一、实现功能
判断在指定坐标范围内,是否存在相似度大于n的图片,并返回坐标。
二、基本思路
A=你需要寻找的图片
B=截取当前页面中指定范围的图片
利用opencv 判断A在B中的位置,
在该位置截取与A图同大小的图片C
对比图片C与图片A的相似度
三、实现的代码段
1、安装所需要的库
pip install opencv-python
pip install pywin32
2、截取指定坐标的图片
参数说明
filename:保存的文件名
hwnd:窗口句柄 请想办法获取
pos:坐标位置 [x1,y1,x2,y2]。x1,y1 是左上角坐标、x2,y2 指右下角坐标。
该功能可以返回不在最顶层程序的截图。
def window_capture(filename,hwnd=0,pos=None): hwnd = hwnd # 窗口的编号,0号表示当前活跃窗口 # 根据窗口句柄获取窗口的设备上下文DC(Divice Context) hwndDC = win32gui.GetWindowDC(hwnd) # 根据窗口的DC获取mfcDC mfcDC = win32ui.CreateDCFromHandle(hwndDC) # mfcDC创建可兼容的DC saveDC = mfcDC.CreateCompatibleDC() # 创建bigmap准备保存图片 saveBitMap = win32ui.CreateBitmap() # 获取监控器信息 MoniterDev = win32api.EnumDisplayMonitors(None, None) if pos==None: x1=0 y1=0 w = MoniterDev[0][2][2] h = MoniterDev[0][2][3] else: x1=pos[0] y1=pos[1] w=pos[2]-pos[0] h=pos[3]-pos[1] # print w,h #图片大小 # 为bitmap开辟空间 saveBitMap.CreateCompatibleBitmap(mfcDC, MoniterDev[0][2][2], MoniterDev[0][2][3]) # 高度saveDC,将截图保存到saveBitmap中 saveDC.SelectObject(saveBitMap) # 截取从左上角(0,0)长宽为(w,h)的图片 saveDC.BitBlt((x1, y1), (w, h), mfcDC, (x1, y1), win32con.SRCCOPY) saveBitMap.SaveBitmapFile(saveDC, filename)
3、利用opencv 判断A在B中的位置
参数说明
target:cv2.imread(“图片B”)
template:cv2.imread(“图片A”)
def find_picture(target,template): #获得模板图片的高宽尺寸 theight, twidth = template.shape[:2] #执行模板匹配,采用的匹配方式cv2.TM_SQDIFF_NORMED result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED) #归一化处理 cv2.normalize( result, result, 0, 1, cv2.NORM_MINMAX, -1 ) #寻找矩阵(一维数组当做向量,用Mat定义)中的最大值和最小值的匹配结果及其位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) #匹配值转换为字符串 #对于cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法min_val越趋近与0匹配度越好,匹配位置取min_loc #对于其他方法max_val越趋近于1匹配度越好,匹配位置取max_loc strmin_val = str(min_val) #绘制矩形边框,将匹配区域标注出来 #min_loc:矩形定点 #(min_loc[0]+twidth,min_loc[1]+theight):矩形的宽高 #(0,0,225):矩形的边框颜色;2:矩形边框宽度 cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2) #显示结果,并将匹配值显示在标题栏上 # cv2.imshow(\"MatchResult----MatchingValue=\"+strmin_val,target) # cv2.waitKey() # cv2.destroyAllWindows() x=min_loc[0] y=min_loc[1] return X,Y
4、返回指定图片的指定位置指定坐标
#target原始图片 #x,y 起始坐标 #w,h 返回的宽长 def get_pic_from_pic(x,y,w,h,target): region = target[y:y+h,x:x+w] retrun region
5、比较两个图片的相似度
def compare_picture( imageA, imageB): #灰度图片比较 grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY) grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY) (score, diff) = compare_ssim(grayA, grayB, full=True)return float(score)