import cv2
import matplotlib.pyplot as plt

# 讀取圖像
# 路徑不可以有漢字
original_image = cv2.imread('picture.png')
# 轉化為灰度圖方便計算
gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)

# 顯示原圖
plt.figure(figsize=(20, 20))
plt.imshow(cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB))  # 轉換顏色空間以匹配matplotlib
plt.title('Original Image')
plt.axis('off')
plt.show()

# 顯示灰度圖
plt.figure(figsize=(20, 20))
plt.imshow(gray_image, cmap='gray')
plt.title('Grayscale Image')
plt.axis('off')
plt.show()

# 加載模板
# 想要從原圖中找到的部分
# 這里截取原圖中一個表情
template = gray_image[90:180, 100:180]

# 模板匹配
# 將選取表情與原圖匹配
result = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)

# 找到匹配得分最高的區(qū)域
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

# 繪制矩形框
threshold = 0.9999  # 根據需要調整閾值
if max_val >= threshold:
    # 計算矩形框的左上角和右下角坐標
    top_left = max_loc
    bottom_right = (top_left[0] + template.shape[1], top_left[1] + template.shape[0])

    # 在原圖上繪制矩形框
    cv2.rectangle(original_image, top_left, bottom_right, (0, 0, 255), 2)

# 顯示結果
plt.figure(figsize=(20, 20))
plt.imshow(cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB))  # 轉換顏色空間以匹配matplotlib
plt.title('Matched Template')
plt.axis('off')
plt.show()