硅胶海绵条
1） 模板匹配：对要操作的画⾯元素进⾏单独的截图，将该截图视作模板，利⽤这个模板在屏幕或当前窗⼝进⾏搜索匹 配，到符合条件的区域，并提取出中⼼点坐标的过程，称为模板匹配。 局限性：当⽐例或旋转⾓度发⽣变化时难以应对，会匹配失败
2） 滑动⽐对：RGBA，A指Alpha通道的意思，图层透明度
3） 匹配度/相似度（similarity）：主要⽤于解决图像匹配过程中的容错问题，像素点的匹配个数浮动范围，像素点具体的 RGBA值得浮动范围，如果只关注轮廓，可以采⽤转为⿊⽩图的处理⽅法
补充：常见问题：
a. 运算量过⼤：采⽤特征点进⾏初步筛选，⽐如先对⽐四个⾓和中⼼位置
b. 图⽚内容重复多时容易匹配多个结果：在截取模板时可以适度截⼤⼀些，多增加整个模板的特征点
隧道式搪瓷烧结炉c. 移动端的图像识别特点：有很多图像⽐例变化的情况
2. OpenCV常⽤API
1） matchTemplate，包含三个参数，要对⽐的图像和模板图像，method参数是模板匹配的算法，主要有六种：
a) 利⽤平⽅差进⾏匹配，最好为0，匹配越差，匹配值越⼤
CV.TM_SQDIFF 平⽅差匹配
CV.TM_SQDIFF_NORMED 标准平⽅差匹配
b) 采⽤模板和图像间的乘法操作，数越⼤表⽰匹配程度越⾼，0为最坏
CV.TM_CCORR 相关性匹配
CV.TM_CCORR_NORMED 标准相关性匹配
c) 将模板对其均值的相对值与图像对其均值的相对值进⾏匹配，1表⽰完美匹配，0表⽰没有任何相关性（随机序列）
CV.TM_CCOEFF 相关系数匹配
CV.TM_CCOEFF_NORMED 标准相关系数匹配
返回值为⼀个矩阵，矩阵为每个像素点上模板匹配的结果
六种⽅法算法复杂度越来越⾼，精度也越来越⾼，运算开销越来越多
2） minMaxLoc，在给定矩阵中寻最⼤和最⼩值，并给出它们的位置，要求传⼊参数有src，是⼀个矩阵图像（⼆维数 组），返回值为⼀个元祖类型的数据，分别为min_val, max_val, min_loc, max_loc
3. OpenCV使⽤范例
# 算法思路：
# 1.使⽤ImageGrab抓取当前窗⼝的截图
# 2.使⽤opencv进⾏截图与模板的匹配
# 3.处理匹配结果，进⾏断⾔
import cv2 as cv
import os
from PIL import ImageGrab
class ImageMatchByCV:
@staticmethod中草药压片机
def match_image(target):
"""对⽐当前窗⼝与模板，到返回中⼼点坐标，未到返回-1，-1"""
摩托车化油器结构图
# 抓取当前屏幕截图
screen_path = os.path.join(base_path, "screen.png")
# 使⽤opencv打开模板图⽚与截图
screen = cv.imread(screen_path)
template = cv.imread(target)
# 进⾏⽐对
match_results = cv.matchTemplate(screen, template, cv.TM_CCOEFF_NORMED) # 处理⽐对结果
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(match_results)
if max_val >= 0.95:
middle_x = max_loc[0] + int(template.shape[1] / 2)
middle_y = max_loc[1] + int(template.shape[0] / 2)
return middle_x, middle_y
else:
print("Failed")
return -1, -1
def check_exists(self, target):
"""对⽐模板与当前窗⼝截图，返回bool值"""
x, y = self.match_image(target)
return x != -1 and y != -1
>煎药锅
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议