4}，y {4}，1，-y {4}^{prime} x {4}，-y {4}^{prime} y {4}结束{array} ight]左[开始{array}} h} h {11} h {12} h {} h {} h {21} h {22} h {22} h {23} h {31} h {31} h {32}结束{array}}}} ight] = left [开始{array} {c} x {1}^{prime} y {1}^{prime} x {2} {2}^{prime} y {2}^prime}^{prime} x {3} {3} {3} {3}^{prime} y {3}^{prime} x {4}^{prime} y {4}^{prime}结束{array} ight] $
通过上述分析，在投影转换之前，应至少找到4对特征点来解决转换矩阵H，因此我们应该选择最佳点以匹配竞标点
基本过程：
原始：https：//juejin.cn/post/7094921186097758215