OpenCV实现图像识别

1. 图像识别匹配算法
   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，找到符合条件的区域，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
              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，在给定矩阵中寻找最大和最小值，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
       def match_image(target):
           """对比当前窗口与模板，找到返回中心点坐标，未找到返回-1，-1"""
           # 抓取当前屏幕截图
           screen_path = os.path.join(base_path, "screen.png")
           ImageGrab.grab().save(screen_path)
           # 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