Python之利用opecv影像識別 （模板匹配）
- 2019 年 10 月 8 日
- 筆記
這是一個相對好玩的，你可以利用影像識別做很多事情，但是這種模板匹配的方法是相對比較笨的方法，對於我正在學習的神經網路所實現的影像識別來說，模板匹配的健壯性不是很好，不過還是有很多事情可以用模板匹配做到的。
模板匹配的意思是，拿兩張圖片，或者是一張大圖一張小圖，在大圖中判斷有沒有類似小圖的像素，如果有則匹配的上，反則沒有匹配，大致就像，有一張模板圖片，然後一張測試圖片，拿著模板圖片在測試圖片中找相同的地方。
例如，這樣一張圖作為模板匹配在判斷的時候，如果測試人物左轉一下，便判斷不出來。
opencv作為模板匹配的方法有很多種：
CV_TM_SQDIEF平方差匹配法,最好匹配為0，值越大匹配越差
CV_TM_SQDIEF_NORMED歸一化平方差匹配法
CV_TM_CCORR相關匹配法，採用乘法操作，數值越大表明匹配越好
CV_TM_CCORR_NORMED歸一化相關匹配法
CV_TM_CCOEFF相關係數匹配法，最好匹配為1，最差為-1
CV_TM_CCOEFF_NORMED歸一化相關係數匹配法
尋找最值–minMaxLoc（）
minVal:返回最小值的指針，若無需返回，則設置0
maxVal:返回最大值的指針，若無需返回，則設置0
minLoc:返回最小位置的指針，若無需返回，則設置0
maxLoc:返回最大位置的指針，若無需返回，則設置0
img_m = ImageGrab.grab()#桌面截圖 img_c = cv2.cvtColor(np.asarray(img_m), cv2.COLOR_RGB2BGR)#轉化成cv2的模式 os.chdir('C:/Users/煒哥/PycharmProjects/Dnf/Monsterpic/')#取出模板圖片 img_l = ac.imread("monster_1.png")#讀取模板圖片 mmaxpos = cv2.matchTemplate(img_c, img_l, cv2.TM_CCOEFF_NORMED)#匹配的結果 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(mmaxpos)#在結果中取出坐標 pt = max_loc mminpos = cv2.matchTemplate(img_c, img_l, cv2.TM_SQDIFF_NORMED)#第二種方式匹配 nmin_val, nmax_val, nmin_loc, nmax_loc = cv2.minMaxLoc(mminpos) minpt = nmin_loc if pt == minpt: print(pt) print(minpt) return pt else: return None
上面例子實現的在模板圖片與桌面截圖的匹配，從而判斷截圖中的遊戲介面里有沒有怪物存在，其中利用了兩種方法的匹配，然後比較其結果有沒有一樣，如果一樣則輸出坐標（這個坐標是左上角的坐標，再具體操作的話需要減去模型的x或y，便可以得到想要的坐標）
不同的方法的坐標放在不一樣的值里。
其中opencv模板匹配函數matchTemplate（）
drawpos = cv2.matchTemplate(img_d1, imgdraw, cv2.TM_CCOEFF_NORMED)
其中，img_d1是測試圖片，就是想要從中判斷有沒有模板圖片的圖片，即上面程式的截圖位置
imgdraw：是模板圖片，假設我們要從A圖片中判斷有沒有B圖片，這個B圖片就是模板圖片
cv2.TM_CCOEFF_NORMED：即是我們的匹配方法。
如果想要取出坐標的x和y
（x， y） = pt#結合上面例子
這樣即可
補充：
如果沒加一個導入模組的類的話，發現很容易誤導，我太粗心了。
這裡的影像識別是必須在介面的前台的，因為是截圖的，如果編輯器擋住要判斷的部分是的不出結果的。
