遍歷模板圖像集合，與圖像匹配，如果dist大于閾值h，則認為此模板在圖像中存在，否則不存在，繼續(xù)匹配下一個模板，直到遍歷完所有模板。
以模板‘加’為例，圖像大小為40x260，模板大小27x27，result是一個大小為(14，234)的矩陣，即上文提到的相似度矩陣，矩陣中的數(shù)值屬于[-1,1]，找到result中最大值所處的對應(yīng)位置即為與模板最匹配的圖像位置:x=66,y=11，正好對應(yīng)模板圖像在image中所處的位置。 (更多內(nèi)容請參閱參考文獻【4】)
但這是比較好的情況，因為在匹配時遍歷了所有的模板，而一張圖片中出現(xiàn)的模板數(shù)量是有限的，比如數(shù)字’四’在圖片中是沒有的，這時就要根據(jù)某種規(guī)則去掉這些在圖片中沒有出現(xiàn)的模板：程序中使用dist變量來過濾匹配結(jié)果，如果dist變量大于某個值則認為此模板在圖像中不存在。
最后的result_list中可能仍然存在一些圖片中不存在的模板或者匹配不精確的模板，比如數(shù)字‘一’在模板中不存在，但仍然可以匹配到，因為數(shù)字‘二’中可以匹配到‘一’，需要進一步優(yōu)化，優(yōu)化方法有很多，比如當匹配到的兩個模板距離過近時，選擇較大的那個模板，其余方法留給讀者自行考慮吧。
后續(xù)將會推出如何使用深度學(xué)習(xí)識別驗證碼，敬請期待~