一、實現功能
判斷在指定坐標范圍內，是否存在相似度大於n的圖片，並返回坐標。
二、基本思路
A=你需要尋找的圖片
B=截取當前頁面中指定范圍的圖片
利用opencv 判斷A在B中的位置，
在該位置截取與A圖同大小的圖片C
對比圖片C與圖片A的相似度
三、實現的代碼段
1、安裝所需要的庫
pip install opencv-python
pip install pywin32
2、截取指定坐標的圖片
參數說明
filename:保存的文件名
hwnd:窗口句柄 請想辦法獲取
pos:坐標位置 [x1,y1,x2,y2]。x1,y1 是左上角坐標、x2,y2 指右下角坐標。
該功能可以返回不在最頂層程序的截圖。
def window_capture(filename,hwnd=0,pos=None): hwnd = hwnd # 窗口的編號，0號表示當前活躍窗口 # 根據窗口句柄獲取窗口的設備上下文DC（Divice Context） hwndDC = win32gui.GetWindowDC(hwnd) # 根據窗口的DC獲取mfcDC mfcDC = win32ui.CreateDCFromHandle(hwndDC) # mfcDC創建可兼容的DC saveDC = mfcDC.CreateCompatibleDC() # 創建bigmap准備保存圖片 saveBitMap = win32ui.CreateBitmap() # 獲取監控器信息 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 #圖片大小 # 為bitmap開辟空間 saveBitMap.CreateCompatibleBitmap(mfcDC, MoniterDev[0][2][2], MoniterDev[0][2][3]) # 高度saveDC，將截圖保存到saveBitmap中 saveDC.SelectObject(saveBitMap) # 截取從左上角（0，0）長寬為（w，h）的圖片 saveDC.BitBlt((x1, y1), (w, h), mfcDC, (x1, y1), win32con.SRCCOPY) saveBitMap.SaveBitmapFile(saveDC, filename)
#清楚圖片數據，防止內存泄露
win32gui.DeleteObject(saveBitMap.GetHandle())
saveDC.DeleteDC()
3、利用opencv 判斷A在B中的位置
參數說明
target：cv2.imread(“圖片B”)
template：cv2.imread(“圖片A”)
def find_picture(target,template): #獲得模板圖片的高寬尺寸 theight, twidth = template.shape[:2] #執行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED) #歸一化處理 cv2.normalize( result, result, 0, 1, cv2.NORM_MINMAX, -1 ) #尋找矩陣（一維數組當做向量，用Mat定義）中的最大值和最小值的匹配結果及其位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) #匹配值轉換為字符串 #對於cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法min_val越趨近與0匹配度越好，匹配位置取min_loc #對於其他方法max_val越趨近於1匹配度越好，匹配位置取max_loc strmin_val = str(min_val) #繪制矩形邊框，將匹配區域標注出來 #min_loc：矩形定點 #(min_loc[0]+twidth,min_loc[1]+theight)：矩形的寬高 #(0,0,225)：矩形的邊框顏色；2：矩形邊框寬度 cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2) #顯示結果,並將匹配值顯示在標題欄上 # cv2.imshow("MatchResult----MatchingValue="+strmin_val,target) # cv2.waitKey() # cv2.destroyAllWindows() x=min_loc[0] y=min_loc[1] return X,Y
4、返回指定圖片的指定位置指定坐標
#target原始圖片 #x,y 起始坐標 #w,h 返回的寬長 def get_pic_from_pic(x,y,w,h,target): region = target[y:y+h,x:x+w] retrun region
5、比較兩個圖片的相似度
def compare_picture( imageA, imageB): #灰度圖片比較 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)