关于图像处理:图像匹配大图中找小图最简单方法aircv之findtemplate

我的开源我的项目SimpleRPA外面，始终应用aircv的find_template办法来做图像匹配，最常见的场景就是从屏幕截图中，查找事后截好的小图，来确定下一步鼠标点击的地位：

比方在上面的钉钉PC端主页面中：

咱们来查找企业logo的地位：

aircv是网易保护的一个小我的项目，外面有几个图像处理工具函数，它的装置很简略：

pip install aircv

其中被应用最多的，就是这个find_template办法，根本用法如下：

import aircv as ac

match_result = ac.find_template(image_origin, image_template, threshold, bgremove)

几个参数别离示意

• image_origin：被查找的源图（下面实例中的钉钉主页面截图），要留神源图的宽和高，都必须大于或等于模板图
• image_template：要查找的模板小图（下面实例中的logo）
• threshold：最小置信度，在0到1之间。因为图像匹配并不需要每个像素准确统一，能够含糊匹配，所以这个值设定得越高，找到的区域就越靠近模板图，但设得太高就有可能找不到。
• bgremove：是否去除背景。如果这个值设置为True，那么函数外部会用Canny算子先提取图像轮廓，再做查找

返回值match_result是个dict构造：

match_result:{
    'result': (x,y),        #tuple，示意辨认后果的中心点
    'rectangle':[            #二位数组，示意辨认后果的矩形四个角
        [left, top],
        [left, bottom],
        [right, top],
        [right, bottom]
    ],
    'confidence': percentage   #辨认后果的置信度,在0-1之间，越大越精准
}

这样咱们就能够用返回值在图片上标出矩形框的地位：

import cv2
rect = match_result['rectangle']
cv2.rectangle(img_result, (rect[0][0], rect[0,1]), (rect[3][0], rect[3][1]), (0, 0, 220), 2)

这个find_template办法只返回一个最可信的后果，如果源图中有多个模板图，都想找回来
那么须要find_all_template函数，参数齐全一样，只是返回值是个match_result数组。

然而这个库很久没有保护了，我给它提交了一个PR，也没人理，还是有一些坑的，当前再缓缓聊。